CN114338344A - 一种用机器深度学习方式判断并抑制计算机网络故障及广播风暴的方法 - Google Patents
一种用机器深度学习方式判断并抑制计算机网络故障及广播风暴的方法 Download PDFInfo
- Publication number
- CN114338344A CN114338344A CN202111619753.7A CN202111619753A CN114338344A CN 114338344 A CN114338344 A CN 114338344A CN 202111619753 A CN202111619753 A CN 202111619753A CN 114338344 A CN114338344 A CN 114338344A
- Authority
- CN
- China
- Prior art keywords
- data
- deep learning
- network
- faults
- predicting
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000013135 deep learning Methods 0.000 title claims abstract description 22
- 238000000034 method Methods 0.000 title claims abstract description 16
- 230000000452 restraining effect Effects 0.000 title claims abstract description 7
- 230000015654 memory Effects 0.000 claims abstract description 6
- 238000007405 data analysis Methods 0.000 claims description 5
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 230000003203 everyday effect Effects 0.000 claims description 3
- 238000004891 communication Methods 0.000 abstract description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Landscapes
- Data Exchanges In Wide-Area Networks (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明通信技术领域，尤其是涉及一种用机器深度学习方式判断并抑制计算机网络故障及广播风暴的方法。本发明通过现有的软件将交换机内存、磁盘、CPU、MAC地址表等数据进行采集汇总，并通过以大数据和深度学习的方式预测设备可能出现故障或计算机可能出现的广播风暴，并对其进行抑制或以邮件/短信等方式及时通知相应管理人员进行处理。本发明可以有效避免因故障或广播风暴导致系统紊乱，也可以使管理员可以更快更有效的得知并处。
Description
技术领域
本发明通信技术领域，尤其是涉及一种用机器深度学习方式判断并抑制计算机网络故障及广播风暴的方法。
背景技术
在轨道交通中，网络占很大部分。而突发的计算机网络故障与广播风暴会影响到网络的正常运行。为了能及时发现故障，更快更有效的得到管理员的处理，需要研究一种用机器深度学习方式判断并抑制计算机网络故障及广播风暴的方法。公开于该背景技术部分的信息仅仅旨在加深对本发明的总体背景技术的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。
发明内容
本发明的目的在于提供一种用机器深度学习方式判断并抑制计算机网络故障及广播风暴的方法，其通过现有的软件将交换机内存、磁盘、CPU、MAC地址表等数据进行采集汇总，并通过以大数据和深度学习的方式预测设备可能出现故障或计算机可能出现的广播风暴，并对其进行抑制或以邮件/短信等方式及时通知相应管理人员进行处理。
为了实现上述目的，本发明采用以下技术方案：
本发明提供一种用机器深度学习方式判断并抑制计算机网络故障及广播风暴的方法，其包括：故障预测和广播风暴预测；
故障预测通过大数据对采集的数据进行分析得出每天、每周、每月的内存的占用率，通过深度学习对异常时间点数据、故障记录、整体数据趋势进行分析得出下次可能出现故障的时间点及相应解决方案，对可能出现的因设备故障造成的网络故障进行规避；通过对大数据分析及深度学习方式对现有网络配置进行诊断，找出网络故障高发点，并对网络进行优化降低网络故障率；再对CPU、flash、温度、电源信息进行分析，预测相应结果。
优选地，广播风暴预测包括：通过对端口流量进行分析，当某端口多时间端口数据为0时可能会有风暴风险；通过对CPU数据进行和预测，当CPU占用过高是也有发生风暴的风险。
采用上述技术方案，本发明具有如下有益效果：
本发明通过现有的软件将交换机内存、磁盘、CPU、MAC地址表等数据进行采集汇总，并通过以大数据和深度学习的方式预测设备可能出现故障或计算机可能出现的广播风暴，并对其进行抑制或以邮件/短信等方式及时通知相应管理人员进行处理。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的流程图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明，并不用于限制本发明。
如图1所示，本发明提供了一种用机器深度学习方式判断并抑制计算机网络故障及广播风暴的方法，方法包括故障预测5，广播风暴预测。其中，故障预测5通过大数据对采集上来的进行分析得出每天、每周、每月的内存的占用率，通过深度学习对异常时间点数据、故障记录、整体数据趋势进行分析得出下次可能出现故障的时间点，及相应解决方案，对可能出现的因设备故障造成的网络故障进行规避；通过对大数据分析及深度学习方式对现有网络配置进行诊断，找出网络故障高发点，并对网络进行优化降低网络故障率；再对CPU、flash、温度、电源信息进行分析，预测相应结果。
如图1所示，广播风暴预测通过对端口流量进行分析，当某端口多时间端口数据为0时可能会有风暴风险；通过对CPU数据进行和预测，当CPU占用过高是也有发生风暴的风险。
本发明的工作过程如下：
由终端设备1进行数据采集，由网管平台2将数据存储到数据库3。数据库3进行数据分析对数据趋势4做出数据分析与判断。进一步经过深度学习对故障5进行预测。预测后，对其进行自行处理6或者通知管理员7进行处理。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (3)
1.一种用机器深度学习方式判断并抑制计算机网络故障及广播风暴的方法，其特征在于，包括：
终端设备进行数据采集；
网管平台将采集的数据存储到数据库；
数据库进行数据分析对数据趋势做出数据分析与判断；
通过深度学习对故障进行预测；
根据预测结果进行自行处理或者通知管理员进行处理。
2.根据权利要求1所述的用机器深度学习方式判断并抑制计算机网络故障及广播风暴的方法，其特征在于，通过深度学习对网络故障进行预测包括：通过大数据对采集的数据进行分析得出每天、每周、每月的内存的占用率，通过深度学习对异常时间点数据、故障记录、整体数据趋势进行分析得出下次可能出现故障的时间点及相应解决方案，对可能出现的因设备故障造成的网络故障进行规避；通过对大数据分析及深度学习方式对现有网络配置进行诊断，找出网络故障高发点，并对网络进行优化降低网络故障率；再对CPU、flash、温度、电源信息进行分析，预测相应结果。
3.根据权利要求1所述的用机器深度学习方式判断并抑制计算机网络故障及广播风暴的方法，其特征在于，通过深度学习对广播风暴预测包括：
通过对端口流量进行分析，当某端口多时间端口数据为0时可能会有风暴风险；通过对CPU数据进行和预测，当CPU占用过高是也有发生风暴的风险。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111619753.7A CN114338344A (zh) | 2021-12-27 | 2021-12-27 | 一种用机器深度学习方式判断并抑制计算机网络故障及广播风暴的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111619753.7A CN114338344A (zh) | 2021-12-27 | 2021-12-27 | 一种用机器深度学习方式判断并抑制计算机网络故障及广播风暴的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114338344A true CN114338344A (zh) | 2022-04-12 |
Family
ID=81015198
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111619753.7A Pending CN114338344A (zh) | 2021-12-27 | 2021-12-27 | 一种用机器深度学习方式判断并抑制计算机网络故障及广播风暴的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114338344A (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104104558A (zh) * | 2014-06-27 | 2014-10-15 | 南京国电南自电网自动化有限公司 | 一种智能变电站过程层通信中网络风暴抑制的方法 |
| CN104113442A (zh) * | 2013-04-18 | 2014-10-22 | 上海斐讯数据通信技术有限公司 | 以太网的环路检测系统及方法 |
| CN110460454A (zh) * | 2018-05-04 | 2019-11-15 | 上海伽易信息技术有限公司 | 基于深度学习的网络设备端口故障智能预测方法及原理 |
| CN110703743A (zh) * | 2019-11-12 | 2020-01-17 | 深圳市亲邻科技有限公司 | 设备故障预测与检测系统和方法 |
| CN111290913A (zh) * | 2020-02-04 | 2020-06-16 | 复旦大学 | 一种基于运维数据预测的故障定位可视化系统和方法 |
| CN112187514A (zh) * | 2020-09-02 | 2021-01-05 | 上海御威通信科技有限公司 | 一种数据中心网络设备智能运维系统、方法及终端 |
| CN112422351A (zh) * | 2021-01-21 | 2021-02-26 | 南京群顶科技有限公司 | 一种基于深度学习的网络告警预测模型建立方法及装置 |
| CN112446557A (zh) * | 2021-01-29 | 2021-03-05 | 北京蒙帕信创科技有限公司 | 一种基于深度学习的磁盘故障预测规避方法及系统 |
| CN113625097A (zh) * | 2021-06-22 | 2021-11-09 | 国网辽宁省电力有限公司大连供电公司 | 配电网运行状态大数据分析方法 |
-
2021
- 2021-12-27 CN CN202111619753.7A patent/CN114338344A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104113442A (zh) * | 2013-04-18 | 2014-10-22 | 上海斐讯数据通信技术有限公司 | 以太网的环路检测系统及方法 |
| CN104104558A (zh) * | 2014-06-27 | 2014-10-15 | 南京国电南自电网自动化有限公司 | 一种智能变电站过程层通信中网络风暴抑制的方法 |
| CN110460454A (zh) * | 2018-05-04 | 2019-11-15 | 上海伽易信息技术有限公司 | 基于深度学习的网络设备端口故障智能预测方法及原理 |
| CN110703743A (zh) * | 2019-11-12 | 2020-01-17 | 深圳市亲邻科技有限公司 | 设备故障预测与检测系统和方法 |
| CN111290913A (zh) * | 2020-02-04 | 2020-06-16 | 复旦大学 | 一种基于运维数据预测的故障定位可视化系统和方法 |
| CN112187514A (zh) * | 2020-09-02 | 2021-01-05 | 上海御威通信科技有限公司 | 一种数据中心网络设备智能运维系统、方法及终端 |
| CN112422351A (zh) * | 2021-01-21 | 2021-02-26 | 南京群顶科技有限公司 | 一种基于深度学习的网络告警预测模型建立方法及装置 |
| CN112446557A (zh) * | 2021-01-29 | 2021-03-05 | 北京蒙帕信创科技有限公司 | 一种基于深度学习的磁盘故障预测规避方法及系统 |
| CN113625097A (zh) * | 2021-06-22 | 2021-11-09 | 国网辽宁省电力有限公司大连供电公司 | 配电网运行状态大数据分析方法 |
Non-Patent Citations (1)
| Title |
|---|
| 锐捷网络, 网络互联与实现, 30 November 2006 (2006-11-30), pages 26 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101197621B (zh) | 一种对网管系统故障进行远程诊断定位的方法及其系统 | |
| CN114900369B (zh) | 一种基于物联网的芯片访问安全监管系统 | |
| US20110161048A1 (en) | Method to Optimize Prediction of Threshold Violations Using Baselines | |
| CN104935456B (zh) | 通信网络告警系统的告警消息传输和处理方法 | |
| CN106549807A (zh) | 一种日志的分类上报方法及系统 | |
| CN111402106A (zh) | 设备管理方法、装置、系统以及存储介质 | |
| CN113724100A (zh) | 一种分布式集群的电网监控告警消息处理方法 | |
| Asghar et al. | Correlation-based cell degradation detection for operational fault detection in cellular wireless base-stations | |
| JP4901796B2 (ja) | ログレベル収集装置およびログレベル収集方法 | |
| CN114338344A (zh) | 一种用机器深度学习方式判断并抑制计算机网络故障及广播风暴的方法 | |
| CN106534262B (zh) | 一种网络信息系统故障的切换方法 | |
| CN111082956A (zh) | 一种事件流处理方法、电子设备和可读存储介质 | |
| CN116501705A (zh) | 基于ras的内存信息收集解析方法、系统、设备及介质 | |
| CN115334560A (zh) | 基站异常的监测方法、装置、设备及计算机可读存储介质 | |
| CN113891325B (zh) | 基于多接入边缘计算的网络切换方法和系统 | |
| CN114448504A (zh) | 光模块故障处理方法及电子设备、计算机可读存储介质 | |
| CN111654401B (zh) | 监控系统的网段切换方法、装置、终端和存储介质 | |
| CN111131249B (zh) | 数据的处理方法及装置 | |
| CN112153573A (zh) | 基于位置轨迹的切分方法、装置、计算机设备及存储介质 | |
| CN116194856A (zh) | 监视装置、监视方法以及程序 | |
| CN113923096A (zh) | 网元故障预警方法、装置、电子设备及存储介质 | |
| CN111124865A (zh) | 一种基于时间和软件统计的工控机维护预警系统 | |
| CN111131095A (zh) | 报文转发方法及装置 | |
| CN115686381B (zh) | 存储集群运行状态的预测方法及装置 | |
| CN114221874B (zh) | 流量分析及调度方法、装置、计算机设备及可读存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |