基于BP神經網絡的計算機網絡故障檢測方法及維護策略

程虹

摘要：隨著計算機網絡技術的飛速發展，各種網絡應用平臺迅速崛起，吸引力大量網絡用戶，然而高頻率出現的計算機網絡故障，嚴重了影響了用戶信息的安全性，為此提出基于BP神經網絡的計算機網絡故障檢測方法及維護策略。通過建立、實現基于BP神經網絡的計算機網絡故障檢測模型，結合計算機網絡故障出現的多種原因，制定計算機網絡維護策略，最終實現了基于BP神經網絡的計算機網絡故障檢測方法及維護策略。通過仿真實驗證明，基于BP神經網絡的計算機網絡故障檢測方法可以快速準確的檢測出計算機網絡故障，具有較高的有效性。

關鍵詞：BP神經網絡；計算機網絡；網絡故障檢測；維護策略；

中圖分類號：TN913 文獻標識碼：A

文章編號：1009-3044（2019）07-0173-02

通過對網絡故障進行及時檢測、診斷，來加強網絡管理，是提高網絡安全性、網絡性能、網絡設備利用率以及服務質量的最有效手段之一。隨著網絡設備和規模日益復雜化，傳統網絡故障檢測方法不在實用，基于BP神經網絡的計算機網絡故障檢測成為當前的使用率最高的檢測方法。計算機網絡故障檢測就是一種故障狀態集的非線性映射過程，BP神經網絡模型能夠對非線性映射進行很好的處理，通過搭建基于BP神經網絡的計算機網絡故障檢測模型，依托故障檢測算法，使得故障檢測模型動作，得出計算機網絡故障不僅僅是軟件問題，還受網絡硬件設備影響。因此要多方位全面的對計算機網絡進行維護，確保信息數據的安全性。

1基于BP神經網絡的計算機網絡故障檢測方法

隨著網絡技術的飛速發展，SNMP作為一個網絡管理協議已被全面應用到計算機網絡設備狀態信息中，SNMP能夠將計算機網絡管理中地理位置分布廣泛、設備數量眾多、種類繁多等問題轉化為簡單標準化的網絡管理[1]。通過檢測SNMP管理信息庫中的狀態參數，就可獲得計算機網絡的運行情況，但是不能作為故障診斷的直接判斷條件。因此搭建基于BP神經網絡故障檢測模型，通過該模型對網絡參數進行分析和計算，將計算后的參數作為故障診斷的征兆量。

1.1搭建計算機網絡故障檢測模型

基于BP神經網絡的計算機網絡故障檢測模型不需要預先給出判斷函數，是一種自動檢測識別模型。基于BP神經網絡的計算機網絡故障檢測模型融合多種技術，利用BP神經網絡和免疫算法來實現智能化檢測。BP神經網絡都是和免疫算法都是以生物學原理為基礎的技術，二者在人工原理和生物學原理上各有異同。將免疫原理、BP神經網絡應用在計算機故障檢測中，可以提升計算機網絡故障檢測模型的性能[2]。

在計算機網絡故障檢測模型中，每一個計算機網絡故障檢測器的基本性質都相同，但是所具有的形式確各有不同。因此，每個計算機網絡故障檢測器的激活函數都是可變，大大提升了計算機網絡故障檢測模型的有效性。

1.2計算機網絡故障檢測的實現

通過在檢測過程中不斷調整網絡故障參數，使得基于BP神經網絡的計算機網絡故障檢測模型工作。當計算機網絡系統中某一網絡出現問題，必將影響計算機系統的正常運行。基于BP神經網絡的計算機網絡故障檢測方法的應用，主要是為了在計算機網絡系統發生故障之前，通過其對整個計算機系統自動進行檢測，尋找可能會出現故障的地方，在故障發生前，通過采取數據備份、復制、轉移等手段對計算機網絡系統進行處理，來保證數據的完整性、安全性[3]。計算機網絡故障檢測算法如下所示：

Var Dp： //初始進程p

Then：//檢測網絡故障模塊

Rp『π』：初始進程p對個計算機網絡故障抗體庫υ

And：//SNMP管理信息庫δ中的任何一個進程都有對應的定時器；

初始化：

Dp=φ；

For all data if q do rp『q』=δ+υ；

開始檢測，間隔時間ξ發送消息：

For all data if q do send to q；

接收結果， q接收到消息后，重置：

Rp『q』=δ+υ；

檢測故障，當 rp『q』超間隔時間δ時：

Dp=Dp∪『q』

該計算機網絡故障檢測方法是以網絡數據信息延遲為主要依據，ξ為信息故障檢測的發送周期，網絡數據節點按ξ周期發送消息，如果在一定時間內還沒接收到檢測應答反饋消息，則表示該計算機網絡系統出現故障[4]。

通過建立、實現基于BP神經網絡的計算機網絡故障檢測模型，得出計算機網絡故障不僅僅是軟件問題，還受網絡硬件設備影響，即客觀與主觀兩個方面，因此要從各個方面對計算機網絡進行維護。

2計算機網絡維護策略

在基于BP神經網絡的計算機網絡故障檢測方法上，結合計算機網絡故障出現的多種原因，制定計算機網絡維護策略。通過合理設置相應維護體系，在網絡系統中設置多重防護，實現預防為主的網絡安全維護策略。

首先要增強用戶網絡信息安全意識，用戶在實際應用計算機工作時，不要輕易打開腳本特殊的文件，以及來路不明的e-mail，盡量在各大應用平臺上下載游戲程序以及軟件程序，不要在不正規的網站上下載[5]。除此之外，計算機網絡密碼應采取數字與字母混合的方式設置，這樣可以給黑客惡意攻擊增加困難系數。然后還要安裝防火墻軟件，防火墻軟件能夠有效阻止黑客攻擊，在計算機網絡系統中設置一個安全屏障，確保計算機信息處于安全系數比較高的區域內。接下來還要在計算機網絡維護中，有效隱藏IP地址，IP地址在計算機網絡中的重要性不容忽視。IP地址能夠將內部網絡與外部網絡有效轉接，從而合理化控制用戶的訪問類型。最后用戶還需提高警惕，及時備份資料，用戶要將網絡信息維護工作重視起來，提高警惕，日常進行殺毒，嚴密保管資料信息。

計算機網絡維護策略主要途徑是規范網絡秩序，時刻保持警惕，強化網絡信息安全意識，從用戶自身角度將計算機網絡維護水平提高。

3仿真實驗

本文以計算機的四種主要網絡故障診斷為實驗依據，仿真驗證基于BP神經網絡的計算機網絡故障檢測方法和傳統網絡故障檢測方法的有效性。

3.1數據準備

計算機的四種主要網絡故障分別是：模塊硬件故障、線路故障、配置文件錯誤以及網絡協議錯誤。為了比較基于BP神經網絡的計算機網絡故障檢測方法和傳統網絡故障檢測方法檢測速度和準確率，將多種參數設為相同值，借助Matlab的logsig函數，得出檢測速度和準確率。

3.2實驗分析

實驗后基于BP神經網絡的計算機網絡故障檢測方法和傳統網絡故障檢測方法的實驗結果如圖1所示。

橫坐標為故障檢測時間，縱坐標為故障檢測準確率，由圖1可知，基于BP神經網絡的計算機網絡故障檢測方法可以快速準確的檢測出計算機網絡故障，而傳統計算機網絡故障檢測方法隨著檢測時間的增加準確率有所增加，想要確保準確率就要花費大量檢測時間。由實驗證明，本文提出的檢測方法具有較高的有效性。

4總結

網絡技術發展的主要障礙是計算機網絡信息安全問題，如何及時檢測出計算機網絡故障，如何維護網絡安全，成為來人們普遍關注的問題。通過建立、實現基于BP神經網絡的計算機網絡故障檢測模型，結合計算機網絡故障出現的多種原因，制定計算機網絡維護策略，最終實現了基于BP神經網絡的計算機網絡故障檢測方法及維護策略。希望本文能為計算機網絡故障檢測以及安全維護提供參考依據。

參考文獻：

[1] 李笑竹，陳志軍，樊小朝，等.基于ACS-SA文化基因算法的BP神經網絡變壓器故障診斷[J].高壓電器，2018（6）.

[2] 賈嶸，李云橋，張惠智，等.基于改進BP神經網絡的光伏陣列多傳感器故障檢測定位方法[J].太陽能學報，2018（7）.

[3] 朱文輝，黃晉英，衛潔潔，等.基于DHMM和BP神經網絡的齒輪箱故障診斷研究[J].組合機床與自動化加工技術，2018（7）.

[4] 于德亮，李妍美，丁寶，等.基于思維進化算法和BP神經網絡的電動潛油柱塞泵故障診斷方法[J].信息與控制，2017（6）：62-69.

[5] 張一茗，李少華，陳士剛.基于ReliefF特征量優化及BP神經網絡識別的高壓隔離開關故障類型與位置診斷方法[J].高壓電器，2018（2）.

【通聯編輯：光文玲】