機器學習機制在校園網絡故障診斷系統中的應用

成波

[摘 要] 針對傳統網絡故障診斷方法在處理復雜網絡故障診斷方面的局限性，把機器學習機制中的知識結構、知識獲取及知識獲取方法等運用于校園網絡故障診斷系統中，既擴充和完善了現有的知識庫，又彌補了傳統的專家系統在故障診斷、知識獲取及自學習能力等方面的不足， 很大程度上降低了網絡故障診斷的技術性和專業(yè)難度。經實際測試結果的對比分析，得出了機器學習機制在校園網絡故障診斷方面的優(yōu)勢，也為校園網絡故障的及時、準確定位提供了重要的支撐保障。

[關鍵詞] 機器學習機制；網絡故障診斷； 知識獲取

doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2018. 19. 066

[中圖分類號] TP393；TP181 [文獻標識碼] A [文章編號] 1673 - 0194（2018）19- 0153- 03

0 引 言

隨著信息化時代的到來，信息的飛速發(fā)展在給人們提供便利的同時也給人們提出了新的機遇和新的挑戰(zhàn)。內蒙古工業(yè)大學信息化建設與管理中心結合學校新一輪全員聘任，在全面梳理單位各項業(yè)務工作的基礎上，參照國際信息化服務標準規(guī)范（ITIL），建立面向新城、金川兩校區(qū)統一的呼叫中心、統一運維監(jiān)控中心、統一信息化服務知識庫的IT綜合服務體系， 建成統一規(guī)范的、標準的全業(yè)務受理一站式服務大廳。呼叫中心服務人員通過Eservices收集校園網絡故障并進行相關業(yè)務流轉。本文將機器學習機制運用于校園網絡故障診斷系統中，基本實現了網絡故障診斷的知識自動獲取及自動回復功能。

1 機器學習機制的知識結構

機器學習機制就是要使計算機模擬人的學習行為，對各類特征知識庫進行自動分類，幫助用戶進行快速準確地進行故障特征定位，一方面降低了故障診斷的技術性和專業(yè)難度，另一方面提高了處理實際問題的能力。其結構如圖1所示。

機器學習機制中的學習環(huán)節(jié)，就是從相關環(huán)境中獲得有關信息內容，并依據這些信息內容和執(zhí)行環(huán)節(jié)反饋回來的相關信息內容，修改特征知識庫，同時對數據信息進行分類并做出決策來提高系統的執(zhí)行能力。根據數據信息的特征信息內容，執(zhí)行環(huán)節(jié)根據知識庫完成任務的具體情況，再把獲得的信息內容反饋給學習環(huán)節(jié)。機器學習機制實際上是一個能自動處理不確定數據信息，并能自動完善、調整數據知識的一種信息處理方式。

機器學習的目的就是通過一系列實踐環(huán)節(jié)，最終獲得最好的執(zhí)行結果。機器學習機制中的知識庫包括樣本特征知識、操作性知識和推理性知識三個方面的內容。知識庫里面的樣本特征知識是指有依據的數據信息知識，如樣本、數據分類、模型、決策等。操作性知識是指對數據信息的處理規(guī)則及具體的執(zhí)行方法。推理性知識是指通過環(huán)境數據、執(zhí)行結果、知識庫樣本特征等相關信息，運用推理規(guī)則進行分析，增加、修改或刪除知識庫里的相關知識內容。

2 機器學習機制工作流程

當發(fā)生網絡故障時， 首先要采集現場故障現象和診斷信息。系統要進行判斷該故障是曾經發(fā)生過的故障還是新的故障，若是前者，根據診斷結論對知識庫中的知識進行檢驗，并同步更新知識庫。若是后者，系統提取故障現象并存入動態(tài)數據庫，運用機器學習機制在獲取新知識的同時對知識庫進行進一步的擴充和完善。故障診斷模塊是根據故障的表征現象，利用診斷知識進行深刻的推理。針對推理成功的故障，系統會顯示故障原因及建議性的解決方案。針對推理失敗的故障，系統會顯示相關問題解答情況，并為后臺管理員提供診斷依據。當系統檢測到新的維修記錄存入知識庫時，啟動自學習模塊，調整已有規(guī)則的置信度或生成的新規(guī)則，并通過人機界面進行全方位的展示。其工作流程如圖2所示。

3 機器學習機制中的知識獲取

機器學習機制分為知識修正、知識抽取、知識精化和知識聯想四類[1]。知識抽取就是通過具體案例的學習，來獲得各種新概念和新規(guī)則的一種方法。本系統以故障現象為“前件”，以引起故障的最終原因為“后件”，生成預備規(guī)則，以預備規(guī)則的“前件”為已知事實、以“后件”為結束條件，在知識庫中進行推理匹配。當匹配不成功時，系統以啟發(fā)提問的方式進行自動知識抽取，從故障現象、故障原因到故障解決，形成一組規(guī)則，這一組規(guī)則要求后臺工程師給出或默認“前件”與“后件”的置信度，產生的新規(guī)則自動經知識庫檢驗后放入推理規(guī)則庫，最終完成知識的獲取。

4 機器學習機制中的知識獲取方法

機器學習機制中的知識獲取方法是采用人工和系統機器學習機制相結合而獲得的。人工知識獲取方法就是通過閱讀相關故障文獻，與前、后臺網絡工程師交流來獲取知識，然后將這些知識進行抽取、整理、轉換后形成一系列規(guī)則。以特征知識庫中存放的維修記錄作為學習對象，通過系統機器學習機制，生成新的規(guī)則或修正已有規(guī)則的置信度，從而不斷充實和完善現有的特征知識庫。

5 機器學習機制中的知識獲取實現

本文設計的校園網絡故障診斷系統是基于Windows 7 系統平臺， JBuilder 9.0開發(fā)工具， Oracle 10g數據庫[2]而設計的。以故障現象“網卡未連接”為例，通過人機交互界面輸入上述故障現象，實現了機器學習機制在校園網絡故障診斷系統中的知識獲取，整個知識獲取過程如下：

（1）機器學習模塊讀取該維修記錄，并生成預備規(guī)則： Pre-Rule= {“網卡未連接； 1.用戶的電腦未與入戶信息插座連接網線；2.網線有故障；3.未使用正確的網卡；4.網卡設置錯誤；5.校園網入戶線纜發(fā)生故障；6.校園網接入設備發(fā)生故障；7.用戶上網行為違規(guī)，管理員關閉端口； 8.由于用戶房間內網線連接方式錯誤，產生了環(huán)路現象，觸發(fā)了校園網交換機的防護規(guī)則，導致校園網接入端口關閉。”}如圖3所示。

（2）以Pre-Rule的前件“網卡未連接”為已知條件，以“由于用戶房間內網線連接方式錯誤，產生了環(huán)路現象，觸發(fā)了校園網交換機的防護規(guī)則，導致校園網接入端口關閉。”作為結束條件，在特征知識庫中進行匹配。

（3）如果匹配失敗，則以“網卡未連接”為前件的規(guī)則沒有Rule01= {網卡未連接； 網口接觸不良； CF01 }，Rule02={網卡未連接；網絡匯聚或終端設備故障； CF02 }。

（4）經人機界面顯示后，后臺工程師或機器人從故障現象開始，一直推理到故障原因，執(zhí)行整個推理過程。

（5）當后臺工程師收到請求后，提供2條經驗： IF 網卡未連接，THEN 網口接觸不良； IF 網卡未連接，網口接觸良好， THEN 網卡驅動程序已損壞。

（6）由以上得出規(guī)則集： Rule01、Rule02， 其中Rule03= {網卡未連接，網口接觸良好； 網卡驅動程序損壞；CF03 }。

（7）根據置信度調整方案，將Rule01的置信度調整為CF′01，并將新的規(guī)則Rule03加入到特征知識庫中，使其更新知識庫。

6 機器學習機制的理論驗證和實際測試

為了驗證本文提出的機器學習機制在校園網絡故障診斷方面的有效性，進行了多次理論驗證和實際測試。經實際測試結果的對比分析，得出機器學習機制被運用在校園網絡故障診斷系統中，具有其獨特的優(yōu)勢。

7 結 語

判斷一個機器學習機制的標準，主要是看它的學習能力，通過不斷的自我學習，使得機器能夠自動適應不同的學習環(huán)境。在今后的研究與應用中，主要針對自學習過程中的知識進行分類，自動收集各種狀態(tài)、現象、圖像，總結歸納為現有網絡故障中常見的問題和解決辦法，最終形成特征知識庫。通過機器學習機制獲取知識，不斷改善系統性能，實現故障診斷功能，降低故障現象與原因之間的關聯性對診斷結果的影響，從而提高各類故障診斷的及時性、準確性和高效性。

主要參考文獻

[1]陳瑋，胡光銳，汪亞平. 故障診斷專家系統學習機制[J].上海交通大學學報，1999，33（ 9）：1100-1102.

[2][美]Joseph C Giarratano， Gray D Riley.專家系統原理與編程[M].印鑒，陳憶群，劉星成，譯.北京：機械工業(yè)出版社，2006.

[3]蔡自興，徐光佑.人工智能及其應用[M].第2版.北京：清華大學出版社，1996.

[4]史忠植.知識發(fā)現[M]，北京：清華大學出版社，2002.1

[5]劉培奇，李增智，趙銀亮.擴展產生式規(guī)則的網絡故障診斷專家系統[J].西安交通大學學報，2004，38（8）：783-786.

[6] 陳敏，李興明，彭向梅.網絡故障診斷專家系統中知識庫的設計[J]. 電子科技大學學報，2005，34（ 6）：996-999.