計算機網(wǎng)絡(luò)故障的有效檢測機制研究

田密

【摘 要】神經(jīng)網(wǎng)絡(luò)具有強大的自適應(yīng)和非線性映射能力，在當前的計算機網(wǎng)絡(luò)故障檢測領(lǐng)域應(yīng)用越來越廣泛。基于此，筆者在系統(tǒng)歸類計算機網(wǎng)絡(luò)故障類型的基礎(chǔ)上，從神經(jīng)網(wǎng)絡(luò)系統(tǒng)的角度構(gòu)建起一個有效的計算機網(wǎng)絡(luò)故障檢測模型，從而為我們理解、檢測和解決計算機網(wǎng)絡(luò)故障提供一定的指導(dǎo)與借鑒。

【關(guān)鍵詞】計算機 網(wǎng)絡(luò)故障 神經(jīng)網(wǎng)絡(luò) 檢測機制

基金項目：延安市科學(xué)技術(shù)研究發(fā)展計劃項目《高校信息化平臺的應(yīng)用研究與實現(xiàn)》，項目編號：2014KG-06；陜西省教育科學(xué)規(guī)劃課題，項目編號：SGH10052，《陜西省高校數(shù)字化校園建設(shè)及使用的現(xiàn)狀調(diào)查》。

當前，我國計算機網(wǎng)絡(luò)技術(shù)在給人們信息獲取與傳播帶來極大便利性的同時，網(wǎng)絡(luò)管理與維護問題也開始受到重視，尤其是計算機網(wǎng)絡(luò)故障的有效檢測與解決更是諸多專家、學(xué)者思考的一個核心問題。

計算機網(wǎng)絡(luò)故障的類型劃分

1.計算機網(wǎng)絡(luò)的物理故障

計算機網(wǎng)絡(luò)的物理故障主要是由線路或者是其他的硬件設(shè)備出現(xiàn)問題所導(dǎo)致的網(wǎng)絡(luò)故障。首先是線路故障，在日常的網(wǎng)絡(luò)維護與管理過程中，大約70%的故障都是由于線路損壞或者是線路受到嚴重的電磁干擾而造成的。其次是端口故障，主要包括端口本身的物理故障或者是插頭松動等因素。第三是路由器或者是集線器的故障，即由于路由器或者是集線器受損而無法工作，所導(dǎo)致的網(wǎng)絡(luò)不通等問題。最后是主機內(nèi)網(wǎng)卡的物理故障或者是網(wǎng)絡(luò)終端故障。

2.計算機網(wǎng)絡(luò)的邏輯故障

計算機網(wǎng)絡(luò)的邏輯故障主要是由于各種網(wǎng)絡(luò)設(shè)備的不兼容配置所導(dǎo)致的網(wǎng)絡(luò)異常情況。首先是路由器邏輯故障，主要包括路由配置錯誤、端口參數(shù)設(shè)置不正確、路由器的CPU利用率太高以及內(nèi)存余量不足等諸多問題。其次是由于一些有關(guān)網(wǎng)絡(luò)連接數(shù)據(jù)參數(shù)的端口或者是重要進程受病毒、系統(tǒng)的影響而造成的意外關(guān)閉。最后是主機邏輯故障，主要包括網(wǎng)卡設(shè)備存在沖突、網(wǎng)卡驅(qū)動程序有問題、主機安全性故障、網(wǎng)絡(luò)協(xié)議或者是服務(wù)安裝不正確等因素。

計算機網(wǎng)絡(luò)故障的有效檢驗機制研究

1.檢測算法

一般來說，決定網(wǎng)絡(luò)特性的參數(shù)主要包括神經(jīng)元特性、學(xué)習(xí)和訓(xùn)練規(guī)則、拓撲結(jié)構(gòu)三種。神經(jīng)網(wǎng)絡(luò)的相關(guān)研究顯示：具有一個線性輸出層和一個輸入層，至少有一個BP網(wǎng)絡(luò)能夠以最佳精度接近所有的連續(xù)可微函數(shù)。采用S型激活函數(shù)時，BP網(wǎng)絡(luò)的輸入與輸出之間的關(guān)系為：

輸入net=x1w1+x2w2+……+xnwn

輸出

輸出的導(dǎo)數(shù)

筆者以BP神經(jīng)網(wǎng)絡(luò)來對計算機網(wǎng)絡(luò)故障進行檢測，其特點為：首先，具有非線性映射能力；其次，具有一定的泛化能力；最后，該模型還具有明顯的容錯能力，受各種誤差或者是個別錯誤的影響比較小。

2.檢測原理

基于BP神經(jīng)網(wǎng)絡(luò)的計算機網(wǎng)絡(luò)故障檢測算法的原理圖如圖1所示：

該系統(tǒng)主要包括兩個部分的內(nèi)容：首先必須擁有足夠數(shù)量的樣本來滿足神經(jīng)網(wǎng)絡(luò)訓(xùn)練的需要，隨后產(chǎn)生預(yù)期的診斷網(wǎng)絡(luò)，即對計算網(wǎng)絡(luò)故障進行診斷的初步模型；其次，依據(jù)當前的診斷輸入，利用神經(jīng)網(wǎng)絡(luò)模型來對計算機網(wǎng)絡(luò)系統(tǒng)進行一定的診斷操作。在大部分情況下，都是先對訓(xùn)練樣本數(shù)據(jù)和診斷的原始數(shù)據(jù)進行系統(tǒng)的處理，隨后再進行相應(yīng)的學(xué)習(xí)和診斷活動。這是以BP神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)的對計算機網(wǎng)絡(luò)故障進行檢測的核心目的。

3.基于BP神經(jīng)網(wǎng)絡(luò)的計算機網(wǎng)絡(luò)故障檢測模型

⑴基于模式識別的故障診斷神經(jīng)網(wǎng)絡(luò)

如果模式樣本特征空間是一個典型的N維歐式空間，那么其模式分類便可歸屬于M類，因此，從數(shù)學(xué)的角度來說，其模式分類問題就可以等同于如何確定一個合理的，尤其是符合預(yù)期故障檢測需求的諸超平面方程式，從而把N維歐式空間劃分為M個最佳決策區(qū)域的問題。大部分情況下，模型系統(tǒng)并不容易獲取全面的典型參考模式樣本，常常應(yīng)用概率模型，在具備輸入模式先驗概率知識的前提條件之下，選擇恰當?shù)呐袆e函數(shù)模式，由此來提升計算機網(wǎng)絡(luò)故障檢測系統(tǒng)識別分類的能力。

⑵以故障預(yù)測為基礎(chǔ)的BP神經(jīng)網(wǎng)絡(luò)

以故障預(yù)測為基礎(chǔ)的BP神經(jīng)網(wǎng)絡(luò)主要采取兩種方式進行計算機網(wǎng)絡(luò)故障的檢測和分析：首先是采取BP神經(jīng)網(wǎng)絡(luò)作為特定的函數(shù)逼近器，以此來預(yù)測計算機網(wǎng)絡(luò)工作狀況的部分參數(shù)情況；其次是考慮到輸入與輸出之間的動態(tài)關(guān)系，對過程或者是工況參數(shù)所建立的動態(tài)模型，采用帶饋連接的動態(tài)神經(jīng)網(wǎng)絡(luò)進行計算機網(wǎng)絡(luò)故障的預(yù)測。從目前的發(fā)展現(xiàn)狀來看，基于多層的前饋網(wǎng)絡(luò)，比如BP神經(jīng)網(wǎng)絡(luò)仍然使用比較廣泛。在模型系統(tǒng)的辨識方面，前饋網(wǎng)絡(luò)只代表了一類靜態(tài)映射，而且只適用于靜態(tài)網(wǎng)絡(luò)，該靜態(tài)映射可以通過代數(shù)方程進行描述。恰恰相反，動態(tài)神經(jīng)網(wǎng)絡(luò)模型的相關(guān)預(yù)測則主要是一個對動態(tài)時序進行建模的過程，以此來預(yù)測計算機網(wǎng)絡(luò)故障的產(chǎn)生位置和主要原因。

⑶基于神經(jīng)網(wǎng)絡(luò)的計算機網(wǎng)絡(luò)故障檢測專家系統(tǒng)

神經(jīng)網(wǎng)絡(luò)故障診斷專家系統(tǒng)是當前計算機網(wǎng)絡(luò)故障檢測模型經(jīng)常采用的一種智能化的專家系統(tǒng)，可以極大地提升系統(tǒng)的工作效率和檢測質(zhì)量。另外一種是將神經(jīng)網(wǎng)絡(luò)看作是一類知識源的處理與表達模型，同其他的知識表達模型一同進行相關(guān)領(lǐng)域?qū)＜抑R的處理和表達，由此來提高系統(tǒng)的知識處理與表達效率，實現(xiàn)故障檢測系統(tǒng)技術(shù)水平的升級和優(yōu)化。

4.檢測策略

正如上文所說，計算機網(wǎng)絡(luò)的大部分故障主要是由協(xié)議不恰當設(shè)置而導(dǎo)致的，即計算機相關(guān)的軟件方面出現(xiàn)了問題，因此，可以從各種容易出現(xiàn)問題的協(xié)議設(shè)置入手進行故障的檢測與診斷。經(jīng)過一系列的檢測之后，如果網(wǎng)絡(luò)設(shè)置沒有問題，本地主機也正常工作，但卻無法與相鄰的計算機實現(xiàn)網(wǎng)絡(luò)的暢通，然而網(wǎng)卡同交換機相連端口的網(wǎng)線也連接正常，沒有出現(xiàn)松動的現(xiàn)象。在這種情況下，就需要重新安裝網(wǎng)卡驅(qū)動程序或者是TCP/IP協(xié)議。如果仍然無法與相鄰的計算機實現(xiàn)網(wǎng)絡(luò)的暢通，最后就需要檢測與交換機相連的端口是否正常。

一般來說，如果系統(tǒng)正常運行，殘差近似為高斯白噪聲序列，其平均值接近于零，那么，它的協(xié)方差上界則為：

協(xié)方差陣U（k）根據(jù)參數(shù)K的變化而呈現(xiàn)出不同的統(tǒng)計特點。據(jù)此來定義一個隨機變量：

在以上公式之中，采取N來表示數(shù)據(jù)窗的長度。如果整個系統(tǒng)能夠正常運行，那么d（k）的數(shù)值則比較小，幾乎接近于零。如果系統(tǒng)發(fā)生任何的故障，ξ（k）則就不再滿足于白噪聲的特性，據(jù)此可以得出以下公式：d（k）H0≤β或者是d（k）H1≥β。

在該公式中，采用β來表示閥值，用H0來表示正常模態(tài)，用H1來表示計算機網(wǎng)絡(luò)的故障模態(tài)。通過一系列的試驗顯示：當計算機網(wǎng)絡(luò)故障產(chǎn)生之后，只需要一步的時延，d（k）值就會發(fā)生明顯的變化，尤其是與網(wǎng)絡(luò)正常工作時的數(shù)值相差一個明顯的數(shù)量級。

總體來說，基于BP神經(jīng)網(wǎng)絡(luò)的智能化的計算機網(wǎng)絡(luò)故障檢測系統(tǒng)已成為該領(lǐng)域未來技術(shù)升級的總體發(fā)展趨勢。它通過強大的自適應(yīng)和非線性映射能力，在計算機網(wǎng)絡(luò)故障檢測系統(tǒng)中的應(yīng)用越來越廣，這需要廣大學(xué)者、專家進行深入的研究，來滿足當前計算機網(wǎng)絡(luò)故障檢測的需要，從而推動我國互聯(lián)網(wǎng)事業(yè)管理與維護領(lǐng)域的快速升級和發(fā)展。

參考文獻：

[1]張新：《分層多管理者網(wǎng)絡(luò)故障監(jiān)控策略》，《西安電子科技大學(xué)學(xué)報》，2005年第6期，第47-50頁。

[2]孫旭：《如何分析排查計算機網(wǎng)絡(luò)故障》，《科技信息》，2012年第9期，第51-54頁。

[3]孫斌：《網(wǎng)絡(luò)故障自動報警系統(tǒng)的設(shè)計與實現(xiàn)》，《硅谷》，2012年第3期，第78-81頁。

[4]張普含、孫玉芳：《一種基于智能移動代理的網(wǎng)絡(luò)故障檢測系統(tǒng)》，《軟件學(xué)報》，2002年第7期，第21-25頁。

[5]趙迎昆：《計算機網(wǎng)絡(luò)故障的識別及解決方法》，《計算機光盤軟件與應(yīng)用》，2012年第9期，第134-136頁。

作者單位：延安職業(yè)技術(shù)學(xué)院 陜西延安