JP2001057555A - ネットワーク異常検出方法及び装置 - Google Patents

ネットワーク異常検出方法及び装置

Info

Publication number
JP2001057555A
JP2001057555A JP2000193217A JP2000193217A JP2001057555A JP 2001057555 A JP2001057555 A JP 2001057555A JP 2000193217 A JP2000193217 A JP 2000193217A JP 2000193217 A JP2000193217 A JP 2000193217A JP 2001057555 A JP2001057555 A JP 2001057555A
Authority
JP
Japan
Prior art keywords
transaction
network
time
data
service class
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.)
Abandoned
Application number
JP2000193217A
Other languages
English (en)
Inventor
Lawrence Lap-Wah
ローレンス ラップワー
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nokia of America Corp
Original Assignee
Lucent Technologies Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Lucent Technologies Inc filed Critical Lucent Technologies Inc
Publication of JP2001057555A publication Critical patent/JP2001057555A/ja
Abandoned legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H04L41/142—Network analysis or design using statistical or mathematical methods
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/08—Configuration management of networks or network elements
    • H04L41/0896—Bandwidth or capacity management, i.e. automatically increasing or decreasing capacities
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/16—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks using machine learning or artificial intelligence
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L43/00—Arrangements for monitoring or testing data switching networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/06—Management of faults, events, alarms or notifications
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H04L41/147—Network analysis or design for predicting network behaviour
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/50—Network service management, e.g. ensuring proper service fulfilment according to agreements
    • H04L41/5003—Managing SLA; Interaction between SLA and QoS
    • H04L41/5019—Ensuring fulfilment of SLA
    • H04L41/5022—Ensuring fulfilment of SLA by giving priorities, e.g. assigning classes of service
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/50—Network service management, e.g. ensuring proper service fulfilment according to agreements
    • H04L41/5003—Managing SLA; Interaction between SLA and QoS
    • H04L41/5019—Ensuring fulfilment of SLA
    • H04L41/5025—Ensuring fulfilment of SLA by proactively reacting to service quality change, e.g. by reconfiguration after service quality degradation or upgrade
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L43/00—Arrangements for monitoring or testing data switching networks
    • H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
    • H04L43/0876—Network utilisation, e.g. volume of load or congestion level
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L43/00—Arrangements for monitoring or testing data switching networks
    • H04L43/16—Threshold monitoring

Landscapes

  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Mathematical Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Algebra (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Optimization (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)
  • User Interface Of Digital Computer (AREA)
  • Maintenance And Management Of Digital Transmission (AREA)

Abstract

(57)【要約】 【課題】 トランザクション・ネットワークのサービス
異常検出手法の提供。 【解決手段】 トランザクション・ネットワーク６０１
から得られた現時点実時間性能データ（トランザクショ
ン・データ）からサンプルプロセッサ６０２が、異常と
相関する時間的な目的関数（トラヒック密度）を導出
し、前にネットワークから得られた履歴性能データから
基準生成プロセッサ６０５が、目的関数の、時間変動す
る上限及び下限しきい値を導出し、検出プロセッサ６０
４が、現時点実時間性能データから導出された目的関数
を、現時点実時間性能データに連関する時点に時間的に
対応する時点における上限及び下限しきい値と比較し、
現時点実時間性能データから導出された目的関数が、予
め定められた時間よりも長い間、上限しきい値よりも大
きいか又は下限しきい値よりも小さいことを示す場合に
検出プロセッサ６０４が、異常が存在すると定める。

Description

【発明の詳細な説明】
【０００１】
【発明の属する技術分野】本発明は、トランザクション
（取引処理）ネットワークにおける先見行動型（proact
ive）故障検出及び異常検出に関する。
【０００２】
【従来の技術】ＡＴ＆Ｔ社のトランザクション接続サー
ビス（ＴＡＳ）ネットワークのような、トランザクショ
ン向き（志向）のネットワークは、持続時間の短いトラ
ンザクション・トラヒックを搬送するための遍在型パケ
ットダイヤルサービスを提供する。ＴＡＳネットワーク
の平均使用状態は、忙しくない一般的な日でトランザク
ションの個数で数百万個に達する。このようなトランザ
クション・ネットワークの使用が急速に成長しつつあ
る。
【０００３】一般的なトランザクションは、販売時点で
の業務及び情報管理サービス（例えば、クレジット／デ
ビットの使用許可及び決済）、健康管理業務、銀行出納
払出業務、及びその他のデータを用いて作動させる販売
業務をサポートする。
【０００４】これらのようなトランザクション向きのネ
ットワークは、端末群（例えば、クレジットカードスキ
ャナ又はパソコン）と処理サーバ群（例えば、クレジッ
ト処理サーバ）との間の持続時間の短いトランザクショ
ン（持続時間が数秒程度）を取り扱うデータ、通信、又
はデータと広域通信網（ＷＡＮ）との組み合わせ、から
なる場合があり得る。
【０００５】図１は、ＡＴ＆Ｔ社のＴＡＳネットワーク
のような、一般的なネットワーク１０１で、クレジット
カード・スキャナのような端末群１０２−１〜１０２−
Ｎ及び複数のホストプロセッサ１０３−１〜１０３−Ｍ
のような複数の、しかも非常に多数の端末装置に接続さ
れる場合を示す。例示のＴＡＳネットワークは、３つの
構成要素、すなわち、ＡＴ＆Ｔ８００ネットワーク１０
４、ＴＡＳノード１０５及びＡＴ＆Ｔパケット・ネット
ワーク１０６からなる。
【０００６】ネットワーク１０１が、接続された端末装
置１０２間のトランザクション志向の通信を可能化す
る。これらの端末装置は、地理的には全国に、そして指
定された特定の処理ホストの周りに配置される。これら
複数の端末装置１０２からネットワーク１０１へのアク
セスはＡＴ＆Ｔ８００ネットワーク１０４（以下簡単
に、８００ネットワーク）を介して行われ、８００ネッ
トワーク１０４はＴＡＳノード群１０５（モデムからな
る）において終端し、ＴＡＳノード群１０５においてＰ
ＯＴＳからパケットへのプロトコル変換が行われる。
【０００７】これらのノードが、８００ネットワーク１
０４内の４ＥＳＳ型交換機によって供給される「ダイヤ
ルされた番号識別サービス」（ＤＮＩＳ）の桁番号を用
いて、ＡＴ＆Ｔパケット・ネットワーク１０６（以下簡
単に、パケット・ネットワーク）内に、交換仮想回路
（ＳＶＣ）を設立する。パケット・ネットワーク１０６
が、或る種のトランザクションを発起する個々の端末装
置１０２−ｉと、その種のトランザクションを完了でき
る特定のホストプロセッサ１０３−ｊとの接続を完了す
る。
【０００８】ネットワーク１０１が、多数のサービスク
ラスを同時にサポートする。尚、各サービスクラスは異
なる種類のトランザクションを表す。
【０００９】すなわち、或る１つの（例えば、ビザ（Ｖ
ＩＳＡ））クレジットカード・トランザクションを扱う
特定のビザ・ホストプロセッサ宛のトランザクションは
１つのクラスに入り、別の（例えば、マスターカード）
クレジットカード・トランザクションを扱う特定のマス
ターカード・ホストプロセッサ宛のトランザクションは
別のクラスに入る。又、特定の薬品供給業者からその業
者のホストプロセッサ宛の健康カード・トランザクショ
ンは第３のクラスに入り、以下同様である。
【００１０】クラス間のトランザクションは、その時間
特性、例えば、平均トランザクション持続時間及び持続
時間分布が非常に異なる可能性が高い。理由は、クラス
間でサポートされる種類のトランザクションの性質が広
範にわたるためである。すなわち、例えばＶＩＳＡクレ
ジットカードを用いた購入についてのクレジットカード
使用許可は、薬品補給の注文に関する健康カード・トラ
ンザクションよりも持続時間が短いと考えられる。
【００１１】恐ろしく多数のトランザクションがネット
ワーク上でサポートされることから、ネットワークの故
障及び性能低下を最少に維持することが極めて重要であ
る。ネットワークの故障又は性能低下は例えば、国内全
般での消費者のクレジットカードでの購買能力に容易に
影響を及ぼすことになる。このようなシナリオから、実
業界の広範な部分に厳しい経済的影響が及ぶ事態が生じ
得る。或る特定の１個のホストプロセッサの故障又は性
能低下でさえも、他のサービスクラスの性能及びネット
ワーク全体としての性能に強い打撃が及ぶことが考えら
れる。
【００１２】現在、ネットワーク１０１におけるＴＡＳ
ノード１０５のモデム回路内の性能不具合を検出するた
めに、ネットワーク管理システムが、ネットワーク１０
１内のＴＡＳノード１０６をモニタ及び管理している。
このようなシステムは、ハードウエアの故障が生じたと
きにこれに反応する。同様に、管理システムは８００ネ
ットワーク１０４内の交換機及びパケットネットワーク
１０６内の交換機をモニタするが、この場合も又、ネッ
トワークのモニタされている部分での実際の故障にのみ
反応する。
【００１３】このように、現在、ネットワーク自体及び
ネットワークを構成する構成要素のみが、ネットワーク
内でモニタされ管理されている。したがって、このよう
な管理システムでは、管理されていない（不管理）要素
の故障又は性能低下を検出することができない。
【００１４】しかし、不管理要素の故障又は性能低下こ
そが、甚だしく有害な影響をネットワーク全体に及ぼし
得る状態をしばしば生じさせている。例えば、或る特定
のサービスクラス内のトランザクションを取り扱うホス
トプロセッサの性能低下の結果、その１つのサービスク
ラスへのサービス拒否のみでなく、他のホストプロセッ
サによって取り扱われる他のサービスクラスのトランザ
クションへのサービス拒否までもが生じてしまう。これ
は、全てのサービスクラスが同じネットワーク基盤（イ
ンフラストラクチャ）及び資源を共用するためである。
【００１５】更に、クリスマス休日買い物シーズン中の
ようなトラヒック密度の高い期間中、ビザやマスターカ
ードのサービスクラスに対する資源サービスが申し込み
超過になり、その結果として、これら有力なサービスク
ラスによる有力度の低いサービスクラスからの資源の乗
っ取りが生じ、これによって有力度の低いサービスクラ
スにおけるトランザクションについてのアクセスが拒否
される結果となる。
【００１６】更にその上、ネットワークのトランザクシ
ョン入力側において、特定のサービスクラスに連関（付
随）する不管理トランザクション端末の全般的な故障
が、ネットワークの要素しかモニタしないネットワーク
管理システムによって検出されることがないままの状態
に置かれることになる。
【００１７】
【発明が解決しようとする課題】したがって、故障を防
ぐために修正処置を時宜にかなって行えるように、ネッ
トワークの性能を実時間で計測及び解析してそこから、
実際の故障が生じる前に異常を検出できることが望まし
い。異常検出手法を用いたＬＡＮ（構内ネットワーク）
での故障検出について論文に記述がある（F. Feather,
D. Siewiorek andR. Maxion, "Fault Detection in an
Ethernet Using Anormaly Signature Matching", Compu
ter Communication Review (ACM SIGCOMM'93), Vol. 2
3, No. 4,October, 1993）。
【００１８】同論文に述べられているように、観察可能
なネットワーク性能データが、異常検出のために直接に
解析される。しかし、次のことが判明した。すなわち、
直接に観察されたネットワーク性能データの解析では、
ネットワーク外の異常の検出及びそれによる先見行動的
修正を可能にするに充分な感度が得られない。加えて、
上記論文執筆者が示唆する手法は、主として、イーサネ
ット（登録商標）ＬＡＮ環境に適用される手法である。
【００１９】
【課題を解決するための手段】本発明に基づき、ネット
ワークの故障及び性能低下の先見行動型且つ自動的な検
出が、まず実時間ネットワーク性能データを、性能に基
づく目的関数に変換することによって行われる。目的関
数が、現在の実時間データを用いて、ネットワーク・モ
ニタが検出しようと試みている特定の異常に対して直接
に相関付けされる。
【００２０】その目的関数は現在の性能データから生成
されて、履歴性能データから予測されるのと同じ目的関
数と比較されて、現在のデータから生成される目的関数
において異常の有無が定められ、この異常が、確率的に
潜在的故障を表す。このような実時間比較を通じて、現
在のデータから生成された目的関数内に異常が検出され
た場合、警報が生成される。
【００２１】本発明の実施例において、トランザクショ
ン向き（志向）のネットワークの性能特性を記述するの
に用いられる目的関数は、トラヒック密度として定義さ
れる。各トランザクションについて、トランザクション
は、そのトランザクションが属するサービスクラスと、
トランザクションの開始時点と、トランザクションの持
続時間とによって特徴づけられる。
【００２２】現在のトランザクション・データから、各
サービスクラスについて、時間に依存する（時間変動す
る）トラヒック密度が計算される。このトラヒック密度
は、計算された「トランザクション取り込み用の単位時
間枠区間」（binning interval）（以下簡単に、単位区
間）内に入る、モニタされているネットワーク上の活動
トランザクションの総数、に等しいとして定義される。
【００２３】その単位区間は、各サービスクラスについ
て、最近の履歴トランザクション記録から適応的且つ動
的に定められ、このような過去のデータから得られるそ
の特定のサービスクラスについてのトランザクション持
続時間の中央値及び確率分布の関数である。履歴トラン
ザクション・データの、より大きな過去の時間フレーム
・ウインドウから、予測された基準値（ベースライン）
（予測基準値）並びに時間に依存する上限及び下限のト
ラヒック密度しきい値（予測しきい値）が、各サービス
クラスについて、その単位区間を用いて定められる。
【００２４】定められた単位区間を用いて現在のデータ
から計算された実時間トラヒック密度が、或る時点にお
いて、予め定められた時間よりも長い間、時間依存の予
測上限しきい値よりも大きいか又は時間依存の予測下限
しきい値よりも小さい場合に、異常が検出される。ネッ
トワーク・トラヒックの変化を考慮するために、最も最
近の性能データが履歴データに定期的に組み込まれて、
性能しきい値及び基準値が更新される。
【００２５】異常が検出されると、ＧＵＩ（グラフィッ
ク・ユーザ・インタフェース）を介してなどして、警報
が出され、ネットワーク異常及び故障の存在がネットワ
ークの取扱者にアラート（通報注意）される。これで、
ネットワークの取扱者が、異常に連関するサービスクラ
スを特定して、考え得る異常の原因を定める。
【００２６】ＧＵＩの代わりに、又はＧＵＩと並行協力
的な手段として、異常検出時に、ネットワーク制御モジ
ュールに信号を送り、自動フィードバック、及び例え
ば、潜在的に不具合なホストプロセッサをネットワーク
から分離し、又は別ルートモジュールを始動する、よう
な制御を行わせることもできる。
【００２７】異常検出時に、その異常を生じさせたデー
タがデータベースから除去されて、単位区間、基準値並
びに上限及び下限しきい値を再計算するのに用いられる
履歴データの一部としてのそのデータの使用が防止され
る。
【００２８】
【発明の実施の形態】以下、図１に示すＡＴ＆Ｔ社のト
ランザクション接続サービス（ＴＡＳ）ネットワーク１
０１のような、トランザクション志向の広域通信網（Ｗ
ＡＮ）上でのネットワーク／サービスの異常の検出の事
例に関して本発明を説明する。尚、ここに述べる実施例
はこの種のネットワーク上でのネットワーク／サービス
の異常検出に限定されるものではなく、又必ずしもＷＡ
Ｎに限定されるものでもない。
【００２９】その逆に、本発明は、現在の観測可能な実
時間ネットワーク性能データから目的関数を生成し、そ
の目的関数を履歴ネットワーク性能データから生成され
る目的関数と比較して、現在の性能データから生成され
た目的関数において異常を検出できるような、いかなる
種類のネットワーク上のネットワーク／サービスの異常
検出にも適用が可能である。
【００３０】図１のトランザクション志向のネットワー
ク１０１においては、端末群１０２−１〜１０２−Ｎと
複数のホストプロセッサ群１０３−１〜１０３−Ｍとの
間の、持続時間の短いトランザクションが扱われ、各ト
ランザクションは、個々に、次の４個の要素で識別（特
定）される。 (ｉ，ｓ，ｔi,s，Δｔi,s) (１)
【００３１】但し、 ・「ｉ」は、トランザクション識別名、 ・「ｓ」は、トランザクションが属するサービスクラス
の識別名、 ・「ｔi,s」 は、トランザクションの開始時点、そして ・「Δｔi,s」 は、トランザクションの持続時間、を示
す。 （各サービスクラス「ｓ」について、「Δｔi,s」 は、
中央値、上限四分位値、下限四分位値、及び確率分布関
数を有する。）
【００３２】トランザクション識別名は、個別に１個の
トランザクションを特定する（例えば、トランザクショ
ンがネットワークに現れたときに正の整数のカウント値
で表す）。サービスクラスの識別名は、トランザクショ
ンがどのサービスクラスに属するかを特定する。例え
ば、ビザ・クレジットカードトランザクションと健康管
理に関連するトランザクション（例えば、薬品補給の注
文）とは２つの異なるクラスのトランザクションであ
る。
【００３３】これらのトランザクションは、２つの異な
るサービスクラスに属し（一般的なマルチ・サービスク
ラスのネットワークにおいてはサービスクラスの数は数
十又は数百にも達する）、一方は他方よりもはるかに長
いトランザクション持続時間中央値を有する。正式に
は、各トランザクションサービスクラスは、それ自体の
トランザクション持続時間中央値、それ自体の上限及び
下限四分位値、及びそれ自体の、トランザクション持続
時間の確率分布関数（ＰＤＦ）を有する。
【００３４】各サービスクラス内で、トランザクション
データの解析（式（１）の４要素））から、毎・週日
（weekday） についての一貫した持続時間分布と、多分
これとは異なる各週末及び休日についての持続時間分布
とが示される。一例として、図２（Ａ）〜図２（Ｇ）
に、月曜日から日曜日までの各曜日それぞれについて
の、或る特定のサービスクラス（「サービスクラス１」
と称する）に対するトランザクション持続時間の正規化
された確率分布を示す。
【００３５】ネットワーク／サービス異常の、信頼性あ
り且つ有効な検出をもたらすためには、トランザクショ
ン持続時間のような、ランダムな観察対象値が、比較的
に時間変化しない（したがって、平均で将来に向けて予
測可能である）ことが必要である。図２（Ａ）〜図２
（Ｇ）に示すサービスクラス１のトランザクション持続
時間の確率分布関数から、それらの関数が月曜日から金
曜日までの各・週日ごとに反復される性質を有すること
が観察できる。更に、週ごとの週末及び休日についての
一貫性も観察される（図示しない）。
【００３６】本発明によれば、異常検出用の目的関数と
しては、サービスクラスに基づくトラヒック密度が選択
される。トラヒック密度（traffic intensity） は、各
サービスクラス内でこれらのトランザクションに対する
観察されたトランザクション持続時間とこれらのトラン
ザクション開始時点（時刻）とから直接に計算される。
【００３７】トラヒック密度は、或る特定のサービスク
ラス専用の活動トランザクションの個数の、時間関数と
しての尺度で、単位区間のサイズδＴに依存する。下で
述べるように、単位区間（binning interval）δＴはト
ランザクション持続時間の中央値の関数として定められ
る変数で、全トランザクションのうちの確率的に非常に
大きい割合のトランザクションがその単位区間よりも短
い持続時間を有するように定められる。
【００３８】図３に、トランザクションを到着図中の矢
印線として表す（到着図のｘ軸が、進行中の時間を表し
（単位：δＴ）、ｙ軸が、整数個のトランザクション識
別名からなる識別名群を表す）。このように表示する
と、トランザクションの開始時点が、トランザクション
矢印線の尾部として表され、トランザクション持続時間
が、トランザクション矢印線の長さとして表される。
【００３９】持続時間の各単位区間δＴ内では、トラヒ
ック密度は部分的に又は完全にその、トランザクション
取り込み用の単位時間枠（bin） 内に入るトランザクシ
ョンの総数に等しい。そのトランザクションの総数は、
その単位時間枠（単位区間δＴ）内に入るトランザクシ
ョン（すなわち、矢印線）を全て合算することにより計
算され、時点Ｔn,s における、サービスクラスｓに対す
るトラヒック密度Ｉsは次式で与えられる。 Ｉs(Ｔn,s)＝ΣiΔｔi/δＴs|T=Tn,s； Ｔn,s＝ｎ×δＴs，ｎ＝０，１，...，Ｎs (２)
【００４０】図３に示す６個の例示トランザクションに
対して、第１の単位時間枠（０≦Ｔ≦δＴ）には６個の
トランザクション全て、したがってトラヒック密度６単
位（回線又はアーラン（Erlang））が含まれる。第２の
単位時間枠（δＴ≦Ｔ≦２δＴ）には４個のトランザク
ション、したがって、４単位のトラヒック密度が含ま
れ、そして第３の単位時間枠（２δＴ≦Ｔ≦３δＴ）に
は２個のトランザクション、したがって、２単位（回線
又はアーラン）のトラヒック密度が含まれる。
【００４１】直ぐ次に、本発明の手法の、数学的基礎及
び実際のデータからの裏付けについて説明する。これに
より、本発明に基づき、異常検出に使用可能な目的関数
としてトラヒック密度を用いることの正当性を確認でき
る。この解析に続いて、本発明の異常検出手法について
述べる。
【００４２】サービスクラス１と称することとしたサー
ビスクラスの月曜日から日曜日までのトラヒック密度
を、図２（Ａ）〜図２（Ｇ）に示す対応する確率分布関
数から式（２）のトラヒック密度の数学的定義を用いて
生成された値により、図４（Ａ）〜図４（Ｇ）にそれぞ
れ示す。これらの図のトラヒック密度を生成するのに用
いた単位区間の長さは２３．６秒を選択した。
【００４３】前に述べ更に又説明するように、単位区間
（トランザクション取り込み用の単位時間枠区間）は、
トランザクションの中央値の関数であり、したがって、
異常を有する確率の高いトランザクションがトラヒック
密度において強調される。このデータについて、２３．
６秒の単位区間は、今観察中の特定のサービスクラスの
履歴データから得られるトランザクション持続時間中央
値の４倍を表す。
【００４４】このサービスクラスに基づくトラヒック密
度の大量のデータ群（１年分のデータに相当する）の解
析から、日毎、週毎、及び週末／休日の各成分が存在す
ることが判った。サービスクラス「ｓ」についてのトラ
ヒック密度は、分散解析の手法を用いて、非定常時系列
により次式のように近似できる。 Ｉs(ｔ)＝αwk s(ｔ)＋βwked s(ｔ)＋εs(ｔ) (３)
【００４５】但し、α(ｔ)はトラヒック密度への週日の
寄与分、β(ｔ)はトラヒック密度への週末（土曜日、日
曜日、及び休日）の寄与分、そしてε(ｔ)は誤り関数
（相対的な揺らぎ）で、誤り関数は、トラヒック密度
の、週日及び週末の基準値からの「ずれ」（偏差）を実
効的に計測する関数である。
【００４６】図５は１週間のトラヒック密度及びそれら
を構成する成分を示す線図で、図５（Ａ）にサービスク
ラス１の１週間のトラヒック密度を、図５（Ｂ）に、対
応する週日の寄与分α(ｔ)及び週末／休日の寄与分β
(ｔ)を、そして図５（Ｃ）に、対応する誤り関数ε(ｔ)
を、それぞれ単一の時間尺度で示す。或る週日には、全
てのｔに対してβ(ｔ)＝０、そして或る週末・日には、
全てのｔに対してα(ｔ)＝０である。ε(ｔ)の時間平均
は、次式に示すように、α(ｔ)及びβ(ｔ)の時間平均に
「べき」依存する。
【００４７】 <[ε(ｔ)]2>t ∝ {<[α(ｔ)]2>t}r，１．１≦ｒ≦１．５ (４) 但し、時間平均値は、単位区間よりも１桁上の長さの持
続時間に対して取られる（サービスクラス１に連関する
データに対してその値は２４０秒である）。
【００４８】サービスクラスのα(ｔ)及びβ(ｔ)は、次
に関係式によって近似できる。 αwk,j s(ｔ)＝Σk=1 jー1cj,k sαwk,k s(ｔ)＋Δwk s； (５) 但し、Σk=1 jー1ｃj,k s＝１、そしてｊ＝１，...，５
（すなわち、月〜金曜日） βwk,j s(ｔ)＝Σk=1 jー1ｄj,k sβwk,k s(ｔ)＋Δwked s； (６) 但し、Σk=1 jー1ｄj,k s＝１、そしてｊ＝１，...，４
（すなわち、毎月） {<[εwk,j s(ｔ)]2>t}1/2＝Σk=1 jー1cj,k s{<[εwk,k s(ｔ)]2>t}1/2， {<[εwked,j s(ｔ)]2>t}1/2＝Σk=1 jー1ｄj,k s{<[εwked,k s(ｔ)]2>t}1/2 (７)
【００４９】これは、現在のα(ｔ)及びβ(ｔ)が、前の
５週日又は前の４週末（１ヶ月）の週末・日の一連のα
(ｔ)及びβ(ｔ)並びに基準化因子（スケーリング・ファ
クタ）ｃ及びｄから、予測（すなわち、外挿）できるこ
とを意味する（誤りΔｓがあるものとする）。
【００５０】実際面では、基準化因子ｃ及びｄは、前の
週及び月のα(ｔ)及びβ(ｔ)の比率からそれぞれ次式の
ように定められる。ｃm,n s＝￣[<αwk,m s(ｔ)>t/<α
wk,n s(ｔ)>t]，及び ｄm,n s＝￣[<βwked,m s(ｔ)>t/<βwked,n s(ｔ)>t] (８) 但し、内時間平均（inner time-average）は１０個の単
位区間の持続時間について計算され、外時間平均（oute
r time-average）はその全日について（又は基準化因子
ｄの場合には４週間について）計算される（￣[ ]は、
[ ]の上限に￣を引いて得られる記号の簡略表示であ
る）。
【００５１】Δの一般的な値は、５％から１５％の範囲
にあり、トラヒック密度の予測が信頼できるものとな
る。このことが本発明の異常検出手法に利用される。
【００５２】上に定義し説明したトラヒック密度を目的
関数として用いることの正当性が確認できたので、ネッ
トワークのトランザクション・データから導出されるそ
の目的関数を本発明に基づくネットワーク異常の適応検
出に用いる手法について述べる。広義に説明すれば、異
常の適応検出手法は、次の３つの構成要素プロセスから
なる。
【００５３】すなわち、（１）各サービスクラスについ
て、単位区間が、過去のトランザクションデータのトラ
ンザクション持続時間の中央値の関数として定められ
る。その際、単位区間は、単位区間を導出するのに用い
られるデータ内のトランザクションのうちのトランザク
ション持続時間が単位区間よりも長いものの割合が、ト
ランザクション持続時間の分布のうちのごく小さい割合
（例えば、≦１０％）になるように、選択される；
【００５４】（２）各サービスクラスについて第１のプ
ロセスで定められた単位区間を用いて、各サービスクラ
スについて、トラヒック密度（前に述べた予測されるα
(ｔ)、β(ｔ)、及びεに対応するもの）の、時間に基づ
く基準値並びに上限及び下限しきい値が履歴トランザク
ション・データから導出される。
【００５５】そして、（３）各サービスクラスにおい
て、又第１のプロセスでそのクラスに対して定められた
単位区間を用いて、実時間トランザクション・データが
時間的トラヒック密度に変換され、時間的な上限及び下
限しきい値と比較されて、実時間トラヒック密度が上限
しきい値を上回るか又は下限しきい値を下回るかが定め
られる。そして、もしそうである場合には、どの程度そ
してどれくらいの時間長さの間上又は下回るかが定めら
れる。
【００５６】このような比較から、異常状態の存在を検
出することができ、これに対する処置を、取扱者の介在
を得て手動操作で、又はネットワーク制御モジュールを
介して自動的に行うことができる。
【００５７】上記３種類の機能プロセスを行うネットワ
ーク異常検出装置が、本発明の実施例において、トラヒ
ック密度中の異常を検出する実時間ソフトウエアとして
実現される。
【００５８】このソフトウエアは、管理対象ネットワー
クの性能データを各サービスクラスについての目的関数
（すなわち、トラヒック密度）に変換して、各サービス
クラスにおけるトラヒック密度中の異常を、このような
トラヒック密度の履歴基準値又は統計的に予想される挙
動に相対的に対比して検出する実時間ソフトウエアであ
る。これらの異常は、ネットワークにおけるソフト及び
ハード形式の故障、不具合の兆候である。
【００５９】第１の構成要素プロセスにおいて、ネット
ワーク交換機によって生成されたトランザクション記録
が、単位時間枠（bin） の方策に基づいて、単位時間枠
に取り込まれ割り付けられる。単位時間枠の方策は、異
常が存在する確率の高いトランザクションを検出するた
めに、対象サービスクラスの履歴性能に依存する。式
（２）を用いて、トランザクション持続時間（ｔで時刻
表示される）が計算されて、各サービスクラスについて
個々の時間区間におけるトラヒック密度が形成される。
【００６０】或るサービスクラスのトラヒック密度は、
実時間でそのサービスクラスに専用の回線の総数の尺度
となる。サービスクラスｓに対して、個々の時点（時
刻）Ｔ n,s （ｎは整数、但しその最大値Ｎs が日毎の区
間の総数を定める）におけるそのサービスクラスのトラ
ヒック密度Ｉs(Ｔn,s)が式（２）によって与えられる。
【００６１】そこでは、そのサービスクラスに対する単
位時間枠（サービスクラスに依存する単位区間δＴs に
よって定義される）が合算される。そして、Ｎs ＝（２
４×６０×６０）／δＴs （δＴs の単位は秒）が、サ
ービスクラス「ｓ」の単位時間枠の日毎の個数である。
【００６２】単位区間δＴs は適応性を持たせ、履歴ト
ランザクション記録から動的に定められる。本発明のこ
の特定実施例においては、δＴs を定めるために用いら
れる履歴トランザクション記録は、そのサービスクラス
における或る過去の１日分のトランザクション記録から
なる。
【００６３】単位区間δＴs の値は、その履歴データか
ら得たトランザクション持続時間の中央値と或るサービ
スクラスにおけるこのようなトランザクション持続時間
の確率分布関数とに関連し、履歴トランザクションのう
ち、トランザクション持続時間が単位区間を超える（単
位区間よりも長い）トランザクションが小さな割合（例
えば、５％）しかないように定められる。したがって、
その単位区間が実時間のトランザクション・データに適
用されると、異常である確率の高いトランザクションが
優先的に強調されることになる。
【００６４】本発明の実施例において、単位区間は１つ
のサービスクラスのトランザクション持続時間の中央値
に直接に比例する。具体的には、この実施例については
単位区間は次式で与えられる。 δＴs＝４×[(Δｔi,s)の中央値] (９) 但し、係数４は、全てのトランザクション持続時間の約
９５％がその単位区間よりも短いことが確率的に予測で
きるように経験データから定められる。
【００６５】第１の構成要素プロセスにおいて、各サー
ビスクラスについて第１のプロセスで定められた単位区
間を用いて、時間に基づく、性能計測用のトラヒック密
度しきい値が、より大きな履歴データ群を用いて各サー
ビスクラスについて定められる。
【００６６】ＴＡＳ（トランザクション接続サービス）
ネットワーク又はＴＡＳに類似のトランザクション・ネ
ットワークをモニタするために、各ＴＡＳサービスクラ
スのトラヒック密度しきい値が、日に関連した（日関
連）異なる４つのグループ、すなわち週日、土曜日、日
曜日、及び休日のグループに分類される。
【００６７】それから、各ＴＡＳサービスクラスについ
てのそして各「日関連」グループに対する、履歴データ
を用いて、各ＴＡＳサービスクラスについてのそして各
「日関連」グループに対する、適応された、時間に基づ
くトラヒック密度しきい値が生成される。
【００６８】これら４つのしきい値グループの各々につ
いて、適応しきい値が定められ、週日、土曜日、日曜
日、及び休日の分類のそれぞれについて、ＴＡＳサービ
スの予想性能が予測される。動的しきい値（上限及び下
限しきい値）の各群は、予測された基準値（予測基準
値） Ｉs(Ｔn,s)と予測許容値 σs(Ｔn,s)とからな
り、次式のように表される（但し、「 」 を記号の上
側に置いて得られる記号は、元の記号が示す値の「予測
値」を表し、本説明では簡易的に、「 」 を元の記号
の前に置いて「予測値」を表す）。
【００６９】 上限しきい値＝ Ｉs(Ｔn,s)＋２ σs(Ｔn,s)|wk sa,su,ho (1 0) 基準値＝ Ｉs(Ｔn,s)|wk sa,su,ho (11 ) 下限しきい値＝ Ｉs(Ｔn,s)−２ σs(Ｔn,s)|wk sa,su,ho (1 2) （尚、ｗｋ、ｓａ，ｓｕ、及びｈｏは、週日、土曜日、
日曜日、及び休日をそれぞれ表す。）
【００７０】予測基準値 Ｉs(Ｔn,s) 及び予測許容値
σs(Ｔn,s) が、１次元時系列解析を通して履歴トラ
ンザクション・データから計算され、週日、土曜日、日
曜日、及び休日のクラスに分類される。 Ｉs(Ｔn,s)
は、サービスクラスの予測平均トラヒック密度を表し、
σs(Ｔn,s) は、対応するトラヒック密度の予測平均
変動を表す。 Ｉs(Ｔn,s) 及び σs(Ｔn,s) は両方
共、ネットワーク・トラヒックの変化を考慮するため
に、最も最近のトランザクション・データを用いて定期
的に更新される。
【００７１】予測基準値 Ｉs(Ｔn,s) 及び予測許容値
σs(Ｔn,s) は、式（５）〜式（８）から、次式のよ
うに明確に計算される。 Ｉs(ｔ)＝αs(ｔ)＋βs(ｔ) (13 ) σs(ｔ)＝{<[εs(ｔ)]2>t}1/2 (14 )
【００７２】前に述べたように現在のα(ｔ)、β(ｔ)及
びε(ｔ)が、それらの過去の値から、式（５）、（６）
及び（７）をそれぞれ用いて計算できるので、或るサー
ビスクラスについての時間的トラヒック密度の上限及び
下限しきい値並びに基準値は、そのサービスクラスにつ
いての履歴ネットワーク・データから予測できる。
【００７３】本発明のこの特定の実施例において、５週
日分のトランザクション・データを用いて、各サービス
クラスについて週日に対するトラヒック密度の基準値並
びに上限及び下限しきい値が定められる。又、連続４週
間分のトランザクション・データを用いて、各サービス
クラスについて週末・日に対するトラヒック密度の基準
値並びに上限及び下限しきい値が定められる。
【００７４】ＴＡＳサービスの予想性能が上記のしきい
値を通して予測される。そして、予想からの「ずれ」
（大きさ及び持続時間の両方で表され、一群の故障基準
で定義される）が、ネットワーク／サービスの異常のし
るしである。
【００７５】異常の検出において、もし次の事態が生じ
た場合に、ネットワーク／サービスの異常の出現を知ら
せる警報が出される。その事態とは、もし（１）時点Ｔ
n,sにおいて実時間で計測されたトラヒック密度（Ｉ
s,meas(Ｔn,s)で表す） が上限又は下限しきい値を上方
又は下方へ超える状態となり、（２）その状態が時間持
続しきい値（Ｔｐで表す）を超えて持続する、すなわ
ち、次式が成り立つ事態である。 |ΣT TpＥs(Ｔn,s)|≧ΣT Tpａ σs(Ｔn,s) (15 )
【００７６】但し、Ｅs(Ｔn,s)は、誤り信号で、計測さ
れたトラヒック密度が、予測下限又は上限しきい値を下
回るか又は上回るかによって、次式で定められる。もし
Ｉs,meas(Ｔn,s)≦[ Ｉs(Ｔn,s)−２ σs(Ｔn,s)]の
場合、 Ｅs,lower(Ｔn,s)＝Ｉs,meas(Ｔn,s)− Ｉs(Ｔn,s) (16 ) もしＩs,meas(Ｔn,s)≧[ Ｉs(Ｔn,s)＋２ σ
s(Ｔn,s)]の場合、 Ｅs,upper(Ｔn,s)＝−Ｉs,meas(Ｔn,s)＋ Ｉs(Ｔn,s) (17 )
【００７７】尚、上式での比較は、現在の曜日が週日、
土曜日、日曜日、又は休日のどれであるかによって、別
個に行う。又、下付文字ｍｅａｓは「計測」を、「ｌｏ
ｗｅｒ」、「ｕｐｐｅｒ」は「下限」、「上限」をそれ
ぞれ表す。
【００７８】式（１５）中の係数ａ及びＴｐは実験的に
定められる。本発明のこの特定の実施例においては、も
し時点Ｔn,s において実時間で計測されたトラヒック密
度（Ｉs,meas(Ｔn,s)で表す） が上限又は下限しきい値
を上方又は下方へ、１５分よりも長い間超える、すなわ
ち、次の２つの式が成り立つ場合、
【００７９】 |ΣT TpＥs,lower(Ｔn,s)|≧ΣT Tpａ σs(Ｔn,s)，（≧１５分） (18 ) |ΣT TpＥs,upper(Ｔn,s)|≧ΣT Tpａ σs(Ｔn,s)，（≧１５分） (19 ) この場合も、その曜日が週日、土曜日、日曜日、又は休
日のどれであるかによって比較が異なる。
【００８０】式（１８）及び（１９）において、パラメ
ータの１５分の値は、ネットワーク性能データが１５分
ごとに得られるようなＴＡＳネットワークのネットワー
ク故障管理の場合の実施例に対して選択されたものであ
る。したがって、持続時間が１５分より短い異常事象
（イベント）を実時間で検出することはできない。又、
式（１５）、（１８）及び（１９）の係数ａは、ＴＡＳ
ネットワークの実験的トランザクション・データの解析
から定められる。
【００８１】本発明のトランザクション異常検出システ
ムのアーキテクチャを図６に示す。例えば、式（１）の
４要素の形式を有するトランザクション・データが、モ
ニタされているネットワーク６０１から各１５分の時間
区間の終わりの時点に、サンプルプロセッサ６０２及び
データベース６０３に供給される。
【００８２】データベース６０３から供給される各サー
ビスクラスにおける過去の１日分のトランザクション・
データを用いて（その過去の１日及び現在の曜日が両方
共週日であると仮定する）、サンプルプロセッサ６０２
が、各サービスクラスについての単位区間を、トランザ
クション持続時間の中央値の関数として、式（９）を用
いて計算する。
【００８３】それから、各サービスクラスについて計算
された単位区間を用いて、サンプルプロセッサ６０２
が、実時間トランザクション・データを処理して、各サ
ービスクラスについて現在の実時間トラヒック密度を生
成する。それから、各サービスクラスにおける実時間ト
ラヒック密度が、検出プロセッサ６０４に供給される。
検出プロセッサ６０４には又、各サービスクラスについ
ての時間的基準値並びに上限及び下限しきい値が、現在
の曜日と同じ種類の日について、基準生成プロセッサ６
０５から供給される。
【００８４】基準生成プロセッサ６０５が、サンプルプ
ロセッサ６０２によって定められた単位区間と、週日に
ついては過去の週のデータから又週末・日については過
去の月のデータからデータベース６０３に記憶されてい
る履歴データとを用いて、週日及び週末・日に対し各サ
ービスクラスについての時間的基準値並びに上限及び下
限しきい値をそれぞれ導出する。
【００８５】検出プロセッサ６０４が、どのサービスク
ラスにおいても現在のトラヒック密度が１５分以上の
間、上限しきい値を上回るか又は下限しきい値を下回る
と定めた後に、警報を生成する。その警報が、ＧＵＩ
（グラフィカル・ユーザ・インタフェース）６０６及び
／又はネットワーク６０１に接続された１個以上の、修
正用の制御モジュール６０７に供給される。ＧＵＩ６０
６には制御パネル、警報記録、及びトラヒック視覚表示
器を含めることができる。
【００８６】図７は、基準生成プロセッサ６０５が履歴
データから基準値並びに上限及び下限しきい値をどのよ
うにして定めるかを示す機能図である。各サービスクラ
スについての過去２４時間の、式（１）及び（２）から
得られる、サービスクラスに基づくトランザクション時
間Ｔn,s 及びトラヒック密度Ｉs(Ｔn,s)の生の履歴デー
タが、核平滑器７０１に入力される。核平滑器７０１
が、帯域幅生成器７０２を介して事前計算された帯域幅
で三角減衰関数を用いて、生のトラヒック密度の値を平
滑化する。
【００８７】帯域幅生成器７０２が、何個のデータ点を
平滑化すべきかを定める。それから、最近２４時間の区
間からなる１日分の平滑化されたトラヒック密度が、デ
ータベース６０３から得られた対応する、前の５週日
分、のトラヒック密度Ｉｓを用いて基準化器７０３（sc
aler）によって単位区間ごとに分割される（スケール処
理）。その結果、５個の基準化因子、すなわち、式
（８）のｃ、が得られ、データベース６０３に記憶され
る。
【００８８】それから、前の週の中の次の日（すなわ
ち、６日前）の５個の基準化因子がデータベース６０３
から取り出され、過去２４時間及び前の４週日分のトラ
ヒック密度と共に、基準値生成器７０４によって用いら
れ、次に来る日についての予測基準値が式（５）に基づ
いて計算される。
【００８９】次の相異点を除き、同じ手順が、式（６）
を介して週末・日に適用される。その相異点とは、前の
５週日分のトラヒック密度を用いる代わりに前の４土曜
日分又は前の４日曜日分のトラヒック密度を用いて、式
（８）中の対応する基準化因子ｄが基準化器７０３によ
って計算される点である。
【００９０】それから、現在の平滑化されたトラヒック
密度Ｉを相対変動生成器７０５が用いて、平滑化されて
いない生のトラヒック密度Ｉに関する変動（式（１４）
及び（３）中のσ）を計算する。それから変動値に、ト
ラヒック密度に上で用いられたのと同じスケール処理ス
テップが基準化器７０６を用いて適用されて、それ自体
の週日及び週末・日の基準化因子ｃ及びｄがそれぞれ計
算される。これらの基準化因子をしきい値生成器７０７
が用いて、式（７）及び（１４）を介して予測上限及び
下限しきい値を計算する。
【００９１】基準値生成器７０５及びしきい値生成器７
０７の出力が、週日及び週末・日の両方に対する各サー
ビスクラスについての予測基準値及び予測しきい値であ
る。
【００９２】図８は、通常の動作状態において生成され
た特定のサービスクラスについての視覚化例を表す線図
で、与えられた日の現在までの実時間トラヒック密度を
示す。図９は、特定のクレジットカード処理サービスク
ラスについてのトランザクション・サーバの故障時に生
成されることのあり得る異常状態において、特定のサー
ビスクラスについてのトラヒック密度の視覚化例を表す
線図である。本図は、本発明の恩恵を得られない場合の
その特定のサービスクラスについてのトラヒック密度へ
の影響を示す。
【００９３】サーバの故障が発生すると、その故障状態
のサービスクラスは不当にネットワーク資源（電話通信
ネットワークにおける物理的回線及びデータネットワー
クにおける仮想回線）を拘束し、その結果、トラヒック
密度にスパイクが生じる。図９に示すように、この状態
が２時間を超えて持続する。しかし、本発明は、トラヒ
ック密度が上限しきい値を持続して超える事実を、サー
バの故障発生後最初の１５分以内に検出し、その故障に
連関するサービスクラスを検出する。
【００９４】ネットワーク管理者が、生成された警報及
び視覚化データを観察後、修正処置を取って、その故障
の影響を受ける（故障影響）サービスクラスのトラヒッ
ク密度に対する検出された異常の影響を最小にすること
ができる。
【００９５】このように、異常が検出されたサービスク
ラスを知ることにより、ネットワーク管理者がネットワ
ーク上でトラヒックのルートを変更し、ネットワーク上
への他のアクセスポイントを選択し、又は特定の故障影
響サービスクラスに割り当てられた資源を見直して、そ
の故障影響サービスクラスによる他のサービスクラスか
らの資源乗っ取りを防止することができる。
【００９６】図６で更に説明すると、ＧＵＩに加えて又
はその代わりに、検出プロセッサ６０４とネットワーク
６０１とを接続する１個以上の修正用の制御モジュール
６０７を生成された警報に応動させて、故障のトランザ
クション・サーバの取り扱いを切断するように回路遮断
器を作動させ、そして／又はネットワーク内のトラヒッ
クのルートを変更するようにルート変更モジュールを作
動させるなどの、自動的な修正処置を取らせることもで
きる。
【００９７】時間が進んで、現在のトランザクション・
データがデータベース６０３に記憶されると、より最近
のデータがより古い方のデータに定期的に統合され、こ
れにより、基準生成プロセッサ６０５が、上限及び下限
しきい値を定める際に、より現在に近いデータを用いて
ネットワークトラヒック統計値の漸進変化を考慮するこ
とができる。
【００９８】しかし、異常が検出されると、その異常を
生成した現在のトランザクション・データが、現在のデ
ータを記憶するデータベース６０３内の記憶個所から除
去され、これにより、単位区間、基準値、並びに上限及
び下限しきい値の次の計算の、異常データによる汚染が
防止される。
【００９９】図１０は、本発明の方法を集約する流れ図
である。ステップ１００１において、各サービスクラス
について、過去の１週分のトランザクション・データを
用いて、単位区間が定められる。ステップ１００２にお
いて、各サービスクラスについて、そのサービスクラス
についての定められた単位区間を用いて、トラヒック密
度の時間的基準値並びに上限及び下限しきい値が定めら
れる。ステップ１００３において、現在のトランザクシ
ョン・データが１５分ごとに受け取られる。
【０１００】そのデータがステップ１００４において記
憶され、他方ステップ１００５において、各サービスク
ラスについて、ステップ１００１において各サービスク
ラスについて定められた単位区間及び各サービスクラス
についての現在のトランザクション・データを用いて、
現在の時間的トラヒック密度が定められる。ステップ１
００６において、各サービスクラスについて、現在のト
ラヒック密度が、ステップ１００２において定められた
時間的に連関する上限及び下限しきい値と比較される。
【０１０１】決定ステップ１００７において、各サービ
スクラスについて、現在のトラヒック密度が、予め定め
られた時間より長く、上限しきい値より大きいか又は下
限しきい値よりも小さいかが定められる。もしそうでな
い場合（ＮＯ）、ステップ１００９において、異常は検
出されない。もし決定ステップ１００７においてそうで
ある場合（ＹＥＳ）、ステップ１０１０において、上限
しきい値を上回り又は下限しきい値を下回る現在のトラ
ヒック密度を有するサービスクラスに連関して異常が検
出される。
【０１０２】ステップ１０１１において、故障の検出及
び不具合プロセス／プロセッサの除去が、ネットワーク
に接続されたＧＵＩ又は制御モジュールを介して行われ
る。手順はステップ１００３において更に進み、新たな
トランザクション・データが継続して受け取られ、ステ
ップ１００４においてデータベースに記憶される。
【０１０３】ステップ１００４の後、決定ステップ１０
１２において、上限及び下限しきい値を定めるのに用い
られた履歴データが、より現在に近いデータで更新され
てから予め定められた時間が経過したかどうかが定めら
れる。もしその予め定められた時間が経過した場合、ス
テップ１００２において履歴データから定められた基準
値並びに上限及び下限しきい値が現在のデータの統計的
漸進変化を統計的に反映するように、ステップ１０１３
において、履歴データが最も最近のデータを用いて更新
される。
【０１０４】前に述べたように、本発明は広域トランザ
クション・ネットワーク上の異常の有無判断に限定され
るものではなく、いかなる種類のネットワーク上の異常
有無判断にも、ネットワーク上で観察された性能データ
をネットワークの故障を表す異常に敏感な目的関数に変
換することによって適用が可能である。以上の説明は、
本発明の原理を例示し、本発明の実施例に関して述べた
もので、この技術分野の当業者であれば、本発明の種々
の変形例を考え得るが、それらはいずれも本発明の技術
的範囲に包含される。尚、特許請求の範囲に記載した参
照番号は発明の容易な理解のためで、その技術的範囲を
制限するよう解釈されるべきではない。
【０１０５】
【発明の効果】以上述べたごとく、本発明によれば、広
域網（ＷＡＮ）を含むトランザクション・ネットワーク
において、現在の観測可能な実時間ネットワーク性能デ
ータから目的関数（トラヒック密度）を生成し、その目
的関数を履歴ネットワーク性能データから生成される目
的関数と比較して、故障の潜在的兆候としての異常を検
出するようにしたので、実際の故障がネットワークに発
生するに先立って、異常の個所及び影響を受けるサービ
スクラスを知ることができる。
【０１０６】これにより、トラヒックのルート変更、故
障プロセスの分離等の修正処置を時宜にかなって行うこ
とが可能となる。更には、例えば、故障影響サービスク
ラスによる他のサービスクラスからの資源乗っ取りを防
止できる。
【図面の簡単な説明】
【図１】従来の技術のトランザクション・ネットワーク
で、そのネットワーク内又は外で生じた異常を本発明が
検出できるような種類のトランザクション・ネットワー
クのブロック図である。
【図２】月曜から日曜までに対する或る特定のサービス
・クラスについてのトランザクション持続時間の正規化
確率分布関数を（Ａ）〜（Ｇ）により示す線図である。
【図３】トラヒック密度が到着図でどのように定まるか
を示す線図で、トランザクションを矢印で示す。
【図４】図２（Ａ）〜図２（Ｇ）の確率分布関数に対応
するトラヒック密度を（Ａ）〜（Ｇ）によりそれぞれ示
す線図である。
【図５】１週間のトラヒック密度、これに対応する週日
及び週末／休日ごとの寄与の内訳、及び対応する誤り関
数を（Ａ）〜（Ｃ）によりそれぞれ示す線図である。
【図６】本発明のトランザクション異常検出システムの
構成を表すブロック図である。
【図７】図６の異常検出システム内の基準生成プロセッ
サの機能ブロック図である。
【図８】通常の動作状態において生成された特定のサー
ビスクラスについてのＧＵＩ上での視覚化例を表す線図
で、現在時点までの実時間トラヒック密度を示す。
【図９】特定のサービスクラスについてのトランザクシ
ョン・サーバの故障時に生成された異常状態のＧＵＩ上
での視覚化例を表す線図で、異常状態が本発明によって
検出されない場合を示す。
【図１０】本発明の方法を集約した流れ図である。
【符号の説明】
１０１ ネットワーク １０２−１〜１０２−Ｎ クレジットカード・スキャナ １０３−１〜１０３−Ｍ ホストプロセッサ １０４ ＡＴ＆Ｔ８００ネットワーク １０５ ＴＡＳノード １０６ ＡＴ＆Ｔパケット・ネットワーク ６０１ ネットワーク ６０２ サンプルプロセッサ ６０３ データベース ６０４ 検出プロセッサ ６０５ 基準生成プロセッサ ６０６ ＧＵＩ（グラフィカル・ユーザ・インタフェー
ス） ６０７ 制御モジュール ７０１ 核平滑器 ７０２ 帯域幅生成器 ７０３ 基準化器 ７０４ 基準値生成器 ７０５ 相対変動生成器 ７０６ 基準化器 ７０７ しきい値生成器
───────────────────────────────────────────────────── フロントページの続き (71)出願人 596077259 600 Ｍｏｕｎｔａｉｎ Ａｖｅｎｕｅ, Ｍｕｒｒａｙ Ｈｉｌｌ， Ｎｅｗ Ｊｅ ｒｓｅｙ 07974−0636Ｕ．Ｓ．Ａ. (72)発明者 ラップワー ローレンス アメリカ合衆国、07724 ニュージャージ ー、ティントン フォールズ、グレンウッ ド ドライブ 39

Claims (47)

    【特許請求の範囲】
  1. 【請求項１】 ネットワーク（６０１）上の異常を検出
    する方法であって、 （ａ）該ネットワークから得られた現在の実時間性能デ
    ータから、異常と相関する時間的な目的関数を導出する
    ステップ；（６０２）と、 （ｂ）前に該ネットワークから得られた履歴性能データ
    から該目的関数の、時間変動する最大しきい値を導出す
    るステップ；（６０５）と、 （ｃ）該現在の実時間性能データから導出された該目的
    関数を、該現在の実時間性能データに連関する時点に時
    間的に対応する時点における該最大しきい値の値と比較
    するステップ；（６０４）と、 （ｄ）該比較するステップ（ｃ）が、該現在の実時間性
    能データから導出された該目的関数が、予め定められた
    時間よりも長い間、最大しきい値よりも大きいことを示
    す場合に、異常が存在すると定めるステップ；（６０
    ４）と、からなることを特徴とする、ネットワーク異常
    検出方法。
  2. 【請求項２】 ネットワーク（６０１）上の異常を検出
    する方法であって、 （ａａ）該ネットワークから得られた現在の実時間性能
    データから異常と相関する時間的な目的関数を導出する
    ステップ；（６０２）と、 （ｂｂ）前に該ネットワークから得られた履歴性能デー
    タから該目的関数の時間変動する最小しきい値を導出す
    るステップ；（６０５）と、 （ｃｃ）該現在の実時間性能データから導出された該目
    的関数を、該現在の実時間性能データに連関する時点に
    時間的に対応する時点における該最小しきい値の値と比
    較するステップ；（６０４）と、 （ｄｄ）該比較するステップ（ｃｃ）が、該現在の実時
    間性能データから導出された該目的関数が、予め定めら
    れた時間よりも長い間、最小しきい値よりも小さいこと
    を示す場合に、異常が存在すると定めるステップ；（６
    ０４）と、からなることを特徴とする、ネットワーク異
    常検出方法。
  3. 【請求項３】 ネットワーク（６０１）上の異常を検出
    する方法であって、 （ａａａ）該ネットワークから得られた現在の実時間性
    能データから異常と相関する時間的な目的関数を導出す
    るステップ；（６０２）と、 （ｂｂｂ）前に該ネットワークから得られた履歴性能デ
    ータから該目的関数の時間変動する上限及び下限しきい
    値を導出するステップ；（６０５）と、 （ｃｃｃ）該現在の実時間性能データから導出された該
    目的関数を、該現在の実時間性能データに連関する時点
    に時間的に対応する時点における該上限及び下限しきい
    値の値と比較するステップ；（６０４）と、 （ｄｄｄ）該比較するステップ（ｃｃｃ）が、該現在の
    実時間性能データから導出された該目的関数が、予め定
    められた時間よりも長い間、上限しきい値よりも大きい
    か又は下限しきい値よりも小さいことを示す場合に、異
    常が存在すると定めるステップ；（６０４）と、からな
    ることを特徴とする、ネットワーク異常検出方法。
  4. 【請求項４】 前記ネットワークがトランザクション・
    ネットワークであり、前記性能データが前記ネットワー
    クからのトランザクション・データであり、前記目的関
    数がトラヒック密度であり、該トラヒック密度は前記ネ
    ットワーク上のトラヒックの時間的計測値である、こと
    を特徴とする請求項１、請求項２、又は請求項３の方
    法。
  5. 【請求項５】 前記トランザクション・データが、各ト
    ランザクションについて、前記トランザクションの開始
    時点と、前記トランザクションの持続時間とからなるこ
    とを特徴とする請求項４の方法。
  6. 【請求項６】 トラヒック密度が、予め定められた個数
    の単位区間の各区間以内で定められることを特徴とする
    請求項５の方法。
  7. 【請求項７】 前記各単位区間の長さが等しくて、前記
    履歴トランザクション・データにおけるトランザクショ
    ンの持続時間の関数として定められることを特徴とする
    請求項６の方法。
  8. 【請求項８】 前記各単位区間の長さが、前記履歴トラ
    ンザクション・データにおけるトランザクションのうち
    のかなり大きい割合のトランザクションが前記単位区間
    よりも短い持続時間を有するように定められることを特
    徴とする請求項７の方法。
  9. 【請求項９】 前記かなり大きい割合が、９０％よりも
    大きいことを特徴とする請求項８の方法。
  10. 【請求項１０】 前記方法が更に、 （ｅ）異常があると定められた場合に警報を生成するス
    テップ；（６０４）からなることを特徴とする請求項
    １、請求項２、又は請求項３の方法。
  11. 【請求項１１】 前記警報がグラフィカル・ユーザ・イ
    ンタフェース（６０６）上に表示されることを特徴とす
    る請求項１０の方法。
  12. 【請求項１２】 前記方法が更に、 （ｆ）異常があると定められた場合に修正処置を取るス
    テップ；（６０７）からなることを特徴とする請求項
    １、請求項２、又は請求項３の方法。
  13. 【請求項１３】 トランザクション・ネットワーク（６
    ０１）上の異常を検出する方法であって、該トランザク
    ション・ネットワーク上でトランザクションが複数のサ
    ービスクラスにおいて電子的に行われ、該トランザクシ
    ョン・ネットワークが、各トランザクションについて、
    該トランザクションのサービスクラスと、該トランザク
    ションの開始時点と、該トランザクションの持続時間と
    からなるトランザクション・データを供給し、 該方法が、 （ａａａａ）或る特定のサービスクラスについての単位
    区間を、その特定のサービスクラスに連関する過去のト
    ランザクション・データから定めるステップ；（６０
    ２）と、 （ｂｂｂｂ）その単位区間を用い、その特定のサービス
    クラスに連関する現在のトランザクション・データか
    ら、単位区間内の或る与えられた時点における該トラン
    ザクション・ネットワーク内のトラヒックを表す時間的
    トラヒック密度を導出するステップ；（６０２）と、 （ｃｃｃｃ）その単位区間を用い、その特定のサービス
    クラスに連関する該履歴トランザクション・データから
    その特定のサービスクラスについての時間変動する上限
    及び下限トラヒック密度しきい値を導出するステップ；
    （６０５）と、 （ｄｄｄｄ）その特定のサービスクラスについて、該現
    在のトランザクション・データから導出された該トラヒ
    ック密度を、該現在のトランザクション・データに連関
    する時点に時間的に対応する時点における該上限及び下
    限しきい値の値と比較するステップ；（６０４）と、 （ｅｅｅｅ）該現在のトランザクション・データから導
    出された該トラヒック密度が、予め定められた時間より
    も長い間、上限しきい値よりも上にあるか又は下限しき
    い値よりも下にあることを、該比較するステップ（ｄｄ
    ｄｄ）が示す場合に、その特定のサービスクラスに異常
    が連関すると定めるステップ；（６０４）と、からなる
    ことを特徴とする、トランザクション・ネットワーク異
    常検出方法。
  14. 【請求項１４】 トランザクションが週日に生じるか又
    は非週日に生じるかによって、別個の上限及び下限しき
    い値が導出され、 前記比較するステップ（ｄｄｄｄ）が、前記現在のトラ
    ンザクション・データから導出された前記トラヒック密
    度を、前記現在のトランザクション・データが週日に連
    関するか又は非週日に連関するかによる適切な週日又は
    非週日の上限及び下限しきい値と比較する、ことを特徴
    とする請求項１３の方法。
  15. 【請求項１５】 前記各単位区間の長さが、前記過去の
    トランザクション・データにおけるトランザクションの
    持続時間の中央値の関数として定められることを特徴と
    する請求項１３の方法。
  16. 【請求項１６】 前記各単位区間の長さが、前記過去の
    トランザクション・データにおけるトランザクションの
    うちのかなり大きい割合のトランザクションが前記単位
    区間よりも短い持続時間を有するように定められること
    を特徴とする請求項１５の方法。
  17. 【請求項１７】 前記かなり大きい割合が、９０％より
    も大きいことを特徴とする請求項１６の方法。
  18. 【請求項１８】 前記方法が更に、 （ｆｆｆｆ）或る特定のサービスクラスに異常が連関す
    ると定められた場合に警報を生成するステップ；（６０
    ４）からなることを特徴とする請求項１３の方法。
  19. 【請求項１９】 前記警報がグラフィカル・ユーザ・イ
    ンタフェース（６０６）上に表示されることを特徴とす
    る請求項１８の方法。
  20. 【請求項２０】 前記方法が更に、 （ｇｇｇｇ）或る特定のサービスクラスに異常が連関す
    ると定められた場合に修正処置を取るステップ；（６０
    ７）からなることを特徴とする請求項１３の方法。
  21. 【請求項２１】 前記方法が更に、 （ｈｈｈｈ）或る特定のサービスクラスについての前記
    時間変動する上限及び下限トラヒック密度しきい値がそ
    こから導出される履歴トランザクション・データを、そ
    のサービスクラスに連関する、より最近のトランザクシ
    ョン・データを用いて更新するステップ；（６０３）
    と、 （ｉｉｉｉ）該更新された履歴トランザクション・デー
    タからその特定のサービスクラスについての時間変動す
    る上限及び下限トラヒック密度しきい値を再導出するス
    テップ；（６０５）と、からなることを特徴とする請求
    項１３の方法。
  22. 【請求項２２】 前記方法が更に、 （ｊｊｊｊ）前記履歴トランザクション・データを更新
    する前に、前記より最近のトランザクション・データか
    ら前記定められた異常の生成に連関するデータを除去す
    るステップ；（６０３）からなることを特徴とする請求
    項２１の方法。
  23. 【請求項２３】 ネットワーク（６０１）異常検出装置
    であって、 （Ａ）該ネットワークから得られた現在の実時間性能デ
    ータから、異常と相関する時間的な目的関数を導出する
    ための手段；（６０２）と、 （Ｂ）前に該ネットワークから得られた履歴性能データ
    から該目的関数の時間変動する最大しきい値を導出する
    ための手段；（６０５）と、 （Ｃ）該現在の実時間性能データから導出された該目的
    関数を、該現在の実時間性能データに連関する時点に時
    間的に対応する時点における該最大しきい値の値と比較
    するための手段；（６０４）と、 （Ｄ）該比較するステップ（ｃ）が、該現在の実時間性
    能データから導出された該目的関数が、予め定められた
    時間よりも長い間、最大しきい値よりも大きいことを示
    す場合に、異常が存在すると定めるための手段；（６０
    ４）とからなる、ことを特徴とする、ネットワーク異常
    検出装置。
  24. 【請求項２４】 ネッワーク（６０１）異常検出装置で
    あって、 （ＡＡ）該ネットワークから得られた現在の実時間性能
    データから異常と相関する時間的な目的関数を導出する
    ための手段；（６０２）と、 （ＢＢ）前に該ネットワークから得られた履歴性能デー
    タから該目的関数の時間変動する最小しきい値を導出す
    るための手段；（６０５）と、 （ＣＣ）該現在の実時間性能データから導出された該目
    的関数を、該現在の実時間性能データに連関する時点に
    時間的に対応する時点における該最小しきい値の値と比
    較するための手段；（６０４）と、 （ＤＤ）該比較するステップ（ｃｃ）が、該現在の実時
    間性能データから導出された該目的関数が、予め定めら
    れた時間よりも長い間、最小しきい値よりも小さいこと
    を示す場合に、異常が存在すると定めるための手段；
    （６０４）と、からなることを特徴とする、ネットワー
    ク異常検出装置。
  25. 【請求項２５】 ネットワーク（６０１）異常検出装置
    であって、 （ＡＡＡ）該ネットワークから得られた現在の実時間性
    能データから異常と相関する時間的な目的関数を導出す
    るための手段；（６０２）と、 （ＢＢＢ）前に該ネットワークから得られた履歴性能デ
    ータから該目的関数の時間変動する上限及び下限しきい
    値を導出するための手段；（６０５）と、 （ＣＣＣ）該現在の実時間性能データから導出された該
    目的関数を、該現在の実時間性能データに連関する時点
    に時間的に対応する時点における該上限及び下限しきい
    値の値と比較するための手段；（６０４）と、 （ＤＤＤ）該比較するステップ（ｃｃｃ）が、該現在の
    実時間性能データから導出された該目的関数が、予め定
    められた時間よりも長い間、上限しきい値よりも大きい
    か又は下限しきい値よりも小さいことを示す場合に、異
    常が存在すると定めるための手段；（６０４）と、から
    なる、ことを特徴とする、ネットワーク異常検出装置。
  26. 【請求項２６】 前記ネットワークがトランザクション
    ・ネットワークであり、前記性能データが前記ネットワ
    ークからのトランザクション・データであり、前記目的
    関数がトラヒック密度であり、該トラヒック密度は前記
    ネットワーク上のトラヒックの時間的計測値である、こ
    とを特徴とする請求項２３、請求項２４、又は請求項２
    ５の装置。
  27. 【請求項２７】 前記トランザクション・データが、各
    トランザクションについて、前記トランザクションの開
    始時点と、前記トランザクションの持続時間とからなる
    ことを特徴とする請求項２６の装置。
  28. 【請求項２８】 トラヒック密度が、予め定められた個
    数の単位区間の各区間以内で定められることを特徴とす
    る請求項２７の装置。
  29. 【請求項２９】 前記各単位区間の長さが等しくて、前
    記履歴トランザクション・データにおけるトランザクシ
    ョンの持続時間の関数として定められることを特徴とす
    る請求項２８の装置。
  30. 【請求項３０】 前記各単位区間の長さが、前記履歴ト
    ランザクション・データにおけるトランザクションのう
    ちのかなり大きい割合のトランザクションが前記単位区
    間よりも短い持続時間を有するように定められることを
    特徴とする請求項２９の装置。
  31. 【請求項３１】 前記かなり大きい割合が、９０％より
    も大きいことを特徴とする請求項３０の装置。
  32. 【請求項３２】 前記装置が更に、 （Ｅ）異常があると定められた場合に警報を生成するた
    めの手段；（６０４）からなることを特徴とする請求項
    ２３、請求項２４、又は請求項２５の装置。
  33. 【請求項３３】 前記装置が更に、 （Ｆ）警報が生成されたときにネットワークの取扱者に
    通知するための手段；（６０７）からなることを特徴と
    する請求項３２の装置。
  34. 【請求項３４】 トランザクション・ネットワーク（６
    ０１）上の異常を検出するための装置であって、該トラ
    ンザクション・ネットワーク上でトランザクションが複
    数のサービスクラスにおいて電子的に行われ、該トラン
    ザクション・ネットワークが、各トランザクションにつ
    いて、該トランザクションのサービスクラスと、該トラ
    ンザクションの開始時点と、該トランザクションの持続
    時間とからなるトランザクション・データを供給し、 該装置が、 （ＡＡＡＡ）或る特定のサービスクラスについての単位
    区間を、その特定のサービスクラスに連関する過去のト
    ランザクション・データから定めるための手段；（６０
    ２）と、 （ＢＢＢＢ）その単位区間を用い、その特定のサービス
    クラスに連関する現在のトランザクション・データか
    ら、単位区間内の或る与えられた時点における該トラン
    ザクション・ネットワーク内のトラヒックを表す時間的
    トラヒック密度を導出するための手段；（６０２）と、 （ＣＣＣＣ）その単位区間を用いその特定のサービスク
    ラスに連関する該履歴トランザクション・データからそ
    の特定のサービスクラスについての時間変動する上限及
    び下限トラヒック密度しきい値を導出するための手段；
    （６０５）と、 （ＤＤＤＤ）その特定のサービスクラスについて、該現
    在のトランザクション・データから導出された該トラヒ
    ック密度を、該現在のトランザクション・データに連関
    する時点に時間的に対応する時点における該上限及び下
    限しきい値の値と比較するための手段；（６０４）と、 （ＥＥＥＥ）該現在のトランザクション・データから導
    出された該トラヒック密度が、予め定められた時間より
    も長い間、上限しきい値よりも上にあるか又は下限しき
    い値よりも下にあることを、該比較するための手段（Ｄ
    ＤＤＤ）が定める場合に、その特定のサービスクラスに
    異常が連関すると定めるための手段；（６０４）と、か
    らなる、ことを特徴とする、トランザクション・ネット
    ワーク上の異常を検出するための装置。
  35. 【請求項３５】 前記上限及び下限トラヒック密度しき
    い値を導出するための手段（ＣＣＣＣ）が、トランザク
    ションが週日に生じるか又は非週日に生じるかによっ
    て、別個の上限及び下限しきい値を導出し、 前記比較するための手段（ＤＤＤＤ）が、前記現在のト
    ランザクション・データから導出された前記トラヒック
    密度を、前記現在のトランザクション・データが週日に
    連関するか又は非週日に連関するかによる適切な週日又
    は非週日の上限及び下限しきい値と比較する、ことを特
    徴とする請求項３４の装置。
  36. 【請求項３６】 前記単位区間を定めるための手段（Ａ
    ＡＡＡ）が前記各単位区間の長さを、前記過去のトラン
    ザクション・データにおけるトランザクションの持続時
    間の中央値の関数として定めることを特徴とする請求項
    ３４の装置。
  37. 【請求項３７】 前記単位区間を定めるための手段（Ａ
    ＡＡＡ）が前記各単位区間の長さを、前記過去のトラン
    ザクション・データにおけるトランザクションのうちの
    かなり大きい割合のトランザクションが前記単位区間よ
    りも短い持続時間を有するように定めることを特徴とす
    る請求項３６の装置。
  38. 【請求項３８】 前記かなり大きい割合が、９０％より
    も大きいことを特徴とする請求項３７の装置。
  39. 【請求項３９】 前記方法が更に、 （ＦＦＦＦ）或る特定のサービスクラスに異常が連関す
    ると定められた場合に警報を生成するための手段；（６
    ０４）からなることを特徴とする請求項３４の装置。
  40. 【請求項４０】 前記装置が更に、 （ＧＧＧＧ）警報が生成されたときにネットワークの取
    扱者に通知するための手段；（６０７）からなることを
    特徴とする請求項３９の装置。
  41. 【請求項４１】 トランザクション・ネットワーク（６
    ０１）上の異常を検出するためのネットワーク異常検出
    装置であって、該トランザクション・ネットワーク上で
    トランザクションが複数のサービスクラスにおいて電子
    的に行われ、該トランザクション・ネットワークが、各
    トランザクションについて、該トランザクションのサー
    ビスクラスと、該トランザクションの開始時点と、該ト
    ランザクションの持続時間とからなるトランザクション
    ・データを供給し、 該装置が、 （ＡＡＡＡＡ）記憶された履歴トランザクション・デー
    タの持続時間から、単位区間を計算し、その単位区間を
    用いて、現在のトランザクション・データの時間的トラ
    ヒック密度を出力として生成するためのサンプルプロセ
    ッサ；（６０２）と、 （ＢＢＢＢＢ）該計算された単位区間を用い、該履歴ト
    ランザクション・データのトラヒック密度の時間的な上
    限及び下限しきい値を出力として生成するための基準生
    成プロセッサ；（６０５）と、 （ＣＣＣＣＣ）該サンプルプロセッサ（ＡＡＡＡＡ）の
    該トラヒック密度出力と、該基準生成プロセッサ（ＢＢ
    ＢＢＢ）の該時間的な上限及び下限しきい値出力とを時
    間的に比較し、トラヒック密度が、予め定められた時間
    よりも長い間、上限しきい値よりも上にあるか又は下限
    しきい値よりも下にある場合に、出力を生成するための
    検出プロセッサ；（６０４）とからなる、ことを特徴と
    する、トランザクション・ネットワーク上の異常を検出
    するためのネットワーク異常検出装置。
  42. 【請求項４２】 ネットワーク（６０１）異常検出装置
    のためにコンピュータシステム上で実行可能なコンピュ
    ータプログラム命令を記憶する、コンピュータ読み出し
    可能媒体であって、該コンピュータプログラム命令が、
    処理ステップを定義する命令からなり、 該処理ステップが、 （ア）該ネットワークから得られた現在の実時間性能デ
    ータから、異常と相関する時間的な目的関数を導出する
    ステップ；（６０２）と、 （イ）前に該ネットワークから得られた履歴性能データ
    から該目的関数の時間変動する最大しきい値を導出する
    ステップ；（６０５）と、 （ウ）該現在の実時間性能データから導出された該目的
    関数を、該現在の実時間性能データに連関する時点に時
    間的に対応する時点における該最大しきい値の値と比較
    するステップ；（６０４）と、 （エ）該比較するステップ（ウ）が、該現在の実時間性
    能データから導出された該目的関数が、予め定められた
    時間よりも長い間、最大しきい値よりも大きいことを示
    す場合に、異常が存在すると定めるステップ；（６０
    ４）と、からなる、ことを特徴とする、ネットワーク異
    常検出装置のためのコンピュータ読み出し可能媒体。
  43. 【請求項４３】 ネットワーク（６０１）異常検出装置
    のためにコンピュータシステム上で実行可能なコンピュ
    ータプログラム命令を記憶する、コンピュータ読み出し
    可能媒体であって、該コンピュータプログラム命令が、
    処理ステップを定義する命令からなり、 該処理ステップが、 （カ）該ネットワークから得られた現在の実時間性能デ
    ータから、異常と相関する時間的な目的関数を導出する
    ステップ；（６０２）と、 （キ）前に該ネットワークから得られた履歴性能データ
    から該目的関数の時間変動する最小しきい値を導出する
    ステップ；（６０５）と、 （ク）該現在の実時間性能データから導出された該目的
    関数を、該現在の実時間性能データに連関する時点に時
    間的に対応する時点における該最小しきい値の値と比較
    するステップ；（６０４）と、 （ケ）該比較するステップ（ク）が、該現在の実時間性
    能データから導出された該目的関数が、予め定められた
    時間よりも長い間、最小しきい値よりも小さいことを示
    す場合に、異常が存在すると定めるステップ；（６０
    ４）と、からなる、ことを特徴とする、ネットワーク異
    常検出装置のためのコンピュータ読み出し可能媒体。
  44. 【請求項４４】 ネットワーク（６０１）異常検出装置
    のためにコンピュータシステム上で実行可能なコンピュ
    ータプログラム命令を記憶する、コンピュータ読み出し
    可能媒体であって、該コンピュータプログラム命令が、
    処理ステップを定義する命令からなり、 該処理ステップが、 （サ）該ネットワークから得られた現在の実時間性能デ
    ータから、異常と相関する時間的な目的関数を導出する
    ステップ；（６０２）と、 （シ）前に該ネットワークから得られた履歴性能データ
    から該目的関数の時間変動する上限及び下限しきい値を
    導出するステップ；（６０５）と、 （ス）該現在の実時間性能データから導出された該目的
    関数を、該現在の実時間性能データに連関する時点に時
    間的に対応する時点における該上限及び下限しきい値の
    値と比較するステップ；（６０４）と、 （セ）該比較するステップ（ス）が、該現在の実時間性
    能データから導出された該目的関数が、予め定められた
    時間よりも長い間、上限しきい値よりも大きいか又は下
    限しきい値よりも小さいことを示す場合に、異常が存在
    すると定めるステップ；（６０４）と、からなる、こと
    を特徴とする、ネットワーク異常検出装置のためのコン
    ピュータ読み出し可能媒体。
  45. 【請求項４５】 トランザクション・ネットワーク（６
    ０１）上の異常を検出するネットワーク異常検出装置の
    ためにコンピュータシステム上で実行可能なコンピュー
    タプログラム命令を記憶する、コンピュータ読み出し可
    能媒体であって、該コンピュータプログラム命令が、処
    理ステップを定義する命令からなり、該トランザクショ
    ン・ネットワーク上でトランザクションが複数のサービ
    スクラスにおいて電子的に行われ、該トランザクション
    ・ネットワークが、各トランザクションについて、該ト
    ランザクションのサービスクラスと、該トランザクショ
    ンの開始時点と、該トランザクションの持続時間とから
    なるトランザクション・データを供給し、該コンピュー
    タプログラム命令が処理ステップを定義する命令からな
    り、 該処理ステップが、 （タ）或る特定のサービスクラスについての単位区間
    を、その特定のサービスクラスに連関する過去のトラン
    ザクション・データから定めるステップ；（６０２）
    と、 （チ）その単位区間を用い、その特定のサービスクラス
    に連関する現在のトランザクション・データから、単位
    区間内の或る与えられた時点における該トランザクショ
    ン・ネットワーク内のトラヒックを表す時間的トラヒッ
    ク密度を導出するステップ；（６０２）と、 （ツ）その単位区間を用い、その特定のサービスクラス
    に連関する該履歴トランザクション・データからその特
    定のサービスクラスについての時間変動する上限及び下
    限トラヒック密度しきい値を導出するステップ；（６０
    ５）と、 （テ）その特定のサービスクラスについて、該現在のト
    ランザクション・データから導出された該トラヒック密
    度を、該現在のトランザクション・データに連関する時
    点に時間的に対応する時点における該上限及び下限しき
    い値の値と比較するステップ；（６０４）と、 （ト）該現在のトランザクション・データから導出され
    た該トラヒック密度が、予め定められた時間よりも長い
    間、上限しきい値よりも上にあるか又は下限しきい値よ
    りも下にあることを、該比較するステップ（テ）が示す
    場合に、その特定のサービスクラスに異常が連関すると
    定めるステップ；（６０４）と、からなる、ことを特徴
    とする、ネットワーク異常検出装置のためのコンピュー
    タ読み出し可能媒体。
  46. 【請求項４６】 前記媒体において、前記命令が定義す
    る処理ステップが更に、 （ナ）或る特定のサービスクラスについての前記時間変
    動する上限及び下限トラヒック密度しきい値がそこから
    導出される履歴トランザクション・データを、そのサー
    ビスクラスに連関する、より最近のトランザクション・
    データを用いて更新するステップ；（６０３）と、 （ニ）該更新された履歴トランザクション・データから
    その特定のサービスクラスについての時間変動する上限
    及び下限トラヒック密度しきい値を再導出するステッ
    プ；（６０５）と、からなることを特徴とする請求項４
    ５の媒体。
  47. 【請求項４７】 前記媒体において、前記命令が定義す
    る処理ステップが更に、 （ヌ）前記履歴トランザクション・データを更新する前
    に、前記より最近のトランザクション・データから前記
    定められた異常の生成に連関するデータを除去するステ
    ップ；（６０３）からなることを特徴とする請求項４５
    の媒体。
JP2000193217A 1999-06-29 2000-06-27 ネットワーク異常検出方法及び装置 Abandoned JP2001057555A (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US09/342,587 US6597777B1 (en) 1999-06-29 1999-06-29 Method and apparatus for detecting service anomalies in transaction-oriented networks
US09/342587 1999-06-29

Publications (1)

Publication Number Publication Date
JP2001057555A true JP2001057555A (ja) 2001-02-27

Family

ID=23342456

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2000193217A Abandoned JP2001057555A (ja) 1999-06-29 2000-06-27 ネットワーク異常検出方法及び装置

Country Status (4)

Country Link
US (1) US6597777B1 (ja)
EP (1) EP1065827B1 (ja)
JP (1) JP2001057555A (ja)
DE (1) DE60000307T2 (ja)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004348740A (ja) * 2003-05-22 2004-12-09 Microsoft Corp 異常検出のための自己学習方法及びシステム
JP2008227578A (ja) * 2007-03-08 2008-09-25 Kochi Univ ネットワークシステム管理システム及びネットワーク管理運用方法
JP2008252427A (ja) * 2007-03-30 2008-10-16 Kyushu Univ 検出装置、検出方法、通信制御方法、履歴空間データ生産方法、及びこれらの方法をコンピュータに実行させることが可能なプログラム
JP2009027743A (ja) * 2002-03-25 2009-02-05 Digital Envoy Inc ジオインテリジェントトランフィックレポーター
JP2010124230A (ja) * 2008-11-19 2010-06-03 Fujitsu Ltd パケット配信の品質評価装置及び方法
JP2013041367A (ja) * 2011-08-12 2013-02-28 Ntt Comware Corp 運用管理装置、運用管理方法、及び運用管理プログラム
JP2018198417A (ja) * 2017-04-14 2018-12-13 ソーラーウインズ ワールドワイド エルエルシー ネットワーク状態評価

Families Citing this family (112)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6801945B2 (en) * 2000-02-04 2004-10-05 Yahoo ! Inc. Systems and methods for predicting traffic on internet sites
US20020106070A1 (en) * 2000-10-27 2002-08-08 Elsey Nicholas J. Technique for effectively capturing and processing event data
US7383191B1 (en) * 2000-11-28 2008-06-03 International Business Machines Corporation Method and system for predicting causes of network service outages using time domain correlation
GB0104973D0 (en) * 2001-02-28 2001-04-18 Nokia Networks Oy Quality of service monitor
US7657935B2 (en) 2001-08-16 2010-02-02 The Trustees Of Columbia University In The City Of New York System and methods for detecting malicious email transmission
US7424619B1 (en) * 2001-10-11 2008-09-09 The Trustees Of Columbia University In The City Of New York System and methods for anomaly detection and adaptive learning
US9306966B2 (en) 2001-12-14 2016-04-05 The Trustees Of Columbia University In The City Of New York Methods of unsupervised anomaly detection using a geometric framework
US8544087B1 (en) 2001-12-14 2013-09-24 The Trustess Of Columbia University In The City Of New York Methods of unsupervised anomaly detection using a geometric framework
US7225343B1 (en) 2002-01-25 2007-05-29 The Trustees Of Columbia University In The City Of New York System and methods for adaptive model generation for detecting intrusions in computer systems
AU2003219885B2 (en) * 2002-02-22 2007-06-14 Iplocks, Inc. Method and apparatus for monitoring a database system
WO2003084133A1 (en) * 2002-03-29 2003-10-09 Network Genomics, Inc. Forward looking infrastructure re-provisioning
FR2840485B1 (fr) * 2002-06-03 2004-12-03 Cit Alcatel Dispositif et procede de controle de profils, notamment de flux de donnees, dans un reseau de communications
US7337206B1 (en) * 2002-07-15 2008-02-26 Network Physics Method for detecting congestion in internet traffic
US7154886B2 (en) * 2002-07-22 2006-12-26 Qlogic Corporation Method and system for primary blade selection in a multi-module fiber channel switch
US7230929B2 (en) * 2002-07-22 2007-06-12 Qlogic, Corporation Method and system for dynamically assigning domain identification in a multi-module fibre channel switch
US7509229B1 (en) 2002-07-23 2009-03-24 Opnet Technologies, Inc. Bayesian approach to correlating network traffic congestion to performance metrics
US7334046B1 (en) 2002-08-05 2008-02-19 Qlogic, Corporation System and method for optimizing frame routing in a network
US7397768B1 (en) 2002-09-11 2008-07-08 Qlogic, Corporation Zone management in a multi-module fibre channel switch
US7362717B1 (en) 2002-10-03 2008-04-22 Qlogic, Corporation Method and system for using distributed name servers in multi-module fibre channel switches
US9503470B2 (en) 2002-12-24 2016-11-22 Fred Herz Patents, LLC Distributed agent based model for security monitoring and response
US8327442B2 (en) * 2002-12-24 2012-12-04 Herz Frederick S M System and method for a distributed application and network security system (SDI-SCAM)
US7355966B2 (en) * 2003-07-16 2008-04-08 Qlogic, Corporation Method and system for minimizing disruption in common-access networks
US7152132B2 (en) * 2003-07-16 2006-12-19 Qlogic Corporation Method and apparatus for improving buffer utilization in communication networks
US7388843B2 (en) * 2003-07-16 2008-06-17 Qlogic, Corporation Method and apparatus for testing loop pathway integrity in a fibre channel arbitrated loop
US7420982B2 (en) 2003-07-21 2008-09-02 Qlogic, Corporation Method and system for keeping a fibre channel arbitrated loop open during frame gaps
US7646767B2 (en) 2003-07-21 2010-01-12 Qlogic, Corporation Method and system for programmable data dependant network routing
US7406092B2 (en) 2003-07-21 2008-07-29 Qlogic, Corporation Programmable pseudo virtual lanes for fibre channel systems
US7430175B2 (en) 2003-07-21 2008-09-30 Qlogic, Corporation Method and system for managing traffic in fibre channel systems
US7894348B2 (en) 2003-07-21 2011-02-22 Qlogic, Corporation Method and system for congestion control in a fibre channel switch
US7352701B1 (en) 2003-09-19 2008-04-01 Qlogic, Corporation Buffer to buffer credit recovery for in-line fibre channel credit extension devices
US7103504B1 (en) * 2003-11-21 2006-09-05 Qlogic Corporation Method and system for monitoring events in storage area networks
US20050131937A1 (en) * 2003-12-15 2005-06-16 Parkyn Nicholas D. System and method for end-to-end management of service level events
US20050203881A1 (en) * 2004-03-09 2005-09-15 Akio Sakamoto Database user behavior monitor system and method
US7340167B2 (en) * 2004-04-23 2008-03-04 Qlogic, Corporation Fibre channel transparent switch for mixed switch fabrics
US7930377B2 (en) 2004-04-23 2011-04-19 Qlogic, Corporation Method and system for using boot servers in networks
US7617303B2 (en) 2004-04-27 2009-11-10 At&T Intellectual Property Ii, L.P. Systems and method for optimizing access provisioning and capacity planning in IP networks
US7669190B2 (en) 2004-05-18 2010-02-23 Qlogic, Corporation Method and system for efficiently recording processor events in host bus adapters
US10284571B2 (en) * 2004-06-28 2019-05-07 Riverbed Technology, Inc. Rule based alerting in anomaly detection
US7404020B2 (en) * 2004-07-20 2008-07-22 Qlogic, Corporation Integrated fibre channel fabric controller
US7676611B2 (en) * 2004-10-01 2010-03-09 Qlogic, Corporation Method and system for processing out of orders frames
US8295299B2 (en) 2004-10-01 2012-10-23 Qlogic, Corporation High speed fibre channel switch element
US20060085538A1 (en) * 2004-10-14 2006-04-20 Sbc Knowledge Ventures, L.P. System and method for enhanced network monitoring
FR2881009B1 (fr) * 2005-01-17 2007-04-20 Bouygues Telecom Sa Procede de detection d'evenements dans un reseau de telecommunications
US8400948B2 (en) * 2005-01-18 2013-03-19 Aspect Software Inc. Method and system for updating real-time data between intervals
US20060206419A1 (en) * 2005-03-10 2006-09-14 Peter Rosti Business process and user interfaces for money transfer
US20070078589A1 (en) * 2005-10-05 2007-04-05 Antonio Magnaghi Detecting anomalies internal to a network from traffic external to the network
US20070076611A1 (en) * 2005-10-05 2007-04-05 Fujitsu Limited Detecting anomalies from acceptable traffic affected by anomalous traffic
US8516104B1 (en) * 2005-12-22 2013-08-20 At&T Intellectual Property Ii, L.P. Method and apparatus for detecting anomalies in aggregated traffic volume data
US8018835B1 (en) * 2005-12-30 2011-09-13 At&T Intellectual Property Ii, L.P. Method and apparatus for analyzing service disruptions in a communication network
US7590513B2 (en) * 2006-01-30 2009-09-15 Nec Laboratories America, Inc. Automated modeling and tracking of transaction flow dynamics for fault detection in complex systems
US7548560B1 (en) 2006-02-27 2009-06-16 Qlogic, Corporation Method and system for checking frame-length in fibre channel frames
US7738377B1 (en) * 2006-05-22 2010-06-15 At&T Intellectual Property Ii, L.P. Method and apparatus for volumetric thresholding and alarming on internet protocol traffic
US7546223B2 (en) * 2006-06-07 2009-06-09 Ee Systems Group Inc. Process and system of energy signal detection
US7865584B2 (en) * 2006-06-20 2011-01-04 Alcatel Lucent Network service performance monitoring apparatus and methods
US7720954B2 (en) * 2006-08-03 2010-05-18 Citrix Systems, Inc. Method and appliance for using a dynamic response time to determine responsiveness of network services
US20080077932A1 (en) * 2006-09-25 2008-03-27 International Business Machines Corporation Mechanism for Automatically Managing the Resource Consumption of Transactional Workloads
CA2667627A1 (en) * 2006-10-25 2008-05-02 Ims Software Services, Ltd. A system and method for detecting anomalies in market data
US7613816B1 (en) 2006-11-15 2009-11-03 Qlogic, Corporation Method and system for routing network information
CN101175044B (zh) * 2007-12-05 2011-10-26 华为软件技术有限公司 信息流量许可控制方法及装置
US8472328B2 (en) * 2008-07-31 2013-06-25 Riverbed Technology, Inc. Impact scoring and reducing false positives
CA2768220A1 (en) * 2009-07-15 2011-01-20 Rockstar Bidco, LP Method and apparatus for telecommunications network performance anomaly events detection and notification
US8443107B2 (en) * 2009-11-11 2013-05-14 Digital Envoy, Inc. Method, computer program product and electronic device for hyper-local geo-targeting
WO2011139281A1 (en) * 2010-05-07 2011-11-10 Hewlett-Packard Development Company, L.P. Workload performance control
US9213978B2 (en) * 2010-09-30 2015-12-15 At&T Intellectual Property I, L.P. System and method for speech trend analytics with objective function and feature constraints
US8751436B2 (en) * 2010-11-17 2014-06-10 Bank Of America Corporation Analyzing data quality
US9049034B2 (en) * 2010-12-20 2015-06-02 Hewlett-Packard Development Company, L.P. Multicast flow monitoring
US20130061290A1 (en) * 2011-09-06 2013-03-07 Jacob Mendel System for securely performing a transaction
US10296409B2 (en) * 2012-05-15 2019-05-21 International Business Machines Corporation Forecasting workload transaction response time
US20140114442A1 (en) * 2012-10-22 2014-04-24 The Boeing Company Real time control system management
US9817884B2 (en) * 2013-07-24 2017-11-14 Dynatrace Llc Method and system for real-time, false positive resistant, load independent and self-learning anomaly detection of measured transaction execution parameters like response times
US9430273B2 (en) * 2014-02-27 2016-08-30 International Business Machines Corporation Suppressing aborting a transaction beyond a threshold execution duration based on the predicted duration
US10069900B2 (en) * 2014-08-05 2018-09-04 Oracle International Corporation Systems and methods for adaptive thresholding using maximum concentration intervals
CN104125013B (zh) * 2014-08-13 2017-02-22 烽火通信科技股份有限公司 无源光网络性能数据采集装置及处理方法
US20160148092A1 (en) * 2014-11-20 2016-05-26 Mastercard International Incorporated Systems and methods for determining activity level at a merchant location by leveraging real-time transaction data
US9531614B1 (en) * 2015-10-30 2016-12-27 AppDynamics, Inc. Network aware distributed business transaction anomaly detection
CN106656536B (zh) 2015-11-03 2020-02-18 阿里巴巴集团控股有限公司 一种用于处理服务调用信息的方法与设备
US10834110B1 (en) * 2015-12-18 2020-11-10 F5 Networks, Inc. Methods for preventing DDoS attack based on adaptive self learning of session and transport layers and devices thereof
US11113852B2 (en) 2016-02-29 2021-09-07 Oracle International Corporation Systems and methods for trending patterns within time-series data
US10699211B2 (en) 2016-02-29 2020-06-30 Oracle International Corporation Supervised method for classifying seasonal patterns
US10885461B2 (en) 2016-02-29 2021-01-05 Oracle International Corporation Unsupervised method for classifying seasonal patterns
US10331802B2 (en) 2016-02-29 2019-06-25 Oracle International Corporation System for detecting and characterizing seasons
US10198339B2 (en) 2016-05-16 2019-02-05 Oracle International Corporation Correlation-based analytic for time-series data
US11082439B2 (en) 2016-08-04 2021-08-03 Oracle International Corporation Unsupervised method for baselining and anomaly detection in time-series data for enterprise systems
US10635563B2 (en) 2016-08-04 2020-04-28 Oracle International Corporation Unsupervised method for baselining and anomaly detection in time-series data for enterprise systems
US10269236B2 (en) * 2016-09-06 2019-04-23 Honeywell International Inc. Systems and methods for generating a graphical representation of a fire system network and identifying network information for predicting network faults
US10949436B2 (en) 2017-02-24 2021-03-16 Oracle International Corporation Optimization for scalable analytics using time series models
US10915830B2 (en) 2017-02-24 2021-02-09 Oracle International Corporation Multiscale method for predictive alerting
US11038869B1 (en) 2017-05-12 2021-06-15 F5 Networks, Inc. Methods for managing a federated identity environment based on application availability and devices thereof
WO2018208314A1 (en) * 2017-05-12 2018-11-15 Visa International Service Association System and method for identifying and targeting financial devices to promote recurring transactions
US10817803B2 (en) 2017-06-02 2020-10-27 Oracle International Corporation Data driven methods and systems for what if analysis
US10621005B2 (en) 2017-08-31 2020-04-14 Oracle International Corporation Systems and methods for providing zero down time and scalability in orchestration cloud services
US11228503B2 (en) * 2017-12-08 2022-01-18 Nokia Solutions And Networks Oy Methods and systems for generation and adaptation of network baselines
US11368476B2 (en) * 2018-02-22 2022-06-21 Helios Data Inc. Data-defined architecture for network data management
US11481290B2 (en) * 2018-04-11 2022-10-25 Arm Limited Exception handling in transactions
US20190334759A1 (en) * 2018-04-26 2019-10-31 Microsoft Technology Licensing, Llc Unsupervised anomaly detection for identifying anomalies in data
US10963346B2 (en) 2018-06-05 2021-03-30 Oracle International Corporation Scalable methods and systems for approximating statistical distributions
US10997517B2 (en) 2018-06-05 2021-05-04 Oracle International Corporation Methods and systems for aggregating distribution approximations
US12001926B2 (en) 2018-10-23 2024-06-04 Oracle International Corporation Systems and methods for detecting long term seasons
US11138090B2 (en) 2018-10-23 2021-10-05 Oracle International Corporation Systems and methods for forecasting time series with variable seasonality
US11102092B2 (en) * 2018-11-26 2021-08-24 Bank Of America Corporation Pattern-based examination and detection of malfeasance through dynamic graph network flow analysis
US11276064B2 (en) 2018-11-26 2022-03-15 Bank Of America Corporation Active malfeasance examination and detection based on dynamic graph network flow analysis
JP7113238B2 (ja) * 2018-12-28 2022-08-05 パナソニックＩｐマネジメント株式会社 電子制御装置、電子制御システムおよびプログラム
US10326676B1 (en) * 2019-01-08 2019-06-18 Extrahop Networks, Inc. Automated risk assessment based on machine generated investigation
US10855548B2 (en) * 2019-02-15 2020-12-01 Oracle International Corporation Systems and methods for automatically detecting, summarizing, and responding to anomalies
CN111866924B (zh) * 2019-04-25 2022-12-16 中国移动通信集团安徽有限公司 性能指标监控方法、装置、计算设备及计算机存储介质
US11533326B2 (en) 2019-05-01 2022-12-20 Oracle International Corporation Systems and methods for multivariate anomaly detection in software monitoring
US11537940B2 (en) 2019-05-13 2022-12-27 Oracle International Corporation Systems and methods for unsupervised anomaly detection using non-parametric tolerance intervals over a sliding window of t-digests
US11887015B2 (en) 2019-09-13 2024-01-30 Oracle International Corporation Automatically-generated labels for time series data and numerical lists to use in analytic and machine learning systems
US11349981B1 (en) 2019-10-30 2022-05-31 F5, Inc. Methods for optimizing multimedia communication and devices thereof
US11502894B2 (en) 2020-11-10 2022-11-15 Accenture Global Solutions Limited Predicting performance of a network order fulfillment system
US12019616B2 (en) * 2022-01-24 2024-06-25 Dell Products L.P. Evaluation framework for anomaly detection using aggregated time-series signals
CN116611797B (zh) * 2023-07-20 2023-10-13 杭银消费金融股份有限公司 业务跟踪及监控方法、系统与存储介质

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0503784B1 (en) * 1991-03-12 1998-06-10 Hewlett-Packard Company Hypothesis and conclusion method to diagnose data communication network
CA2116278C (en) * 1993-03-01 2000-07-25 Robert O. Quinn Graphical interface for cellular system
US5659593A (en) * 1994-11-30 1997-08-19 Lucent Technologies Inc. Detection of deviations in monitored patterns
AU692369B2 (en) 1995-02-02 1998-06-04 Aprisma Management Technologies, Inc. Method and apparatus for learning network behavior trends and predicting future behavior of communications networks
US5699403A (en) * 1995-04-12 1997-12-16 Lucent Technologies Inc. Network vulnerability management apparatus and method

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009027743A (ja) * 2002-03-25 2009-02-05 Digital Envoy Inc ジオインテリジェントトランフィックレポーター
JP2011091837A (ja) * 2002-03-25 2011-05-06 Digital Envoy Inc ジオインテリジェントトランフィックレポーター
JP2011101382A (ja) * 2002-03-25 2011-05-19 Digital Envoy Inc ジオインテリジェントトランフィックレポーター
JP4724214B2 (ja) * 2002-03-25 2011-07-13 デジタル エンボイ， インコーポレイテッド ジオインテリジェントトランフィックレポーター
JP2004348740A (ja) * 2003-05-22 2004-12-09 Microsoft Corp 異常検出のための自己学習方法及びシステム
JP2008227578A (ja) * 2007-03-08 2008-09-25 Kochi Univ ネットワークシステム管理システム及びネットワーク管理運用方法
JP2008252427A (ja) * 2007-03-30 2008-10-16 Kyushu Univ 検出装置、検出方法、通信制御方法、履歴空間データ生産方法、及びこれらの方法をコンピュータに実行させることが可能なプログラム
JP2010124230A (ja) * 2008-11-19 2010-06-03 Fujitsu Ltd パケット配信の品質評価装置及び方法
JP2013041367A (ja) * 2011-08-12 2013-02-28 Ntt Comware Corp 運用管理装置、運用管理方法、及び運用管理プログラム
JP2018198417A (ja) * 2017-04-14 2018-12-13 ソーラーウインズ ワールドワイド エルエルシー ネットワーク状態評価
JP7123590B2 (ja) 2017-04-14 2022-08-23 ソーラーウインズ ワールドワイド エルエルシー ネットワーク状態評価

Also Published As

Publication number Publication date
EP1065827A1 (en) 2001-01-03
US6597777B1 (en) 2003-07-22
EP1065827B1 (en) 2002-08-07
DE60000307T2 (de) 2003-04-10
DE60000307D1 (de) 2002-09-12

Similar Documents

Publication Publication Date Title
JP2001057555A (ja) ネットワーク異常検出方法及び装置
US8099379B2 (en) Performance evaluating apparatus, performance evaluating method, and program
US8270579B2 (en) Methods, computer program products, and systems for managing voice over internet protocol (VOIP) network elements
US8010840B2 (en) Generation of problem tickets for a computer system
US7525422B2 (en) Method and system for providing alarm reporting in a managed network services environment
US7428300B1 (en) Diagnosing fault patterns in telecommunication networks
US8700761B2 (en) Method and system for detecting and managing a fault alarm storm
CN100388693C (zh) 根据服务水平协议对服务质量进行监测的方法和系统
US20080130645A1 (en) Methods and Apparatus for Instability Detection in Inter-Domain Routing
US20160283307A1 (en) Monitoring system, monitoring device, and test device
US20050193225A1 (en) System and method for automatic recovery from fault conditions in networked computer services
CN106487612A (zh) 一种服务器节点监控方法、监控服务器及系统
EP3479525A1 (en) Predicting problem events from machine data
US20040006619A1 (en) Structure for event reporting in SNMP systems
JP2007148940A (ja) 電気事故情報提供システム、電気事故情報提供方法、および、電気事故情報提供プログラム
CN114783121B (zh) 自助设备的故障处理方法、装置、设备及可读存储介质
CN115174350B (zh) 一种运维告警方法、装置、设备及介质
KR20190047809A (ko) Ict 장비 관리 시스템 및 방법
KR101078461B1 (ko) 고객 고장 신고 정보를 이용한 네트워크 장애 감시 시스템과 그 방법
KR100933991B1 (ko) 네트워크 장애 관리 시스템 및 그 방법
CN115643162A (zh) 一种系统故障域定位方法和系统、电子设备、存储介质
Ho et al. Adaptive network/service fault detection in transaction-oriented wide area networks
JP2001014188A (ja) 監視システム
CN118264548B (zh) 一种计算机安全运维服务系统
CN113438117B (zh) 网元工单的处理方法及装置、存储介质、电子设备

Legal Events

Date Code Title Description
A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20050722

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20050802

A762 Written abandonment of application

Free format text: JAPANESE INTERMEDIATE CODE: A762

Effective date: 20051102