面向业务基于模糊关联规则挖掘的网络故障诊断

智能化的网络故障诊断是下一代网络高可信度的重要保障。传统的网络管理以网络设备为被管对象，而实际应用中用户关心的的是网络业务的正常性，网络设备的正常运行并不意味着网络业务的正常运行。.本项目以面向业务的网络故障管理为基础，将网络业务作为主要被管理对象，研究了面向资源的网络性能参数和面向业务的QoS参数之间的映射，同时，将模糊理论、模糊推理与数据挖掘结合起来，对多层多域网络的故障信息进行二维模糊关联规则的挖掘，以及分布式网络的并行关联规则挖掘，全方位地对网络故障相关性分析进行深入研究，重点解决在告警信息不确定的情况下，快速有效地进行网络的故障诊断的问题。本项目研究的理论和方法还可以推广应用到网络安全、入侵检测等其它领域，具有较强的实用背景和广阔的应用前景。

智能化的网络故障诊断是下一代网络高可信度的重要保障。传统的网络管理以网络设备为被管对象，而实际应用中用户关心的的是网络业务的正常性，网络设备的正常运行并不意味着网络业务的正常运行。.本项目以面向业务的网络故障管理为基础，将网络业务作为主要被管理对象，建立了面向业务的网络故障诊断模型，采用神经网络技术，研究了面向资源的网络性能参数和面向业务的QoS参数之间的映射，在此基础上，建立了网络业务层的告警机制。结合告警信息多域分布式的特征，提出了一种使各个子域采用时间窗口及滑动步长机制同步建立告警事务库的同步策略。在项目的研究中，将模糊理论、模糊推理与数据挖掘结合起来，提出了CPFCM算法对量化后的告警数据进行模糊化处理。该算法首先对数据进行“粗”聚类，得到k个聚类中心向量后，再进一步“细”聚类。在模糊化的基础上，对多域多层网络的故障信息进行二维模糊关联规则的挖掘，以及分布式网络的并行关联规则挖掘，研究了相应的挖掘算法。并提出了一种具有还原性的加权多维多重模糊推理机制，以及基于分组和排序思想的匹配与搜索策略。全方位地对网络故障相关性分析进行深入研究，重点解决在告警信息不确定的情况下，快速有效地进行网络的故障诊断的问题。.本项目研究的理论和方法可以推广应用到网络安全、入侵检测等其它领域，具有较强的实用背景和广阔的应用前景。