网络故障检测系统专利检索-随机森林集成学习机器学习人工智能专利检索查询-专利查询网

网络故障检测系统

阅读：657发布：2021-12-24

专利汇可以提供网络故障检测系统专利检索，专利查询，专利分析的服务。并且本发明涉及一种网络故障检测系统，能够对应各种网络故障进行更加详细的故障检测。该网络故障检测系统具备：参数提取部(102)，其进行从在网络上传输的包中提取如下的值作为分类特征向量的处理，该值是与通信涉及的包损失量有关的值、与包发送间隔抖动有关的值、与包损失的发生方式有关的值所涉及的参数中的至少一个参数的值；故障有无分类部(104)，其进行如下处理，即将用于基于参数区分网络状态涉及的情况的数值条件和上述分类特征向量的对应参数的值按规定的顺序进行比较来决定分类标签，并对故障的有无以及故障的种类进行分类的处理。，下面是网络故障检测系统专利的具体信息内容。

权利要求

1.一种网络故障检测系统，其特征在于，具备：
参数提取部，其进行从在网络上传输的包中提取如下的值作为分类特征向量的处理，该值是与通信涉及的包损失量有关的值、与包发送间隔抖动有关的值、与包损失的发生方式有关的值所涉及的参数中的至少一个参数的值；和
故障有无分类部，其进行如下处理，即将用于区分上述网络状态涉及的情况的数值条件和上述分类特征向量的对应参数的值进行比较来对故障的有无以及故障的种类进行分类的处理。
2.根据权利要求1所述的网络故障检测系统，其特征在于，
上述参数提取部提取与上述包的发送延迟有关的参数值，并包含在上述分类特征向量中。
3.根据权利要求1或2所述的网络故障检测系统，其特征在于，
上述参数提取部针对与上述包发送间隔抖动有关的值，提取预先规定的统计间隔中的包的发送间隔抖动的平均值、偏差、最大值中的至少一个；
针对与上述包损失的发生方式有关的值，提取包损失的连续发生区间的长度、上述连续发生区间中的发生比例、在连续发生区间外的发生比例中的至少一个。
4.根据权利要求1至3的任意一项所述的网络故障检测系统，其特征在于，还具备分类条件存储部，该分类条件存储部将分类规则作为数据进行存储，其中，该分类规则规定了用于根据上述参数区分上述网络状态涉及的情况的数值条件、该数值条件的应用顺序、以及成为应用了上述数值条件的结果的用于表示上述网络中的故障有无以及故障种类的分类标签；
在具有与上述网络中的无线链路有关的故障涉及的上述分类标签的情况下，上述数值条件包括：预先规定的统计间隔中的上述包的发送间隔抖动的平均值以及偏差在规定的范围内；在包损失连续发生区间外的发生比例在第一规定值以下；上述包损失连续发生区间的长度在第二规定值以上；以及连续发生区间内的上述包损失的发生比例在第三规定值以上。
5.根据权利要求4所述的网络故障检测系统，其特征在于，
上述分类条件存储部具有多个上述分类规则；
还具备多数决定分类决定部，该多数决定分类决定部将上述故障有无分类部根据多个分类规则进行分类处理而决定的多个分类标签中的最多的分类标签作为最终分类结果。
6.根据权利要求5所述的网络故障检测系统，其特征在于，
还具备分类条件设定部，该分类条件设定部进行将上述分类规则存储在上述分类条件存储部中进行设定的处理。
7.根据权利要求4至6的任意一项所述的网络故障检测系统，其特征在于，还具备分类条件生成部，该分类条件生成部进行根据从预先接收到的包中提取出的分类特征向量、和表示接收到该分类特征向量涉及的包时的网络状态的分类标签，分析上述分类特征向量的参数并生成分类规则的处理。
8.根据权利要求7所述的网络故障检测系统，其特征在于，
上述分类条件生成部根据数据挖掘方法分析上述参数，生成上述分类规则。
9.根据权利要求8所述的网络故障检测系统，其特征在于，
上述分类条件生成部根据决策树、支持向量机、神经网络、贝叶斯网络、随机森林法中的任意一个上述数据挖掘方法来进行生成处理。
10.根据权利要求1至9的任意一项所述的网络故障检测系统，其特征在于，上述参数提取部进行从基于RTCP-XR协议的包中提取上述分类特征向量的处理，在上述提取出的参数中，与包损失量有关的值是由上述RTCP-XR规定的丢包量、丢包率以及包废弃率，与包发送间隔抖动有关的值是由上述RTCP-XR规定的抖动偏差、平均抖动以及最大抖动，与包损失的发生方式有关的值是由上述RTCP-XR规定的突发密度、突发持续时间以及间隔密度。
11.根据权利要求3至10的任意一项所述的网络故障检测系统，其特征在于，上述参数提取部进行从基于RTCP-XR协议的包中提取上述分类特征向量的处理，在上述提取出的参数中，预先规定的统计间隔内的包的发送间隔抖动的平均值是由上述RTCP-XR规定的平均抖动、偏差是抖动偏差、最大值是最大抖动，上述包损失的连续发生区间的长度是由上述RTCP-XR规定的突发持续时间，上述连续发生区间内的发生比例是突发密度，连续发生区间外的发生比例是间隔密度。
12.根据权利要求1至10的任意一项所述的网络故障检测系统，其特征在于，还具备：
包接收部，其接收上述网络上传输的包；和
包过滤部，其从该包接收部接收到的上述包中选择包含作为上述分类特征向量提取出的参数的包，并发送到上述参数提取部。
13.根据权利要求1至12的任意一项所述的网络故障检测系统，其特征在于，还具备故障数计数部，该故障数计数部根据上述故障有无分类部的处理，按照每个预先规定的单位进行计数。
14.根据权利要求13所述的网络故障检测系统，其特征在于，
上述故障数计数部将发送源的IP地址和发送目的地的IP地址的组合作为上述预先规定的单位。
15.根据权利要求13所述的网络故障检测系统，其特征在于，
上述故障数计数部将自治系统作为上述预先规定的单位。

说明书全文

网络故障检测系统

技术领域

[0001] 本发明涉及根据基于在网络(电信线路)上传输的包信号而得到的数据(信息)来检测网络上发生的故障的系统。

背景技术

[0002] 近年来，在网络上传输大数据量的信号的、使用语音或视频的流传输等多媒体数据来实时提供的业务不断增加。在这种业务中，需要实时地收发包含数据的信号(后面也将这种信号称为数据)。在这种实时通信中，使用RTP(Real-time Transport Protocol：实时传输协议)、RTCP(Real-time Transport Control Protocol：实时传输控制协议)这样的通信协议。

[0003] 但是，例如RTP是不进行丢包对策和传送时间的保证等的UDP类型的通信协议。因此，适于尽可能减少延迟来发送数据，相反，由于不进行上述那样的对策、保证，所以容易受到网络中的数据的通信路径上所发生的故障的影响。因此，存在声音中断、图像混乱等容易降低针对用户的业务质量的问题。

[0004] 这样，对于通过网络实施如视频的流传输和电视会议那样的重视质量的业务，管理向利用者提供的通信业务的质量、并针对质量恶化等进行恶化位置的确定和对策变得重要起来。例如，对于网络供应商而言，该供应商管理的网络内的利用者有时会利用管理外的网络中存在的服务器和终端上的某些业务。此时，在业务的数据通信中检测出了某些质量恶化，并且其原因在于管理外的网络的情况下，存在如下问题，即由于无法获得管理外的网络中的通信状态等信息，所以即使想调查是在何处发生的质量恶化也很难推定原因并维护。若进行这样的经由包括发送源的网络在内的多个网络的通信，则很难保证针对用户的质量，因此需要一些故障检测的方法。

[0005] 针对这样的背景，用于评估对话的客观质量的各种方法正在被研究。例如，存在MOS(Meau Opinion Score：平均意见得分)那样的评价值、R值等、P.564(PESQ：Perceptual Evaluation of Speech Quality：感知语音质量评价)那样的客观质量评价技术，还存在RTCP-XR(Real-time Transport Control Protocol Extended Reports：实时传输控制协议扩展报告)那样的技术，该RTCP-XR用于计算RTP中的MOS值和其他的质量参数来把握提供中的业务的质量。

[0006] 这里，以往提案了一种系统，该系统为了检测网络的故障，针对网络上连接的设备，生成具有各种条件的包并发送该信号，并对涉及其响应的信号进行分析来检测网络上发生的故障(例如参照专利文献1)。但是，在网络中，由于持续传输本来不需要的用于监视的数据包，所以通信量变大。

[0007] 另一方面，存在如下技术，即对在利用者的终端、规定的节点(设备)的附近传输的基于RTP的包是否发生了丢包(消失)、是否发生了抖动(jitter)、通信路径的往返时间过长进行监视来检测质量异常的技术(例如参照专利文献2)。另外，还存在如下技术，即根据是否是连续丢失了规定数量的包的突发状态(Burst State)，来判断故障种类的技术(例如参照专利文献3)。

[0008] [专利文献1]：日本特开2008-42470号公报

[0009] [专利文献2]：日本特开2009-219075号公报

[0010] [专利文献3]：日本特开2006-5775号公报

[0011] 但是，在如R值之类的质量指标、专利文献2的方法那样的监视网络、检测异常那样的方法中，因路径的不同，根据有线或无线、网络装置的能力、跳数之类的各种网络特性的不同，该参数的平常状态下的值发生一定的变化。

[0012] 另外，P.564那样的质量评价技术大多用于评价特定的通信中的端到端的质量。另外，专利文献2也是进行端到端的判断的技术。因此，例如即使根据通过该技术而得到的数据，也很难确定在网络上的何处(区间)发生了故障。

[0013] 并且，例如在无线通信那样的情况下，由于电波的影响有时会发生通信路径中的链路状态变得不稳定的链路故障。在是专利文献3所记载的方法的情况下，根据连续发生了规定次数的丢包的情况来判断故障的发生和原因，但是在发生了链路故障的情况下，未必一定是连续发生了丢包。例如会发生正常的链路状态和丢包、抖动增加的状态交替出现的情况。因此，在连续丢包的次数较少，或者只有抖动增加那样的状态下，无法立即判断为链路故障。

[0014] 而且，在大规模的网络中，若要进行确定发生链路故障等的路径、区间的处理等，为了对所有的包进行监视等，需要处理能力较高的装置。

[0015] 因此，希望实现一种网络故障检测系统，能够对应各种网络故障进行更详细的故障检测。

发明内容

[0016] 本发明涉及的网络故障检测系统具备：参数提取部，其进行从在网络上传输的包中提取如下的值作为分类特征向量的处理，该值是与通信涉及的包损失量有关的值、与包发送间隔抖动有关的值、与包损失的发生方式有关的值所涉及的参数中的至少一个参数的值；和故障有无分类部，其进行如下处理，即将用于区分网络状态涉及的情况的数值条件和分类特征向量的对应参数的值进行比较来对故障的有无以及故障的种类进行分类的处理。

[0017] 根据本发明，故障有无分类部根据由参数提取部提取出的参数构成的分类特征向量和数值条件对故障的有无、种类进行分类，因此能够根据利用参数的数值条件而确定的范围准确地判断网络故障的有无、故障的种类。

[0018] 另外，参数中包含与包损失的发生方式有关的值，由此能够根据如下的包损失发生的状况，即根据大部分的包损失是否是连续地发生、或者即使是连续地发生则损失区间是长还是短、在区间内的发生频率是多还是少等，来进一步判断例如是无线通信特有的包损失或者是因无线区间的故障而导致的损失。附图说明

[0019] 图1是表示实施方式1涉及的网络故障检测系统的构成的图。

[0020] 图2是表示RTCP-XR包的构成的图。

[0021] 图3是用于说明分类规则的图。

[0022] 图4是表示实施方式2涉及的网络故障检测系统的构成的图。

[0023] 图5是将分类特征向量存储部201所存储的数据表示为表格的图。

[0024] 图6是表示实施方式3涉及的网络故障检测系统的构成的图。

[0025] 图7是用于说明故障数计数部301的处理的图。

[0026] 图8是表示网络拓扑的例子的图。

[0027] 图9是表示各节点和IP地址之间的关系的图。

[0028] 图中符号说明

[0029] 100...包接收部、101...包过滤部、102...参数提取部、103...分类条件存储部、104...故障有无分类部、105...结果输出部、201...分类特征向量存储部、202...分类条件生成部、203...分类条件设定部、301...故障数计数部、302...网络拓扑存储部、303...故障位置推定部

具体实施方式

[0030] 实施方式1

[0031] 图1是表示本发明的实施方式1涉及的网络故障检测系统的构成的图。包接收部100进行接收在网络中传输的包信号(后面称为包)的处理。包过滤部101进行从包接收部100接收到的包中选择参数提取部102进行处理的包的处理。参数提取部102根据包过滤部101选择的包，提取作为分类特征向量而构成的参数。

[0032] 另外，分类条件存储部103由存储装置构成，将用于后述的故障有无分类部104进行故障有无等的分类处理的分类规则、以及分类规则中的数值条件作为数据进行存储保存。故障有无分类部104进行如下处理，即根据由参数提取部102提取出的参数构成的分类特征向量、以及分类条件存储部103保存的分类规则，判断网络故障的有无、并对故障的种类进行分类(决定)的处理。结果输出部105进行将故障有无分类部104分类处理后的结果例如输出到显示单元的处理。

[0033] 根据图1对网络故障检测系统各部的更详细的动作进行说明。本系统以包接收部100作为接点，以能够接收网络信号的方式连接于网络的某个地点。并且，包接收部100进行如下处理，即接收在网络的某地点传输的包，并使其成为包过滤部101能够处理的数据形式来进行发送。

[0034] 包过滤部101进行如下处理，即根据来自包接收部100的包中包含的头部信息等，选择例如具有与数据流控制以及收发目的地有关的数据的包，并提供给参数提取部102。这里，作为具有与数据流控制以及收发目的地有关的数据的包，例如有将RTCP-XR作为协议的信号收发时使用的包(后面称为RTCP-XR包)。这里假定包过滤部101进行判别的包是RTCP-XR包来进行说明。

[0035] 参数提取部102将包过滤部101选择的包中包含的参数作为数据进行提取，提取作为分类特征向量构成的参数。这里，分类特征向量是指集中了具有用于对网络故障进行分类的特征的参数后的数据。这里，将与该通信涉及的包损失量有关的值、与包发送间隔抖动有关的值、与包损失的发生方式(例如突发等)有关的值中的至少一个设为构成分类特征向量的参数。

[0036] 图2是表示RTCP-XR包的构成的图。图2的(a)是RTCP-XR包的整体构成。在RTCP-XR包的构成中，作为分类特征向量而构成的参数被包含在Report Blocks(报告块)部分。

[0037] 另外，图2的(b)及图2的(c)表示构成Report Blocks的StatisticsSummary Report Block(统计总结报告块)以及VoIP Metrics Report Block(VoIP度量报告块)的详细构成。其中，表示与包损失量有关的值的参数是lost packets(丢包量)、loss rate(丢包率)以及discard rate(包废弃率)。另外，表示与包发送间隔抖动有关的值的参数是deviation jitter(抖动偏差)、mean jitter(平均抖动)以及max jitter(最大抖动)。并且，表示与包损失的发生方式有关的值的参数是burst density(突发密度)、burstduration(突发持续时间)以及gap density(间隔密度)。

[0038] 这里，例如burst density、burst duration以及gap density是分别表示在规定的统计间隔内，在连续发生丢包的区间中丢失的RTCP-XR包的比例、该区间的长度、在连续发生丢包的区间以外的丢失比例的参数。连续发生丢包的区间是指以较高概率发生丢包的区间。在RFC3611中使用预先决定的参数Gmin规定为(1)从开始丢失时的RTCP-XR包开始、(2)Gmin个RTCP-XR包没有中断地丢失、(3)区间的最后也发生了丢包的包串的最长区间。关于其他的参数，例如也在RFC3611中被规定。

[0039] 在本实施方式中，由上述参数中的下列参数、即与包损失量有关的lostpackets、与包发送间隔抖动有关的deviation jitter、mean jitter及max jitter以及与包损失的发生方式有关的burst density、burst duration以及gapdensity的参数来构成分类特征向量。这里，例如也可以提取与包的发送延迟有关的值作为参数来构成分类特征向量。

[0040] 图3是用于说明分类规则的图。在图3中分类规则以分层结构具有故障有无分类部104用于进行判断、分类以及进行情况区分的数值条件(进行了排序)。实线表示判断为满足了数值条件的情况下的迁移方向，虚线表示判断为未满足数值条件的情况下的迁移方向(图3中省略了一部分(波浪线之间))。图3中圆圈围着的部分是经过判断数值条件得到的结果、即表示导出的网络状态的分类标签。例如，在图3中，将无线平常状态、有线平常状态那样的未发生故障的平常状态、和无线链路故障等那样的发生了故障的状态作为分类标签进行了设定。

[0041] 例如，在图3中，表示了满足“mean jitter在121以下”、“mean jitter在98以上”、“deviation jitter在162以下”、“deviation jitter在121以上”、“gap density在1以下”、“burst density在87以上”、“burst duration在240以下”的数值条件的RTCP-XR包是已发生“无线链路故障”时进行的通信的包。各数值条件是根据如下情况导出的，即在某个时间间隔中通信抖动(jitter)不是很大而基本稳定，并且没有异常大(例如超过160那样)的抖动，也没有发生包损失那样的通信是无线通信中的没有发生故障的状态的一个特征的情况。这里，在本实施方式中，从与包发送间隔抖动有关的数值条件开始使用，但是并不特别限定使用的顺序。但是，由于顺序不同可能会导致以后的情况区分中的评价等不同，所以数值条件的数值、作为结果的分类标签等可能不同。另外，在此用图表示了分类规则的内容，但是也可以利用例如“IF～THEN～ELSE”那样的条件分支语句等形式。

[0042] 接着对故障有无分类部104中进行的分类处理的动作进行说明。首先，从位于分类规则的前头的数值条件开始进行参照，判断分类特征向量的要素、即参数mean jitter的值是否是最初的数值条件、即“mean jitter在121以下”。

[0043] 当判断为“mean jitter在121以下”时，判断是否是“mean jitter在98以上”。另一方面，在判断为不是“mean jitter在121以下”时，判断是否是“mean jitter在480以下”。如上所述，按照规定的顺序，根据分类特征向量的对应参数的值和数值条件进行判断。并且，最终决定1以上的平常时状态和1以上的故障时状态中的任意一个分类标签。由此进行分类来作为表示被提取出该分类特征向量的RTCP-XR包的通信环境中的网络状态的判断结果。并且，在被分类为是故障时状态的情况下，故障有无分类部104向结果输出部
105提供分类标签的内容等用于进行输出的数据。

[0044] 并且，结果输出部105输出故障检测结果的数据，例如在显示单元进行显示等。这里，结果输出部105也可以从包过滤部101所选择的RTCP-XR包中提取并输出例如IP(Internet Protocol：互联网协议)地址等与发送者、接收者有关的数据(信息)，以便知道在网络的哪个路径上检测出了故障。

[0045] 如上所述，根据实施方式1的网络故障检测系统，包过滤部101从包接收部100从网络接收到的包中选择包含与数据流控制以及收发方有关的数据的包，另外，故障有无分类部104根据由参数提取部102提取出的参数构成的分类特征向量和分类条件存储部103保存的分类规则来进行分类处理，因此能够根据基于分类规则的参数的数值范围准确地判断网络故障的有无和故障的种类。此时，由于选择在一定的统计间隔内网络上传输的、包含与数据流控制以及收发方有关的信息的包、例如RTCP-XR包来进行分类处理，所以也可以不对所有的包进行用于检测故障的处理。因此，可以得到处理负荷变小不用提高处理能力而能够进行处理的装置，从而能够控制成本。

[0046] 另外，参数中包含与包损失的发生方式有关的值，由此能够根据如下的包损失发生的状况，即根据大部分的包损失是否是连续地发生、或者即使是连续地发生则损失区间是长还是短、在区间内的发生频率是多还是少等，来进一步判断例如是无线通信特有的包损失或者是因无线区间的故障而导致的损失。

[0047] 实施方式2

[0048] 图4是表示本发明的实施方式2涉及的网络故障检测系统的构成的图。在图4中，被赋予与图1相同的符号的部分进行与实施方式1相同的处理动作。分类特征向量储存部201例如由存储装置构成，将参数提取部102中提取出的分类特征向量作为数据进行存储。
此时，预先使分类标签对应于分类特征向量。另外，分类条件生成部202进行根据特征向量储存部201中储存的分类特征向量以及分类标签来生成分类规则的处理。并且，分类条件设定部203进行将分类条件生成部202生成的分类规则存储在分类条件存储部103中并进行设定的处理。

[0049] 本实施方式例如涉及如下处理，即在故障有无分类部104进行处理之前，根据在网络上实际传输的包来生成分类规则的处理。接着，对本实施方式涉及的分类规则生成、设定处理进行说明。

[0050] 图5是将分类特征向量储存部201所储存的数据内容表示为表格的图。首先，参数提取部102如实施方式1所说明的那样，根据由包接收部100接收并由包过滤部101选择的、在网络上实际传输的RTCP-XR包来提取参数。并且，将基于提取出的参数的分类特征向量储存在分类特征向量储存部201中。在进行储存时，将系统管理员等根据该RTCP-XR包被传输的通信路径的状态任意设定的分类标签与分类特征向量建立对应关系进行储存。

[0051] 例如，将设为“有线平常状态”的分类标签对应于只是有线的通信路径并且路径上未发生故障的RTCP-XR包的分类特征向量。另外，将设为“有线无线混合平常状态”的分类标签对应于是有线和无线混合的通信路径并且路径上未发生故障的RTCP-XR包的分类特征向量。并且，将设为“有线无线混合链路故障”的分类标签对应于是有线和无线混合的通信路径并且在无线路径上发生了链路故障的RTCP-XR包的分类特征向量。

[0052] 分类条件生成部202进行根据分类特征向量储存部201中储存的数据来生成分类规则的处理。在本实施方式中，例如使用数据挖掘方法进行处理来生成分类规则。作为数据挖掘方法，例如有决策树、支持向量机那样的方法。使用这样的数据挖掘方法中的任意一种，生成分类条件存储部103释放(kick)的那样的、分类特征向量的各参数被包含于怎样的数值范围和处于怎样的网络的状态之类的分类规则，并将数值范围与分类标签建立对应关系。

[0053] 例如，在决策树中利用下面那样的方法决定各参数的取值的数值范围。这里将分类标签设为C1、C2、...、Cn，针对某数据集合S假定具有各分类标签的数据分别是Nc1、Nc2、...、Ncn。此时利用下面的式(1)计算熵I(Nc1、Nc2、...、Ncn)。这里，N是集合S的要素个数(Nc1+Nc2+...+Ncn)。

[0054] [算式1]

[0055]

[0056] 另外，针对分类特征向量中包含的各参数，设定一个以上的分割阈值，并求出针对各个参数的熵。这里，若假定规定了参数a的数值范围并将集合S分割成m个集合S1、S2、...、Sm，则利用下面的式(2)求出针对参数a的各集合中的熵。其中，Ns1是集合S1的要素个数，M是S1、S2、...、Sm的要素个数的和(Ns1+Ns2+...+Nsm)，Is1(Nc1、Nc2，...，Ncn)是集合Sj的熵。

[0057] [算式2]

[0058]

[0059] 根据以上所述，如式(3)所示那样得到参数a的信息增益Gain(a)。

[0060] Gain(a)＝Is(Nc1、Nc2，...，Ncn)-E(a)...(3)

[0061] 针对所有的参数计算信息增益，选择信息增益最大的参数作为最好的分割参数，并将储存的数据分别在规定的数值范围中进行分割。下面，针对被分割后的集合，同样地决定信息增益成为最大的参数和数值范围。并且，向如下的集合、即被分割后的集合中只存在被赋予了一个分类标签的数据的集合分配该分类标签。

[0062] 通过以上的动作来分配决策树中的各参数的取值的数值范围和由此得到的分类标签。

[0063] 分类条件设定部203进行将分类条件生成部202所生成的分类规则设定到分类条件存储部103中的处理。如实施方式1所说明的那样，根据分类条件存储部103存储的分类规则进行分类处理。

[0064] 如上所述，根据实施方式2的网络故障检测系统，预先将网络上传输的包涉及的分类特征向量储存在分类特征向量储存部201中，分类条件生成部202根据数据挖掘方法生成分类规则，因此能够生成基于实际的包的分类规则并将其存储在分类条件存储部103中。另外，由此能够进行随时重新生成基于现状的网络状态的分类规则的处理等，从而能够减少因网络状况的变化而导致的误判定。

[0065] 实施方式3

[0066] 图6是表示本发明的实施方式3涉及的网络故障检测系统的构成的图。在图6中，被赋予与图1相同的符号的部分进行与实施方式1相同的处理动作。

[0067] 故障数计数部301根据故障有无分类部104进行的分类结果，进行按照每任意的单位数对故障数进行计数的处理。在本实施方式中，例如按照每个RTCP-XR包的发送源IP地址以及发送目的地IP地址的组合对故障数进行计数。网络拓扑存储部302将表示例如节点间有无连接等的网络构成的网络拓扑作为数据进行存储。故障位置推定部303根据作为故障被检测出的通信路径和网络拓扑存储部302存储的网络构成的数据，进行将路径重叠部分作为故障发生位置进行缩选的处理。

[0068] 本实施方式涉及如下处理，即例如根据故障有无分类部104进行了处理后的分类结果，进一步进行详细的故障检测、故障发生位置的推定等的处理。接着对本实施方式涉及的故障发生位置推定处理等进行说明。

[0069] 图7是用于说明故障数计数部301的处理的图。例如故障有无分类部104针对将IP地址CCC.BBB.KKK.YYY作为发送源(src)、将BBB.DDD.AAA.CCC作为发送目的地(dst)的RTCP-XR包涉及的分类特征向量进行分类处理，其结果，若被分类为故障，则故障计数从5增加1而变为6。例如，若相应的发送源IP地址以及发送目的地IP地址的组合不存在，则进行新追加的处理，将故障计数设为1。

[0070] 并且，若结束了针对单位数的分类结果的计数，则将故障数超过了预先规定的阈值的发送源IP地址和发送目的地IP地址的组合设为故障发生频率较高，判定为是发生了故障的通信，并向结果输出部105输出处理结果。例如，在将阈值设为10的情况下，由于发送源IP地址CCC.BBB.KKK.YYY和发送目的地IP地址YYY.DDD.DDD.XXX的组合的通信的故障计数是15，所以判定为是发生了故障的通信。

[0071] 图8是表示网络拓扑的例子的图。图8的(a)示意性表示实际的网络。另外，图8的(b)以表格的形式表示了网络拓扑存储部302中存储的数据。

[0072] 图9是表示各节点和IP地址之间的关系的图。假定构成各节点的服务器等设备分别具有图7所示的IP地址。根据超过了阈值从而被判定为是发生了故障的通信的判定发送源IP地址和发送目的地IP地址的组合涉及的数据(信息)、和被判断为未发生故障的组合的数据，能够将图9所示的粗线的路径推定为故障发生位置。

[0073] 例如，根据图7所示的故障计数和阈值，IP地址从CCC.BBB.KKK.YYY到YYY.DDD.DDD.XXX的路径、从CCC.BBB.DDD.YYY到YYY.DDD.DDD.XXX的路径、以及从DDD.AAA.CCC.BBB到KKK.XXX.YYY.ZZZ的路径是发生了故障的通信路径。但是，由于从CCC.BBB.KKK.YYY到BBB.DDD.AAA.CCC的路径、以及从BBB.DDD.AAA.CCC到CCC.BBB.DDD.YYY的路径是没有发生故障的通信路径，所以将BBB.DDD.AAA.CCC和YYY.DDD.DDD.XXX之间的路径推定为故障发生位置。另一方面，对于从DDD.AAA.CCC.BBB到KKK.XXX.YYY.ZZZ的路径，由于不存在被判定为是未发生故障的通信路径的其他的路径，所以无法推定为故障发生位置。

[0074] 如上所述，在能够推定为是故障发生位置的通信路径而无法推定故障发生位置的情况下，将被判断为是发生了故障的通信的通信路径全体作为处理结果输出到结果输出部105。

[0075] 如上所述，根据实施方式3的网络故障检测系统，针对故障有无分类部104对多个分类特征向量进行的分类处理的结果，故障数计数部301按照每个规定单位、例如发送源IP地址和发送目的地IP地址的组合等，对故障数进行计数，例如在该计数超过了阈值时作为故障输出，因此，不是只通过一次分类来检测故障，而是能够基于故障数之类的统计值，根据故障发生的可能性、发生的程度来更精确地进行故障检测。另外，故障位置推定部303进行网络内的故障位置的推定，因此能够进行故障位置的缩选，从而能够迅速地进行故障、修复对策。

[0076] 实施方式4

[0077] 在上述的实施方式1中，对故障有无分类部104根据1个分类规则进行分类处理的情况进行了说明，但是也可以例如针对某个分类特征向量进行基于多个分类规则的分类处理。在根据多个分类规则进行了分类处理的情况下，有时会出现最终决定了多个分类标签的情况。此时，可以设置多数决定分类决定部(未图示)等，通过多数决定，将决定数最多的分类标签确定为最终的判断结果，并输出到结果输出部105。

[0078] 并且，例如，在上述的实施方式2中，还可以通过例如决策树的一种方法、即随机森林法那样的集成学习法来一次生成多个分类规则。在这种情况下，也可以通过多数决定分类决定部来进行多数决定涉及的处理。

[0079] 实施方式5

[0080] 在上述的实施方式3中，故障数计数部301按照每个RTCP-XR包的发送源IP地址和发送目的地IP地址的组合对故障数进行计数。但是，并不限定于此，例如也可以对每个基于AS(Autonomous System：自治系统)的网络的故障数进行计数。

[0081] 另外，在实施方式3中，只对故障数进行计数，但是也可以例如对被分类为没有发生故障的平常时状态的数量(后面称为非故障数)进行计数。并且，在判断是否是发生了故障的通信的情况下，可以不使用上述的阈值而是例如当故障数是非故障数的2倍以上时判定为是发生了故障的通信，并向结果输出部105输出处理结果。

[0082] 实施方式6

[0083] 在上述的实施方式中，对选择的包是RTCP-XR包的情况进行了说明，但是并不限定于RTCP-XR包。例如对于如上述那样具有成为数据流控制等的分类特征向量的要素的参数的、与收发方有关的数据的其他包也可以应用。

标题	发布/更新时间	阅读量
一种以太坊网络行为分析方法及相应存储介质与电子装置	2020-05-08	818
项目加速的自动评估	2020-05-11	820
一种基于功率熵谱-随机森林的航空发动机滚动轴承故障诊断方法	2020-05-11	518
一种基于机器学习的棒束子通道热工水力特性预测方法	2020-05-08	409
基于随机森林算法攻击识别方法及储能协调控制装置	2020-05-08	652
基于深度森林的文本对象推荐方法	2020-05-11	660
一种基于大数据的压延机压延质量预警系统	2020-05-08	180
一种数据清洗与质量评价方法及系统	2020-05-12	515
金融主客体动态信用评估方法及装置	2020-05-08	737
一种基于车辆荷载空间分布的桥梁风险预测方法及系统	2020-05-11	298

网络故障检测系统

网络故障检测系统

技术领域

背景技术

发明内容

具体实施方式

该功能需要专业版企业版VIP权限，您可以：