KR102221052B1 - Ｓｄｎ 오픈플로우 프로토콜을 지원하는 네트워크 장비의 장애처리 시스템 - Google Patents

Ｓｄｎ 오픈플로우 프로토콜을 지원하는 네트워크 장비의 장애처리 시스템 Download PDF

Info

Publication number
KR102221052B1
KR102221052B1 KR1020200163694A KR20200163694A KR102221052B1 KR 102221052 B1 KR102221052 B1 KR 102221052B1 KR 1020200163694 A KR1020200163694 A KR 1020200163694A KR 20200163694 A KR20200163694 A KR 20200163694A KR 102221052 B1 KR102221052 B1 KR 102221052B1
Authority
KR
South Korea
Prior art keywords
switch
network
data
client
router
Prior art date
Application number
KR1020200163694A
Other languages
English (en)
Inventor
윤동권
Original Assignee
윤동권
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 윤동권 filed Critical 윤동권
Priority to KR1020200163694A priority Critical patent/KR102221052B1/ko
Priority to US17/117,315 priority patent/US11611488B2/en
Priority to CN202011488303.4A priority patent/CN114640573B/zh
Application granted granted Critical
Publication of KR102221052B1 publication Critical patent/KR102221052B1/ko

Links

Images

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
    • H04L41/06—Management of faults, events, alarms or notifications
    • H04L41/0654—Management of faults, events, alarms or notifications using network fault recovery
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L49/00—Packet switching elements
    • H04L49/25—Routing or path finding in a switch fabric
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/24323—Tree-organised classifiers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • H04L41/02—Standardisation; Integration
    • H04L41/0213—Standardised network management protocols, e.g. simple network management protocol [SNMP]
    • 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
    • H04L41/0631—Management of faults, events, alarms or notifications using root cause analysis; using analysis of correlation between notifications, alarms or events based on decision criteria, e.g. hierarchy, tree or time analysis
    • 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
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/40—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks using virtualisation of network functions or resources, e.g. SDN or NFV entities
    • 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
    • H04L43/20—Arrangements for monitoring or testing data switching networks the monitoring system or the monitored elements being virtualised, abstracted or software-defined entities, e.g. SDN or NFV
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06N20/20—Ensemble learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

본 발명은 SDN 오픈플로우 프로토콜을 지원하는 네트워크 장비의 장애처리 시스템에 관한 것이다. 본 발명은, 클라이언트(40)와 연결된 네트워크 장비인 L2 스위치(20) 또는 라우터(30); 및 클라이언트(40)와 연결된 네트워크 장비인 L2 스위치(20) 또는 라우터(30)에 네트워크 장애의 발생시 L2 스위치(20) 및 라우터(30)에 설치된 SNMP 에이전트(SNMP Agent)가 네트워크상에서 발생한 장애의 유형을 판단하기 위해, 과거의 데이터로부터 학습한 내용을 바탕으로 현 장애를 복구하기 위하여 시나리오별 처리 명령 요청을 제공받는 SDN 컨트롤러(Software Defined Network Controller, 100); 를 포함하는 것을 특징으로 할 수 있다.
이에 의해, 네트워크 장애에 대한 자동대응으로 인한 실시간 장애 대응으로 서비스 질을 향상시킬 뿐만 아니라, 자동대응으로 정확한 장애 극복이 가능한 효과를 제공한다.

Description

ＳＤＮ 오픈플로우 프로토콜을 지원하는 네트워크 장비의 장애처리 시스템{Fault Management System for SDN Network Equipment that supports open flow protocol}
본 발명은 SDN 오픈플로우 프로토콜을 지원하는 네트워크 장비의 장애처리 시스템에 관한 것으로, 보다 구체적으로는, 네트워크상 오류 발생시 장애 감지 및 이에 대한 과거 데이터를 통해 학습한 결과를 바탕으로 장애처리에 대한 단계별 접근이 자동적으로 가능하게 하도록 하기 위한 SDN 오픈플로우 프로토콜을 지원하는 네트워크 장비의 장애처리 시스템에 관한 것이다.
현재의 네트워크 시스템의 장애극복은 중앙집중식의 네트워크 관리 센터(Network Management Center)의 전문요원이 장애를 시각 또는 청각으로 인지하고 이를 복구하기 위하여 정해진 절차에 따라 장애처리를 한다.
전문요원의 기술적 경험과 역량에 따라 최소 몇 십분(통상 30분)에서 최대 몇 시간까지의 장애처리를 위한 시간이 소요된다.
한편, 전문요원 간 이견이 발생 시 문제 해결에 시간이 더 소요되며, 이때 인간의 실수가 개입되면 한 지점의 장애가 네트워크 전체에 영향을 미치는 한계점이 있어 왔다.
대한민국 특허출원 출원번호 제10-2015-0016862호 "스마트 리마인더 시스템, 이를 이용한 학습 리마인드 방법" 대한민국 특허출원 출원번호 제10-2015-0016862호 "학습내용 제공서버와 학습내용표시기 및 학습내용 전달 프로그램을 이용한 인터넷 기반 자동학습 시스템"
본 발명은 상기의 문제점을 해결하기 위한 것으로, 네트워크 장애에 대한 자동 대응으로 인한 실시간 장애 대응으로 서비스 질을 향상시키도록 하기 위한 SDN 오픈플로우 프로토콜을 지원하는 네트워크 장비의 장애처리 시스템을 제공하기 위한 것이다.
또한, 본 발명은 자동대응으로 정확한 장애 극복이 가능한 효과를 제공하도록 하기 위한 SDN 오픈플로우 프로토콜을 지원하는 네트워크 장비의 장애처리 시스템을 제공하기 위한 것이다.
그러나 본 발명의 목적들은 상기에 언급된 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
상기의 목적을 달성하기 위해 본 발명의 실시 예에 따른 SDN 오픈플로우 프로토콜을 지원하는 네트워크 장비의 장애처리 시스템은, 서버(10), L2 스위치(20), 라우터(30), 클라이언트(40), SDN 컨트롤러(Software Defined Network Controller)(100), 그리고 KSB 프레임워크 코어(Knowledge-converged Super Brain Framework Core)(110)를 포함하는 SDN 오픈플로우 프로토콜을 지원하는 네트워크 장비의 장애처리 시스템(1)에 있어서, 호스트에 해당하는 서버(10) 및 클라이언트(40)는 각각 L2 스위치(20)에 연결되며, 서버(10) 및 클라이언트(40) 각각은 네트워크를 통해 다른 클라이언트 또는 서버에 보내기 위한 패킷을 생성하며, 생성된 패킷을 네트워크 인터페이스를 통해 L2 스위치(20) 및 라우터(30)를 통해 상대방 노드로 전송하며, L2 스위치(20)는, 네트워크에서 사용되는 네트워크 장비로 MAC 주소로 장비들을 구분하여 통신을 가능하게 하는 스위치이며, 서버(10) 및 클라이언트(40)와 연결되며, 라우터(30)는, 네트워크에서 사용되는 네트워크 장비로 L2 스위치(20)와 연결된 구조를 가지며, SDN 컨트롤러(100)는, 라우터(30)를 관리하는 기능을 하는 것으로 한 개 이상의 라우터(30)를 중앙 집중형으로 관리 및 제어하며, 토폴로지 관리(Topology management), 패킷 처리와 관련된 경로 관리(Path management), 링크 디스커버리(Link discovery), 패킷 흐름인 플로우 관리(Flow management) 기능을 하는 소프트웨어가 탑재되며, L2 스위치(20)가 온/오프될 때마다 스위치의 스펙, 상태 및 포트 정보에 대한 정보를 저장장치에 기록하고, 포트나 링크 상태 변경에 대한 정보를 저장장치에 기록하며, 라우터(30)에 대한 제어를 위한 라우팅 경로 설정을 위해 L2 스위치 정보, 링크 정보를 저장장치에서 조회하고, 라우팅의 경로 설정 후에는 설정된 경로 정보를 저장장치에 기록하며, 클라이언트(40)와 연결된 네트워크 장비인 L2 스위치(20) 또는 라우터(30)에 네트워크 장애의 발생시 네트워크상에서 발생한 장애의 유형을 판단하기 위해, 표준 SNMP MIB(Management Information Base)을 활용하고 네트워크 장비에 해당하는 L2 스위치(20) 및 라우터(30)에 설치된 SNMP 에이전트(SNMP Agent)로부터 과거의 데이터를 학습한 내용을 바탕으로 현 장애를 복구하기 위한 시나리오별 처리 명령 요청을 제공받은 SDN 컨트롤러(100)는, 오픈플로우 프로토콜(Open Flow Protocol) 방식에 따른 제어 경로(Control Path)를 통해 문제가 발생한 클라이언트(40) 측에 형성된 네트워크 장비인 라우터(30) 및 L2 스위치(20)에게, SDN 컨트롤러(100)와는 별도의 모듈 형태로 형성되거나 서버(10)에 형성가능한 KSB 프레임워크 코어(110)가 KSB 프레임워크 코어(110)가 분석한 시나리오에 근거한 명령을 제공하며, SDN 컨트롤러(100)에 의해 제공된 시나리오에 근거한 명령으로는 1) 긴급우회로 확보, 2) 대체 경로를 확보, 3) 복구 시나리오인 Port 분리 및 Reset, 4) 시스템 전체 재부팅(Rebooting)을 포함하며, SDN 컨트롤러(100)는, 클라이언트(40) 측에 형성된 L2 스위치(20)와 라우터(30)가 연결된 2개의 통신 라인 중 제 1 통신 라인(#1)의 에러(Error) 발생율이 증가하고, 과거의 데이터상 현재 한달 마감을 하기 시작하여 트래픽(Traffic) 폭주 및 지연시 클라이언트(Client) 불편 및 손해 발생으로 KSB 프레임워크 코어(110)에 의해 시나리오 정보를 제공받으며, KSB 프레임워크 코어(110)에 의해 제공되는 알고리즘은 L2 스위치(20)에게 제 1 통신 라인(#1)에서 제 2 통신 라인(#2)으로 절체할 것을 L2 스위치(20)로 지시함으로써, L2 스위치(20)가 제 1 통신 라인(#1)과의 링크를 끊고, 제 2 통신 라인(#2)과의 링크 서비스를 형성함에 있어서, 클라이언트(40) 측에 형성된 L2 스위치(20)와 라우터(30)가 연결된 2개의 통신 라인 중 제 1 통신 라인(#1)의 에러율이 증가하고, 과거의 데이터상 지금은 휴일이고 트래픽 미리 설정된 임계치 이하임을 KSB 프레임워크 코어(110)에 의해 시나리오 정보를 제공받되, KSB 프레임워크 코어(110)에 의해 제공되는 알고리즘은 L2 스위치(20)에게 제 1 통신 라인(#1)에 해당하는 제 1 포트(Port)에 대한 리셋(reset)을 지시하고, 제 1 포트가 정상으로 회복되는 경우 서비스 진행하고, 제 1 포트에 해당하는 제 1 통신 라인(#1)이 정상으로 돌아오지 못하는 경우, L2 스위치(20)에게 제 1 통신 라인(#1)에서 제 2 통신 라인(#2)으로 절체할 것을 L2 스위치(20)로 지시함으로써, L2 스위치(20)에 의해 제 1 통신 라인(#1)과의 링크를 끊고, 제 2 통신 라인(#2)과의 링크 서비스를 형성하며, KSB 프레임워크 코어(110)는, 클라이언트(400) 상에서의 대응 시나리오를 생성하여 네트워크 대응 시나리오를 SDN 컨트롤러(100)로 제공함으로써, 시나리오의 구체성을 향상시키며, 클라이언트(400) 상에서 소스 데이터에 대한 데이터 적재, 데이터 처리, 비식별 처리에 따른 데이터 처리 과정을 수행하되, 비식별 처리에 있어서 소스 데이터에 대한 SDN 컨트롤러(100)의 태깅에 따라 생성된 태깅 정보에 대해서 별도로 처리를 수행할 수 있는데, 소스 데이터는 태깅에 의해 주요 소스 데이터와 파일 시스템 메타 데이터, 로그 데이터로 구분되므로, 태깅 정보로 분류된 데이터 구분을 별도로 처리하여 각 주요 소스 데이터와, 그 밖의 메타 데이터, 로그 데이터로 구분된 각 태깅 정보별 시나리오도 함께 진단하며, KSB 프레임워크 코어(110)는, SDN(Software Defined Network) 시스템 구현 기술 및 오픈플로우 프로토콜(OpenFlow Protocol) 구현 기술을 통해 컨트롤러 시스템을 구축하고, 오픈플로우 프로토콜(openflow protocol)을 지원하는 네트워크 장비를 제어함에 있어서, 상태정보를 얻기 위하여 표준 SNMP MIB(Management Information Base)을 활용하고 네트워크 장비에 해당하는 L2 스위치(20) 및 라우터(30)에 설치된 SNMP 에이전트(SNMP Agent)를 통해 네트워크 장애 이벤트(Event)에 대한 정보를 획득하고, 빅데이터 기반으로 과거의 데이터를 포함 시간적 의미를 가지는 데이터로 데이터 베이스 구축하며, 저장된 데이터에 라벨링을 하여, 학습된 모델을 생성하고, 학습된 모델에 실데이터를 입력하여 평가하고, 평가된 시스템을 적용함으로써, 네트워크뿐만 아니라 성능이 시간적 변화에 연관이 있는 분야에 과거 추이를 바탕으로 미래를 예측하고 예측한 결과를 바탕으로 대응책을 마련하는 것을 특징으로 한다.
삭제
본 발명의 실시예에 따른 SDN 오픈플로우 프로토콜을 지원하는 네트워크 장비의 장애처리 시스템은, 장애에 대한 자동대응으로 인한 실시간 장애 대응으로 서비스 질을 향상시키도록 하는 효과를 제공한다.
뿐만 아니라, 본 발명의 다른 실시예에 따른 SDN 오픈플로우 프로토콜을 지원하는 네트워크 장비의 장애처리 시스템은, 자동대응으로 정확한 장애 극복이 가능한 효과를 제공한다.
도 1은 본 발명의 실시예에 따른 SDN 오픈플로우 프로토콜을 지원하는 네트워크 장비의 장애처리 시스템을 나타내는 도면이다.
도 2는 본 발명의 실시예에 따른 SDN 오픈플로우 프로토콜을 지원하는 네트워크 장비의 장애처리 시스템의 동작 과정을 설명하기 위한 도면이다.
이하, 본 발명의 바람직한 실시예의 상세한 설명은 첨부된 도면들을 참조하여 설명할 것이다. 하기에서 본 발명을 설명함에 있어서, 관련된 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다.
본 명세서에 있어서는 어느 하나의 구성요소가 다른 구성요소로 데이터 또는 신호를 '전송'하는 경우에는 구성요소는 다른 구성요소로 직접 상기 데이터 또는 신호를 전송할 수 있고, 적어도 하나의 또 다른 구성요소를 통하여 데이터 또는 신호를 다른 구성요소로 전송할 수 있음을 의미한다.
도 1은 본 발명의 실시예에 따른 SDN 오픈플로우 프로토콜을 지원하는 네트워크 장비의 장애처리 시스템(1)을 나타내는 도면이다. 도 2는 본 발명의 실시예에 따른 SDN 오픈플로우 프로토콜을 지원하는 네트워크 장비의 장애처리 시스템(1)의 동작 과정을 설명하기 위한 도면이다.
먼저, 도 1을 참조하면, SDN 오픈플로우 프로토콜을 지원하는 네트워크 장비의 장애처리 시스템(1)은 서버(10), L2 스위치(20), 라우터(30), 클라이언트(40), SDN 컨트롤러(Software Defined Network Controller)(100), 그리고 도 2에서의 KSB 프레임워크 코어(Knowledge-converged Super Brain Framework Core)(110)를 포함할 수 있다.
호스트에 해당하는 서버(10) 및 클라이언트(40)는 각각 L2 스위치(20)에 연결된 것이다. 서버(10) 및 클라이언트(40)는 네트워크를 통해 다른 클라이언트 또는 서버에 보내기 위한 패킷을 생성할 수 있다.
서버(10) 및 클라이언트(40)는 생성된 패킷을 네트워크 인터페이스를 통해 L2 스위치(20) 및 라우터(30)를 통해 대상 서버 및 클라이언트로 전송할 수 있다.
여기서, L2 스위치(20)는 네트워크에서 사용되는 네트워크 장비로 MAC 주소로 장비들을 구분하여 통신을 가능하게 하는 스위치를 의미하며, 상술한 바와 같이 서버(10) 및 클라이언트(40)와 연결될 수 있다. 한편 본 발명과 관련하여, L2 스위치(20)는 오픈플로우 프로토콜을 지원받을 수 있음을 전제로 할 수 있다.
한편, 라우터(30)는 네트워크에서 사용되는 네트워크 장비로 L2 스위치(20)와 연결될 수 있다.
이상에서 설명한 서버(10), L2 스위치(20), 라우터(30) 및 클라이언트(40)는 네트워크에서는 일반적인 것으로 공지된 내용인 바, 구체적인 설명은 생략하도록 한다.
SDN 컨트롤러(100)는 라우터(30)를 관리하는 기능을 하는 것으로 한개 이상의 라우터(30)를 중앙 집중형으로 관리 및 제어할 수 있다.
구체적으로 SDN 컨트롤러(100)는 토폴로지 관리(Topology management), 패킷 처리와 관련된 경로 관리(Path management), 링크 디스커버리(Link discovery), 패킷 흐름인 플로우 관리(Flow management) 등의 기능을 하는 소프트웨어가 탑재된 형태로 구현될 수 있다.
한편, SDN 컨트롤러(100)는 L2 스위치(20)가 온/오프될 때마다 스위치의 스펙, 상태, 포트 정보 등에 대한 정보를 저장장치에 기록하고, 포트나 링크 상태 변경에 대한 정보를 저장장치에 기록할 수 있다. 또한, SDN 컨트롤러(100)는 라우터(30)에 대한 제어를 위한 라우팅 경로 설정을 위해 L2 스위치 정보, 링크 정보 등을 저장장치에서 조회하고, 라우팅의 경로 설정 후에는 해당 경로 정보를 저장장치에 기록할 수 있다.
이러한 구성을 통해 클라이언트(40)와 연결된 네트워크 장비인 L2 스위치(20) 또는 라우터(30)에 네트워크 장애의 발생시 네트워크상에서 발생한 장애의 유형을 판단하기 위해, 과거의 데이터로부터 학습한 내용을 바탕으로 현 장애를 복구하기 위하여 시나리오별 처리 명령 요청을 SDN 컨트롤러(Software Defined Network Controller, 100)로 제공할 수 있다.
명령을 받은 SDN 컨트롤러(100)는 오픈플로우 프로토콜(Open Flow Protocol) 방식에 따른 제어 경로(Control Path)를 통해 해당 문제가 발생한 클라이언트(40) 측에 형성된 네트워크 장비인 라우터(30) 및 L2 스위치(20)에게 KSB 프레임워크 코어(110)가 분석한 시나리오에 근거한 명령을 제공할 수 있다.
SDN 컨트롤러(100)에 의해 제공된 시나리오에 근거한 명령으로는 1) 긴급우회로 확보, 2) 대체 경로를 확보, 3) 가장 낮은 우선순위 복구 시나리오인 Port 분리 및 Reset, 4) 시스템 전체 재부팅(Rebooting) 등일 수 있다.
보다 구체적인 시나리오에 근거한 명령에 대해서 살펴보면, SDN 컨트롤러(100)는 도 1에서 클라이언트(40) 측에 형성된 L2 스위치(20)와 라우터(30)가 연결된 2개의 통신 라인 중 제 1 통신 라인(#1)의 에러(Error) 발생율이 증가하고, 과거의 데이터상 현재 한달 마감을 하기 시작하여 트래픽(Traffic) 폭주 및 지연시 클라이언트(Client) 불편 및 손해 발생으로 KSB 프레임워크 코어(110)에 의해 시나리오 정보를 제공받을 수 있다. 이에 따라, KSB 프레임워크 코어(110)에 의해 제공되는 알고리즘은 L2 스위치(20)에게 제 1 통신 라인(#1)에서 제 2 통신 라인(#2)으로 절체할 것을 L2 스위치(20)로 지시할 수 있다. 결과적으로 L2 스위치(20)는 제 1 통신 라인(#1)과의 링크를 끊고, 제 2 통신 라인(#2)과의 링크 서비스를 형성할 수 있다.
다른 시나리오에 근거한 명령에 대해서 살펴보면, SDN 컨트롤러(100)는 도 1에서의 클라이언트(40) 측에 형성된 L2 스위치(20)와 라우터(30)가 연결된 2개의 통신 라인 중 제 1 통신 라인(#1)의 에러율이 증가하고, 과거의 데이터상 지금은 휴일이고 트래픽 거의 없음을 KSB 프레임워크 코어(110)에 의해 시나리오 정보를 제공받을 수 있다. 이에 따라, KSB 프레임워크 코어(110)에 의해 제공되는 알고리즘은 L2 스위치(20)에게 제 1 통신 라인(#1)에 해당하는 제 1 포트(Port)에 대한 리셋(reset)을 지시할 수 있다. 그리고, KSB 프레임워크 코어(110)에 의해 제공되는 알고리즘은 제 1 포트가 정상으로 회복되는 경우 서비스 진행할 수 있다. 반대로, KSB 프레임워크 코어(110)에 의해 제공되는 알고리즘은 제 1 포트에 해당하는 제 1 통신 라인(#1)이 정상으로 돌아오지 못하는 경우, L2 스위치(20)에게 제 1 통신 라인(#1)에서 제 2 통신 라인(#2)으로 절체할 것을 L2 스위치(20)로 지시할 수 있다. 결과적으로 L2 스위치(20)는 제 1 통신 라인(#1)과의 링크를 끊고, 제 2 통신 라인(#2)과의 링크 서비스를 형성할 수 있다.
상술한 시나리오 제공 예시와 같이 SDN 컨트롤러(100)는 별도의 모듈 형태로 형성되거나 서버(10) 등에 형성가능한 KSB 프레임워크 코어(110)의 도움을 받는다.
즉, KSB 프레임워크 코어(110)는 클라이언트(400) 상에서, 도 2와 같은 소스 데이터에 대한 데이터 적재, 데이터 처리, 비식별 처리에 따른 데이터 처리 과정을 수행할 수 있다. 이후, KSB 프레임워크 코어(110)는 각 소스 데이터의 분류별로 트레이닝 데이터 및 트레이닝 모델을 이용한 Spak ML 기반 기계학습, 자동기계학습(AutoML), 분산학습 클러스터 중 적어도 하나 이상의 학습 과정에 따른 모델 선택 과정을 수행할 수 있다.
이후, KSB 프레임워크 코어(110)는 각 소스 데이터별로 선택된 모델을 이용한 기계학습/딥러닝, On-demand 서빙, 스트림 서빙 중 하나에 따른 장애 예측 과정을 수행함으로써, 대응 시나리오를 생성하여 네트워크 대응 시나리오를 SDN 컨트롤러(100)로 제공함으로써, 시나리오의 구체성을 향상시킬 수 있다.
여기서, 비식별 처리는 소스 데이터에 대한 SDN 컨트롤러(100)의 태깅에 따라 생성된 태깅 정보에 대해서 별도로 처리를 수행할 수 있는데, 소스 데이터는 태깅에 의해 주요 소스 데이터와 파일 시스템 메타 데이터, 로그 데이터 등으로 구분될 수 있다. 이에 대해서 KSB 프레임워크 코어(110)는 태깅 정보로 분류된 데이터 구분 별도로 처리하여 각 주요 소스 데이터와, 그 밖의 메타 데이터, 로그 데이터 등으로 구분된 각 태깅 정보별 시나리오도 함께 진단할 수 있다.
또한, 본 발명의 다른 실시예로 비식별 처리는 데이터 적재, 데이터 처리시에 발생한 네트워크 오류의 종류 유형일 수 있다.
이에 따라, KSB 프레임워크 코어(110)는 과거의 클라이언트(40)에 대한 데이터를 가지고 머신러닝의 선형 회귀(Linear Regression) 모델을 바탕으로 학습시킨 네트워크 모델을 이용하여, 시간정보를 가지는 장애가 보고 되는 경우, 이에 대한 대응 시나리오를 생성하여 SND 컨트롤러(100)에 제공할 수 있다.
여기서, 머신러닝의 선형 회귀(Linear Regression) 모델에 있어서, KSB 프레임워크 코어(110)는 오류의 유형별로 분산 저장된 수집 데이터를 머신러닝 알고리즘을 통해 분석하고 상태 관리 시나리오 명령을 내릴 수 있다.
보다 구체적으로, KSB 프레임워크 코어(110)에서 사용되는 머신러닝 알고리즘은 결정 트리(DT, Decision Tree) 분류 알고리즘, 랜덤 포레스트 분류 알고리즘, SVM(Support Vector Machine) 분류 알고리즘 중 하나일 수 있다.
KSB 프레임워크 코어(110)는 분산 파일 프로그램에 의해 DCS DB에 분산 저장된 수집 데이터를 분석하여 그 분석한 결과로 다수의 특징 정보를 추출하고 추출된 특징 정보를 복수의 머신러닝 알고리즘 중 적어도 하나 이상을 이용하여 학습하여 학습한 결과로 이상 상태 여부를 판단할 수 있다.
즉, KSB 프레임워크 코어(110)는 상태 여부 판단 결과의 정확도 향상을 위해 다수의 상호 보완적인 머신러닝 알고리즘들로 구성된 앙상블 구조를 적용할 수 있다.
결정 트리 분류 알고리즘은 트리 구조로 학습하여 결과를 도출하는 방식으로 결과 해석 및 이해가 용이하고, 데이터 처리 속도가 빠르며 탐색 트리 기반으로 룰 도출이 가능할 수 있다. DT(Descision Tree)의 낮은 분류 정확도를 개선하기 위한 방안으로 RF(Random Foreset)를 적용할 수 있다. 랜덤 포레스트 분류 알고리즘은 다수의 DT를 앙상블로 학습한 결과를 도축하는 방식으로, DT보다 결과 이해가 어려우나 DT보다 결과 정확도가 높을 수 있다. DT 또는 RF 학습을 통해 발생 가능한 과적합의 개선 방안으로 SVM(Support Vector Machine)을 적용할 수 있다. SVM 분류 알고리즘은 서로 다른 분류에 속한 데이터를 평면 기반으로 분류하는 방식으로, 일반적으로 높은 정확도를 갖고, 구조적으로 과적합(overfitting)에 낮은 민감도를 가질 수 있다.
이러한 본 발명에 따른 머신러닝 기술을 활용한 SDN 오픈플로우 프로토콜(OpenFlow)를 지원하는 네트워크 장비의 장애처리 시스템(1)의 KSB 프레임워크 코어(110)는 SDN(Software Defined Network) 시스템 구현 기술 및 오픈플로우 프로토콜(OpenFlow Protocol) 구현 기술을 통해 컨트롤러 시스템을 구축하고, 오픈플로우 프로토콜(openflow protocol)을 지원하는 네트워크 장비를 제어할 수 있다.
여기서, KSB 프레임워크 코어(110)는 상태정보를 얻기 위하여 표준 SNMP MIB(Management Information Base)을 활용하고 네트워크 장비에 해당하는 L2 스위치(20) 및 라우터(30)에 설치된 SNMP 에이전트(SNMP Agent)를 통해 네트워크 장애 이벤트(Event)에 대한 정보를 획득할 수 있다.
이후, KSB 프레임워크 코어(110)는 빅데이터 기반으로 과거의 데이터를 포함 시간적 의미를 가지는 데이터로 데이터 베이스 구축할 수 있다.
그리고, KSB 프레임워크 코어(110)는 저장된 데이터에 라벨링을 하여, 알고리즘을 학습시킨다.
이후, KSB 프레임워크 코어(110)는 학습된 모델에 실데이터를 입력하여 평가하고, 평가된 시스템을 적용함으로써, 네트워크뿐만 아니라 성능이 시간적 변화에 깊은 연관이 있는 산업분야(도로 교통)에 과거 추이를 바탕으로 미래를 예측하고 예측한 결과를 바탕으로 대응책을 마련할 수 있다.
본 발명은 또한 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함한다.
컴퓨터가 읽을 수 있는 기록매체의 예로는 ROM, RAM, CD-ROM, 자기테이프, 플로피 디스크, 광 데이터 저장장치 등이 있으며, 또한 캐리어 웨이브(예를 들어, 인터넷을 통한 전송)의 형태로 구현되는 것도 포함한다.
또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다. 그리고 본 발명을 구현하기 위한 기능적인(functional) 프로그램, 코드 및 코드 세그먼트들은 본 발명이 속하는 기술 분야의 프로그래머들에 의해 용이하게 추론될 수 있다.
이상과 같이, 본 명세서와 도면에는 본 발명의 바람직한 실시 예에 대하여 개시하였으며, 비록 특정 용어들이 사용되었으나, 이는 단지 본 발명의 기술 내용을 쉽게 설명하고 발명의 이해를 돕기 위한 일반적인 의미에서 사용된 것이지, 본 발명의 범위를 한정하고자 하는 것은 아니다. 여기에 개시된 실시예 외에도 본 발명의 기술적 사상에 바탕을 둔 다른 변형 예들이 실시 가능하다는 것은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 자명한 것이다.
1 : SDN 오픈플로우 프로토콜을 지원하는 네트워크장비의 장애처리 시스템
10 : 서버
20 : L2 스위치
30 : 라우터
40 : 클라이언트
100 : SDN 컨트롤러
200 : KSB 프레임워크 코어

Claims (2)

  1. 서버(10), L2 스위치(20), 라우터(30), 클라이언트(40), SDN 컨트롤러(Software Defined Network Controller)(100), 그리고 KSB 프레임워크 코어(Knowledge-converged Super Brain Framework Core)(110)를 포함하는 SDN 오픈플로우 프로토콜을 지원하는 네트워크 장비의 장애처리 시스템(1)에 있어서,
    호스트에 해당하는 서버(10) 및 클라이언트(40)는 각각 L2 스위치(20)에 연결되며, 서버(10) 및 클라이언트(40) 각각은 네트워크를 통해 다른 클라이언트 또는 서버에 보내기 위한 패킷을 생성하며, 생성된 패킷을 네트워크 인터페이스를 통해 L2 스위치(20) 및 라우터(30)를 통해 상대방 노드로 전송하며,
    L2 스위치(20)는, 네트워크에서 사용되는 네트워크 장비로 MAC 주소로 장비들을 구분하여 통신을 가능하게 하는 스위치이며, 서버(10) 및 클라이언트(40)와 연결되며, 라우터(30)는, 네트워크에서 사용되는 네트워크 장비로 L2 스위치(20)와 연결된 구조를 가지며,
    SDN 컨트롤러(100)는,
    라우터(30)를 관리하는 기능을 하는 것으로 한 개 이상의 라우터(30)를 중앙 집중형으로 관리 및 제어하며, 토폴로지 관리(Topology management), 패킷 처리와 관련된 경로 관리(Path management), 링크 디스커버리(Link discovery), 패킷 흐름인 플로우 관리(Flow management) 기능을 하는 소프트웨어가 탑재되며,
    L2 스위치(20)가 온/오프될 때마다 스위치의 스펙, 상태 및 포트 정보에 대한 정보를 저장장치에 기록하고, 포트나 링크 상태 변경에 대한 정보를 저장장치에 기록하며, 라우터(30)에 대한 제어를 위한 라우팅 경로 설정을 위해 L2 스위치 정보, 링크 정보를 저장장치에서 조회하고, 라우팅의 경로 설정 후에는 설정된 경로 정보를 저장장치에 기록하며,
    클라이언트(40)와 연결된 네트워크 장비인 L2 스위치(20) 또는 라우터(30)에 네트워크 장애의 발생시 네트워크상에서 발생한 장애의 유형을 판단하기 위해, 표준 SNMP MIB(Management Information Base)을 활용하고 네트워크 장비에 해당하는 L2 스위치(20) 및 라우터(30)에 설치된 SNMP 에이전트(SNMP Agent)로부터 과거의 데이터를 학습한 내용을 바탕으로 현 장애를 복구하기 위한 시나리오별 처리 명령 요청을 제공받은 SDN 컨트롤러(100)는,
    오픈플로우 프로토콜(Open Flow Protocol) 방식에 따른 제어 경로(Control Path)를 통해 문제가 발생한 클라이언트(40) 측에 형성된 네트워크 장비인 라우터(30) 및 L2 스위치(20)에게, SDN 컨트롤러(100)와는 별도의 모듈 형태로 형성되거나 서버(10)에 형성가능한 KSB 프레임워크 코어(110)가 KSB 프레임워크 코어(110)가 분석한 시나리오에 근거한 명령을 제공하며,
    SDN 컨트롤러(100)에 의해 제공된 시나리오에 근거한 명령으로는 1) 긴급우회로 확보, 2) 대체 경로를 확보, 3) 복구 시나리오인 Port 분리 및 Reset, 4) 시스템 전체 재부팅(Rebooting)을 포함하며,
    SDN 컨트롤러(100)는,
    클라이언트(40) 측에 형성된 L2 스위치(20)와 라우터(30)가 연결된 2개의 통신 라인 중 제 1 통신 라인(#1)의 에러(Error) 발생율이 증가하고, 과거의 데이터상 현재 한달 마감을 하기 시작하여 트래픽(Traffic) 폭주 및 지연시 클라이언트(Client) 불편 및 손해 발생으로 KSB 프레임워크 코어(110)에 의해 시나리오 정보를 제공받으며,
    KSB 프레임워크 코어(110)에 의해 제공되는 알고리즘은 L2 스위치(20)에게 제 1 통신 라인(#1)에서 제 2 통신 라인(#2)으로 절체할 것을 L2 스위치(20)로 지시함으로써, L2 스위치(20)가 제 1 통신 라인(#1)과의 링크를 끊고, 제 2 통신 라인(#2)과의 링크 서비스를 형성함에 있어서,
    클라이언트(40) 측에 형성된 L2 스위치(20)와 라우터(30)가 연결된 2개의 통신 라인 중 제 1 통신 라인(#1)의 에러율이 증가하고, 과거의 데이터상 지금은 휴일이고 트래픽 미리 설정된 임계치 이하임을 KSB 프레임워크 코어(110)에 의해 시나리오 정보를 제공받되, KSB 프레임워크 코어(110)에 의해 제공되는 알고리즘은 L2 스위치(20)에게 제 1 통신 라인(#1)에 해당하는 제 1 포트(Port)에 대한 리셋(reset)을 지시하고, 제 1 포트가 정상으로 회복되는 경우 서비스 진행하고, 제 1 포트에 해당하는 제 1 통신 라인(#1)이 정상으로 돌아오지 못하는 경우, L2 스위치(20)에게 제 1 통신 라인(#1)에서 제 2 통신 라인(#2)으로 절체할 것을 L2 스위치(20)로 지시함으로써, L2 스위치(20)에 의해 제 1 통신 라인(#1)과의 링크를 끊고, 제 2 통신 라인(#2)과의 링크 서비스를 형성하며,
    KSB 프레임워크 코어(110)는,
    클라이언트(400) 상에서의 대응 시나리오를 생성하여 네트워크 대응 시나리오를 SDN 컨트롤러(100)로 제공함으로써, 시나리오의 구체성을 향상시키며, 클라이언트(400) 상에서 소스 데이터에 대한 데이터 적재, 데이터 처리, 비식별 처리에 따른 데이터 처리 과정을 수행하되, 비식별 처리에 있어서 소스 데이터에 대한 SDN 컨트롤러(100)의 태깅에 따라 생성된 태깅 정보에 대해서 별도로 처리를 수행할 수 있는데, 소스 데이터는 태깅에 의해 주요 소스 데이터와 파일 시스템 메타 데이터, 로그 데이터로 구분되므로, 태깅 정보로 분류된 데이터 구분을 별도로 처리하여 각 주요 소스 데이터와, 그 밖의 메타 데이터, 로그 데이터로 구분된 각 태깅 정보별 시나리오도 함께 진단하며,
    KSB 프레임워크 코어(110)는,
    SDN(Software Defined Network) 시스템 구현 기술 및 오픈플로우 프로토콜(OpenFlow Protocol) 구현 기술을 통해 컨트롤러 시스템을 구축하고, 오픈플로우 프로토콜(openflow protocol)을 지원하는 네트워크 장비를 제어함에 있어서,
    상태정보를 얻기 위하여 표준 SNMP MIB(Management Information Base)을 활용하고 네트워크 장비에 해당하는 L2 스위치(20) 및 라우터(30)에 설치된 SNMP 에이전트(SNMP Agent)를 통해 네트워크 장애 이벤트(Event)에 대한 정보를 획득하고, 빅데이터 기반으로 과거의 데이터를 포함 시간적 의미를 가지는 데이터로 데이터 베이스 구축하며, 저장된 데이터에 라벨링을 하여, 학습된 모델을 생성하고, 학습된 모델에 실데이터를 입력하여 평가하고, 평가된 시스템을 적용함으로써, 네트워크뿐만 아니라 성능이 시간적 변화에 연관이 있는 분야에 과거 추이를 바탕으로 미래를 예측하고 예측한 결과를 바탕으로 대응책을 마련하는 것을 특징으로 하는 SDN 오픈플로우 프로토콜을 지원하는 네트워크 장비의 장애처리 시스템.
  2. 삭제
KR1020200163694A 2020-11-30 2020-11-30 Ｓｄｎ 오픈플로우 프로토콜을 지원하는 네트워크 장비의 장애처리 시스템 KR102221052B1 (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
KR1020200163694A KR102221052B1 (ko) 2020-11-30 2020-11-30 Ｓｄｎ 오픈플로우 프로토콜을 지원하는 네트워크 장비의 장애처리 시스템
US17/117,315 US11611488B2 (en) 2020-11-30 2020-12-10 AI machine learning technology based fault management system for network equpment that supports SDN open flow protocol
CN202011488303.4A CN114640573B (zh) 2020-11-30 2020-12-16 网络设备故障处理系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200163694A KR102221052B1 (ko) 2020-11-30 2020-11-30 Ｓｄｎ 오픈플로우 프로토콜을 지원하는 네트워크 장비의 장애처리 시스템

Publications (1)

Publication Number Publication Date
KR102221052B1 true KR102221052B1 (ko) 2021-02-25

Family

ID=74730990

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200163694A KR102221052B1 (ko) 2020-11-30 2020-11-30 Ｓｄｎ 오픈플로우 프로토콜을 지원하는 네트워크 장비의 장애처리 시스템

Country Status (3)

Country Link
US (1) US11611488B2 (ko)
KR (1) KR102221052B1 (ko)
CN (1) CN114640573B (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11991185B2 (en) * 2022-02-14 2024-05-21 BlackBear (Taiwan) Industrial Networking Security Ltd. Method for secure data transmission and system using the same
US12015533B2 (en) * 2022-09-19 2024-06-18 Mellanox Technologies, Ltd. System for machine learning (ML) based network resilience and steering

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007267352A (ja) * 2006-03-02 2007-10-11 Alaxala Networks Corp 障害回復システム及びサーバ
KR20150016862A (ko) 2013-08-05 2015-02-13 이은재 안전타이어
JP2017011480A (ja) * 2015-06-22 2017-01-12 富士通株式会社 経路制御装置、経路制御システムおよび経路制御方法
KR20180093175A (ko) * 2017-02-09 2018-08-21 주식회사 케이티 Sdn 네트워크의 종단간 연결 상태 확인 시스템 및 방법

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100460588B1 (ko) 2002-05-09 2004-12-09 삼성전자주식회사 승강수단을 갖춘 저장고
CN103457791B (zh) * 2013-08-19 2016-09-28 国家电网公司 一种智能变电站网络采样和控制链路的自诊断方法
US10412012B2 (en) * 2015-09-22 2019-09-10 Arris Enterprises Llc Intelligent, load adaptive, and self optimizing master node selection in an extended bridge
US10027530B2 (en) * 2015-10-30 2018-07-17 Telefonaktiebolaget Lm Ericsson (Publ) System and method for troubleshooting SDN networks using flow statistics
CN108718296A (zh) * 2018-04-27 2018-10-30 广州西麦科技股份有限公司 基于sdn网络的网络管控方法、装置与计算机可读存储介质
US11206205B1 (en) * 2020-07-30 2021-12-21 At&T Intellectual Property I, L.P. Next generation network monitoring architecture

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007267352A (ja) * 2006-03-02 2007-10-11 Alaxala Networks Corp 障害回復システム及びサーバ
KR20150016862A (ko) 2013-08-05 2015-02-13 이은재 안전타이어
JP2017011480A (ja) * 2015-06-22 2017-01-12 富士通株式会社 経路制御装置、経路制御システムおよび経路制御方法
KR20180093175A (ko) * 2017-02-09 2018-08-21 주식회사 케이티 Sdn 네트워크의 종단간 연결 상태 확인 시스템 및 방법

Also Published As

Publication number Publication date
CN114640573B (zh) 2024-05-03
CN114640573A (zh) 2022-06-17
US11611488B2 (en) 2023-03-21
US20220173980A1 (en) 2022-06-02

Similar Documents

Publication Publication Date Title
US20200112489A1 (en) Intelligent Network Equipment Failure Prediction System
JP5052533B2 (ja) パフォーマンス監視のためにストレージ・エリア・ネットワーク・コンポーネントを動的に判断するための装置、システム及び方法
US20200021511A1 (en) Performance analysis for transport networks using frequent log sequence discovery
KR102221052B1 (ko) Ｓｄｎ 오픈플로우 프로토콜을 지원하는 네트워크 장비의 장애처리 시스템
CN109274557B (zh) 一种云环境下的智能cmdb管理及云主机监控方法
CN105488610A (zh) 一种电力应用系统故障实时分析诊断系统及方法
JP2022515994A (ja) ネットワーククラウド内で動作するエンティティの活動のオーケストレーション
US20230064625A1 (en) Method and system for recommending runbooks for detected events
CN111314802A (zh) 光纤割接方法、装置、sdn控制器、系统及存储介质
CN112165400A (zh) 一种基于网络延迟对数据网络故障排查的系统
CN109818795B (zh) 一种智能业务动态倒换的故障分析方法及系统
CN112787949B (zh) 流量采集和输送管理方法、控制装置及存储介质
CN111131479A (zh) 流量处理方法、装置及分流器
KR102006553B1 (ko) 소프트웨어 정의 네트워크에 수행된 공격의 원인을 파악하는 포렌식 서버 및 그 방법
US11558263B2 (en) Network device association with network management system
JP2017216613A (ja) 転送装置および転送方法
CN110365675B (zh) 一种网络追踪长链条攻击的方法、装置和系统
CN110324354B (zh) 一种网络追踪长链条攻击的方法、装置和系统
CN106937350A (zh) 基于移动终端的路由方法及系统
US11477070B1 (en) Identifying root causes of network service degradation
CN110378404B (zh) 一种网络追踪长链条攻击的方法、装置和系统
US11665099B2 (en) Supervised quality of service change deduction
US20230370959A1 (en) Systems and methods for retrieving ran information
JP7506329B2 (ja) 保守システム、データ処理装置、保守方法、および、プログラム
CN113890814B (zh) 故障感知模型构建和故障感知方法与系统、设备、介质

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant