KR102293044B1 - 융합관리 플랫폼인 아이씨밤의 트래픽 성능 오탐방지 및 장애예측 장치 - Google Patents

융합관리 플랫폼인 아이씨밤의 트래픽 성능 오탐방지 및 장애예측 장치 Download PDF

Info

Publication number
KR102293044B1
KR102293044B1 KR1020200136349A KR20200136349A KR102293044B1 KR 102293044 B1 KR102293044 B1 KR 102293044B1 KR 1020200136349 A KR1020200136349 A KR 1020200136349A KR 20200136349 A KR20200136349 A KR 20200136349A KR 102293044 B1 KR102293044 B1 KR 102293044B1
Authority
KR
South Korea
Prior art keywords
unit
failure prediction
data
failure
traffic
Prior art date
Application number
KR1020200136349A
Other languages
English (en)
Inventor
박영찬
김성회
정성문
Original Assignee
주식회사 지케스
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 주식회사 지케스 filed Critical 주식회사 지케스
Priority to KR1020200136349A priority Critical patent/KR102293044B1/ko
Application granted granted Critical
Publication of KR102293044B1 publication Critical patent/KR102293044B1/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
    • H04L41/0695—Management of faults, events, alarms or notifications the faulty arrangement being the maintenance, administration or management system
    • 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
    • H04L41/14—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
    • H04L41/16—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
    • 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
    • H04L43/0894—Packet rate

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Environmental & Geological Engineering (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

본 발명은 융합관리 플랫폼인 아이씨밤의 트래픽 성능 오탐방지 및 장에예측 장치에 관한 것으로서, 카운팅 되는 트래픽량의 오탐을 방지함으로써 현재 측정 데이터의 측정 값 정확도를 높이고, 정확도가 높아진 측정 데이터 값을 사용함으로써 장애 예측을 보다 정확하게 수행할 수 있는 융합관리 플랫폼인 아이씨밤의 트래픽 성능 오탐방지 및 장에예측 장치에 관한 것이다. 이를 위해 IoT, 클라우드, 빅데이터, 인공지능, 모바일이 통합된 융합관리 플랫폼인 아이씨밤의 구성, 장애, 성능, 트래픽을 관리하는 서비스 관리부, 기 설정된 프로토콜에 따라 아이씨밤의 네트워크 장비의 상태를 관리하는 프로토콜부, 아이씨밤의 서비스 관리대상으로서 특정 이벤트가 발생한 경우 프로토콜부를 거쳐 서비스 관리부로 이벤트가 통지되어 관리되는 서비스 관리 대상부, 서비스 관리 대상부의 네트워크 장비에서 발생되는 트래픽량의 오탐을 방지하는 오탐 방지부, 오탐이 방지된 데이터에 기초하여 네트워크 장비에서 발생되는 이벤트항목의 장애를 학습된 데이터를 통해 예측하는 장애 예측부를 포함하는 것을 특징으로 하는 융합관리 플랫폼인 아이씨밤의 트래픽 성능 오탐방지 및 장애예측 장치가 개시된다.

Description

융합관리 플랫폼인 아이씨밤의 트래픽 성능 오탐방지 및 장애예측 장치{Apparatus for minimizing error of detecting traffic and failure prediction of ICBAM}
본 발명은 융합관리 플랫폼인 아이씨밤의 트래픽 성능 오탐방지 및 장에예측 장치에 관한 것으로서, 보다 상세하게는 카운팅 되는 트래픽량의 오탐을 방지함으로써 현재 측정 데이터의 측정 값 정확도를 높이고, 정확도가 높아진 측정 데이터 값을 사용함으로써 장애 예측을 보다 정확하게 수행할 수 있는 융합관리 플랫폼인 아이씨밤의 트래픽 성능 오탐방지 및 장에예측 장치에 관한 것이다.
장애 예측과 관련한 선행특허문헌인 대한민국 공개특허공보 10-2018-0120558(발명의 명칭 : 딥러닝 기반 통신망 장비의 장애 예측 시스템 및 방법)에는 데이터 전처리부에서 생성한 정규화 데이터를 기초로 장애 예측 모델을 위한 학습 데이터를 생성하고, 학습 데이터를 이용하여 장애 예측 모델을 학습시키는 학습부, 그리고 학습부에서 학습된 장애 예측 모델을 이용하여 예측용 데이터에 관계된 통신망 장비의 장애 정보를 획득하는 장애 예측부를 포함함으로써 유무선 통신망을 구성하는 장비들의 장애를 예측하는 기술이 공지되어 있다. 그러나 선행특허문언에는 장애 예측을 위해 수집한 망 데이터를 장애 예측 모델에서 요구되는 항목들로 정규화하는 방법이 개시되어 있을 뿐이고, 특히 장애 예측을 위해 측정된 데이터의 신뢰도를 확보하는 방안에 대한 기술이 없다.
또한, 트래픽량과 관련한 선행특허문헌인 대한민국 등록특허공보 10-1231966(발명의 명칭 : 장애 방지 서버 및 방법)에는 각 소스 IP에 대한 트래픽량을 고정 임계치와 비교하여 악의적인 트래픽 공격에 따른 서버 장애를 방지하는 기술이 개시되어 있을 뿐 장애 예측을 위해 트래픽량의 오탐을 방지하기 위한 기술은 제시되어 있지 않다.
대한민국 공개특허공보 10-2018-0120558(발명의 명칭 : 딥러닝 기반 통신망 장비의 장애 예측 시스템 및 방법) 대한민국 등록특허공보 10-1538758(발명의 명칭 : 정보 통신 시스템에서의 장애 예측 장치 및 방법) 대한민국 등록특허공보 10-1856543(발명의 명칭 : 인공지능 기반의 장애 예측 시스템) 대한민국 등록특허공보 10-1892516(발명의 명칭 : 이기종 네트워크의 장애예측 방법, 장치 및 프로그램) 대한민국 등록특허공보 10-2068622(발명의 명칭 : 이기종 네트워크 보안시스템을 위한 빅데이타 분석기반의 지능형 장애예측 시스템) 대한민국 등록특허공보 10-1231966(발명의 명칭 : 장애 방지 서버 및 방법)
따라서, 본 발명은 전술한 바와 같은 문제점을 해결하기 위하여 창출된 것으로서, 장애 예측의 정밀도 향상을 위해 이벤트항목 중에서 트래픽과 관련한 항목인 트래픽량의 카운터 오탐을 방지하고, 오탐이 방지된 측정된 트래픽량 카운터 데이터와 오탐이 방지된 트래픽량 카운터 데이터를 이용하여 트래픽 장애 예측 데이터를 생성함으로써 트래픽의 발생 장애 예측을 정확하게 할 수 있는 발명을 제공하는데 그 목적이 있다.
그러나, 본 발명의 목적들은 상기에 언급된 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
전술한 본 발명의 목적은 IoT, 클라우드, 빅데이터, 인공지능, 모바일이 통합된 융합관리 플랫폼인 아이씨밤의 구성, 장애, 성능, 트래픽을 관리하는 서비스 관리부, 기 설정된 프로토콜에 따라 아이씨밤의 네트워크 장비의 상태를 관리하는 프로토콜부, 아이씨밤의 서비스 관리대상으로서 특정 이벤트가 발생한 경우 프로토콜부를 거쳐 서비스 관리부로 이벤트가 통지되어 관리되는 서비스 관리 대상부, 서비스 관리 대상부의 네트워크 장비에서 발생되는 트랙픽량의 오탐을 방지하는 오탐 방지부, 오탐이 방지된 데이터에 기초하여 네트워크 장비에서 발생되는 이벤트항목의 장애를 학습된 데이터를 통해 예측하는 장애 예측부를 포함하는 것을 특징으로 하는 융합관리 플랫폼인 아이씨밤의 트래픽 성능 오탐방지 및 장애예측 장치를 제공함으로써 달성될 수 있다.
또한, 장애 예측부는 네트워크 장비에서 발생되는 각 이벤트항목의 현재 데이터를 측정 및 생성하는 이벤트항목 측정부, 측정된 값을 이용하여 학습 알고리즘에 따라 학습하는 데이터 학습부, 데이터 학습부의 학습에 기초하여 각 이벤트항목의 장애예측 데이터를 현재시간을 기준으로 미리 예측 생성하는 장애예측 데이터 생성부, 각 이벤트항목의 장애예측 데이터를 설정된 기준시간에 따라 지속적으로 업데이트하도록 갱신 메시지를 생성하고, 이벤트항목 측정부의 현재 측정 데이터와 장애예측 데이터 생성부의 장애 예측 데이터를 서로 비교하여 장애 예측을 판단하는 딥러닝 장애 예측부를 포함한다.
또한, 딥러닝 장애 예측부는 이벤트항목 측정부에서 생성한 각 이벤트항목의 현재 측정 데이터와 장애예측 데이터 생성부에서 생성한 현재시간 직후의 기 설정된 기준시간에 따라 갱신된 현재 데이터에 대응되는 장애 예측 데이터를 서로 비교함으로써 장애 예측을 감지하는 장애예측 판단부, 비교에 따라 현재 측정 데이터와 장애 예측 데이터의 변화가 기 설정된 조건을 만족하면 장애통지 메시지를 생성하여 서비스 관리부로 전송하는 장애예측 통지부를 포함한다.
또한, 서비스 관리부는 장애예측 통지부로부터 장애통지 메시지를 전송받아 장애 변경 이벤트에 따른 변경 통지 메시지를 발생시키고,
변경 통지 메시지 수신에 따라 이벤트 룰에 기초하여 서비스 관리 대상부의 네트워크 장비의 속성 변경 및 상태 정보를 진단 처리하는 장애 진단부를 더 포함하며,
장애 진단부는 수치 값으로 표현되는 속성, 수치 값을 처리하기 위한 관계연산자 및 논리연산자, 현재 측정 데이터, 장애 예측 데이터를 사용하여 이벤트 룰을 생성한다.
또한, 네트워크 장비를 초기화시키는 네트워크 장비 초기화부와 오탐 방지부를 포함하며, 오탐 방지부는 네트워크 장비의 트래픽량을 카운터 하는 트래픽량 카운터부, 네트워크 장비 초기화에 따라 트래픽량 카운터부에서 측정된 트래픽량의 오탐을 판단하는 트래픽량 신뢰 판단부를 포함한다.
또한, 오탐 방지부는 네트워크 장비 초기화부의 초기화에 따라 트래픽량 카운터부를 초기화시키는 카운터 초기화부, 카운터 초기화부의 카운터 초기화에 따라 초기화 이후의 네트워크 장비의 구동시간을 측정하는 장비 구동시간 측정부를 더 포함하며, 트래픽량 신뢰 판단부는 초기화 이후의 구동시간을 장비 구동시간 측정부로부터 전송받고, 초기화 이후의 구동시간을 기 설정된 조건과 비교함으로써 현재 측정된 트래픽량의 오탐을 판단한다.
전술한 바와 같은 본 발명에 의하면 장애 예측의 정밀도 향상을 위해 이벤트항목 중에서 트래픽과 관련한 항목인 트래픽량의 카운터 오탐을 방지하고, 오탐이 방지된 측정된 트래픽량 카운터 데이터와 오탐이 방지된 트래픽량 카운터 데이터를 이용하여 트래픽 장애 예측 데이터를 생성함으로써 트래픽의 발생 장애 예측을 정확하게 할 수 있는 효과가 있다.
본 명세서에 첨부되는 다음의 도면들은 본 발명의 바람직한 일실시예를 예시하는 것이며, 발명의 상세한 설명과 함께 본 발명의 기술적 사상을 더욱 이해시키는 역할을 하는 것이므로, 본 발명은 그러한 도면에 기재된 사항에만 한정되어 해석 되어서는 아니 된다.
도 1은 본 발명의 일실시예에 따른 융합관리 플랫폼인 아이씨밤의 트래픽 성능 오탐방지 및 장애예측 장치의 개략적인 구성을 나탄앤 구성도이고,
도 2는 본 발명의 일실시예에 따른 장애 예측부의 구성을 나타낸 구성도이고,
도 3은 본 발명의 일실시예에 따른 이벤트항목 측정부에서 측정하는 이벤트 항목의 측정 데이터를 시간순으로 데이터를 정렬하여 나타낸 도면이고,
도 4는 본 발명의 일실시예에 따른 이벤트항목 측정부에서 측정한 측정 데이터를 학습함으로써 장애 예측 데이터를 생성한 것을 도시한 도면이고,
도 5는 본 발명의 일실시예에 따른 장애 예측부와 서비스 관리부 및 장애 진단부 간의 장애 통지 흐름을 나타낸 도면이고,
도 6은 본 발명의 일실시예에 따른 서비스 관리 대상부인 NMS부에서 카운트된 트래픽량을 프로토콜부의 SNMP부로 전송하는 것을 도시한 도면이고,
도 7은 본 발명의 일실시예에 따른 NMS부의 개략적인 구성을 나타낸 도면이다.
이하, 도면을 참조하여 본 발명의 바람직한 일실시예에 대해서 설명한다. 또한, 이하에 설명하는 일실시예는 특허청구범위에 기재된 본 발명의 내용을 부당하게 한정하지 않으며, 본 실시 형태에서 설명되는 구성 전체가 본 발명의 해결 수단으로서 필수적이라고는 할 수 없다. 또한, 종래 기술 및 당업자에게 자명한 사항은 설명을 생략할 수도 있으며, 이러한 생략된 구성요소(방법) 및 기능의 설명은 본 발명의 기술적 사상을 벗어나지 아니하는 범위내에서 충분히 참조될 수 있을 것이다.
본 발명의 일실시예에 따른 융합관리 플랫폼인 아이씨밤의 트래픽 성능 오탐방지 및 장애예측 장치는 네트워크 장비에서 발생되는 네트워크 트래픽량의 오류를 방지함으로써 현재 측정 데이터의 신뢰를 확보할 수 있고, 현재 측정 데이터의 신뢰성에 기반을 두고 학습 알고리즘에 따라 데이터를 학습시킴에 따라 장애 예측을 정확히 할 수 있는 발명을 제공할 수 있다. 이하에서는 첨부된 도면을 참고하여 본 발명의 일실시예에 따른 융합관리 플랫폼인 아이씨밤의 트래픽 성능 오탐방지 및 장애예측 장치에 대해 상세히 설명하기로 한다.
본 발명의 일실시예에 따른 융합관리 플랫폼인 아이씨밤(ICBAM)은 IoT , 클라우드, 빅데이터, 인공지능, 모바일이 통합된 모니터링 플랫폼을 의미한다. 아이씨밤은 서비스 관리 대상의 장애를 예측하고, 장애 발생시 장애 원인을 진단하며, 장애 원인 진단에 따른 해결방안을 분석하여 정보를 제공할 수 있는 통합 모니터링 플랫폼이다.
도 1에 도시된 바와 같이 아이씨밤의 통합 플랫폼은 WEB 제어부(110), 서비스 관리부(120), 프로토콜부(130), 데이터베이스부(150)를 포함한다. WEB 제어부(110)는 인터넷을 통한 링크 및 접속 제어를 담당한다. 서비스 관리부(120)는 융합관리 플랫폼인 아이씨밤의 구성, 장애, 성능, 트래픽을 관리한다. 즉, 후술하는 서비스 관리 대상부(140)에서 발생하는 모든 이벤트항목을 관리한다. 프로토콜부(130)는 서비스 관리 대상부(140)와 기 설정된 프로토콜에 따라 통신함으로써 서비스 관리 대상인 네트워크 장비의 구성 변경 및 현재 상태를 수신받는다. 데이터베이스부(150)는 후술하는 현재 측정 데이터 및 장애 예측 데이터를 저장한다.
서비스 관리 대상부(140)는 네트워크 관리 솔루션인 NMS, 시스템 관리 솔루션인 SMS, 트래픽 관리 솔루션인 TMS, 환경 및 시설 감시 솔루션인 FMS 등이 될 수 있다. 서비스 관리 대상부(140)는 아이씨밤의 서비스 관리대상으로서 특정 이벤트가 발생한 경우 프로토콜부를 거쳐 서비스 관리부로 이벤트가 통지되어 관리된다. 서비스 관리 대상부(140)는 서비스 관리 대상인 네트워크 장비로부터 발생된 수많은 이벤트항목을 처리하여 프로토콜부(130)로 전송한다. 이때, 본 발명의 트래픽 성능 오탐방지 및 장애예측 장치는 발생되는 이벤트항목의 구성 변경이나 장애를 예측하여 네트워크 장비의 장애 발생을 미연에 예측한다. 이하에서 자세히 설명하기로 한다.
도 2에 도시된 바와 같이 장애 예측부(160)는 후술하는 오탐 방지부의 오탐이 방지된 데이터에 기초하여 네트워크 장비에서 발생되는 이벤트항목의 장애를 학습된 데이터를 통해 예측한다. 이를 위해 장애 예측부(160)는 이벤트항목 측정부, 데이터 학습부, 장애예측 데이터 생성부, 딥러닝 장애 예측부를 포함한다.
이벤트항목 측정부는 서비스 관리 대상인 네트워크 장비에서 발생되는 각종 이벤트항목의 현재 데이터를 측정 및 생성한다. 즉, 도 3에 도시된 바와 같이 이벤트항목 측정부는 제1 이벤트항목의 측정데이터를 과거부터 현재 순으로 지속적으로 측정하여 이를 데이터베이스부(150)에 저장되도록 한다. 마찬가지로 제2 이벤트항목의 측정데이터를 과거부터 현재순으로 지속적으로 측정하여 이를 데이터베이스부(150)에 저장하도록 한다. 이벤트항목 측정부에서 측정된 현재 측정 데이터는 과거부터 현재까지 측정이 완료된 데이터를 의미하며, 현재 측정 데이터가 후술하는 바와 같이 학습을 거쳐 장애예측 데이터가 생성된다. 다만, 이때 현재 측정 데이터가 정확해야 장애 예측도 정확할 수밖에 없다. 이벤트항목의 현재 측정 데이터 중에서도 네트워크의 트래픽량을 측정하는 값은 오탐의 확률이 매우 높게 나타나며 이러한 오탐 확률을 낮추면서 장애 예측을 정확히 하도록 하는 것이 본 발명의 장점이다. 이벤트항목의 일예로서 네트워크 트래픽, 리소스 사용, 관리 장비의 온도 등이 될 수 있다.
데이터 학습부는 이벤트항목 측정부에서 각 이벤트항목에 따라 시간순으로 측정된 값을 이용하여 학습 알고리즘(RNN, Recurrent Neural Network)에 따라 측정 데이터를 학습한다.
장애예측 데이터 생성부는 데이터 학습부의 학습에 기초하여 각 이벤트항목의 장애 예측 데이터를 현재시간을 기준으로 미리 예측 생성한다. 일예로서 모든 이벤트항목에 대해 현재시간을 기준으로 2시간 이후의 장애 예측 데이터를 미리 생성한다. 다만, 2시간의 설정은 여러 가지 환경에 따라 달리 설정될 수 있다. 각 이벤트항목에 대한 장애 예측 데이터는 도 4에 도시된 바와 같이 2시간마다 갱신될 수 있다. 이때, 현재 측정 데이터와 장애 예측 데이터는 서로 대응되도록 데이터베이스부(150)에 저장된다. 즉, 도 3의 제1 이벤트항목에 대한 제1 측정데이터와 도 4의 제1 이벤트항목에 대한 제1 예측데이터가 서로 대응되며, 도 3의 제1 이벤트항목에 대한 제2 측정데이터와 도 4의 제1 이벤트항목에 대한 제2 예측데이터가 서로 대응된다. 이와 같은 원리는 제2 이벤트항목 및 제3 이벤트항목에서도 동일하게 적용될 수 있다.
딥러닝 장애 예측부는 각 이벤트항목의 장애예측 데이터를 설정된 기준시간(일예로서 2시간마다)에 따라 지속적으로 갱신하도록 갱신 메시지를 생성하고, 이벤트항목 측정부의 현재 측정 데이터와 장애예측 데이터 생성부의 장애 예측 데이터를 서로 비교하여 장애 예측을 판단한다. 이를 위해 딥러닝 장애 예측부는 장애예측 판단부 및 장애예측 통지부를 포함한다.
장애예측 판단부는 이벤트항목 측정부에서 생성한 각 이벤트항목의 현재 측정 데이터와 장애예측 데이터 생성부에서 생성한 2시간 뒤의 장애 예측 데이터를 서로 대응 비교함으로써 장애 예측을 감지한다. 즉, 도 3의 제1 이벤트항목의 제1 측정데이터와 도 4의 제1 이벤트항목의 2시간 후의 제1 예측데이터를 서로 대응 비교하여 데이터 값의 변화를 판단하고, 변화가 발생한 경우 앞으로 제1 이벤트항목의 장애가 발생할 수 있음을 예측한다. 제2 이벤트항목 및 제3 이벤트항목도 동일한 원리가 적용된다.
장애예측 통지부는 장애예측 판단부의 비교에 따라 현재 측정 데이터와 장애 예측 데이터의 변화가 기 설정된 조건을 만족하면 장애통지 메시지를 생성하여 서비스 관리부의 장애 관리부로 전송한다. 여기서 기 설정된 조건은 현재 측정 데이터와 2시간 뒤의 장애 예측 데이터 간의 값의 변화를 의미한다. 값의 변화가 있으면 장애통지 메시지가 생성되며, 값의 변화가 없으면 장애통지 메시지가 생성되지 않는다.
한편, 서비스 관리부의 장애 관리부는 장애예측 통지부로부터 장애통지 메시지를 전송받아 장애 변경 이벤트에 따른 변경 통지 메시지를 발생시키고 이를 장애 진단부로 전송한다.
장애 진단부는 장애 관리부의 변경 통지 메시지 수신에 따라 이벤트 룰에 기초하여 서비스 관리 대상부의 네트워크 장비의 속성 변경 및 상태 정보를 진단 처리한다. 즉, 장애 진단부는 아래 표와 같이 수치 값으로 표현되는 속성, 수치 값을 처리하기 위한 관계연산자 및 논리연산자, 현재 측정 데이터, 장애 예측 데이터를 사용하여 이벤트 룰(metricRule)을 만들고, 만들어진 이벤트 룰에 따라 서비스 관리 대상부의 네트워크 장비의 속성 변경 및 상태 정보를 진단 처리한다.
name faultclassname moClass severity message metric operator
NodeDown Network Node Down System Down $(systemName) 다운 장애발생 networkStatus eq
InterfaceDown Interface Down Interface Critical 인터페이스 장애 발생 ifOperStatus eq
InterfaceInUsage Threshold Interface Critical 회선입력이용률 초과.
임계치($(thresholdValue))
측정치($(observedValue)		 inUsage gt
CpuUsage Threshold System Critical CPU이용률 초과.
임계치($(thresholdValue))
측정치($(observedValue))		 cpuUsage gt
MemoryUsage Threshold System Critical 메모리이용률 초과.
임계치($(thresholdValue))
측정치($(observedValue))		 memoryUsage gt
표 1에서 이벤트 룰의 적용은 System MO의 networkStatus 값이 1에서 0으로 변경된 경우에 metricRule에서 "moClass=System, metric=networkStatus"이고 operator가 "eq, ne, gt, lt, ge, le"이면 value와 비교 처리하여 변경 여부를 판단하고 진단 처리한다.
한편, 앞서 설명한 바와 같이 장애 예측을 정확하게 하기 위해서는 현재 측정 데이터가 정확해야 한다. 이때, 이벤트항목 중 네트워크의 트래픽량 측정값은 그 측정값이 매우 부정확한 시점이 발생한다. 이러한 부정확한 시점에 발생한 네트워크의 트래픽량 측정값의 오탐을 줄임으로써 장애 예측을 좀 더 정확하게 할 수 있다. 이하에서 자세히 설명하기로 한다.
본 발명의 일실시예에 따른 오탐 방지부는 서비스 관리 대상부(140)에서 관리되는 네트워크 장비의 트랙픽량에 대한 정확한 트래픽량을 측정 및 카운터 함으로써 트래픽량의 오탐 발생을 줄인다. 오탐 방지부는 서비스 관리 대상부(140)의 NMS부에 그 기능이 포함될 수 있다. 이를 위해 오탐 방지부는 트래픽량 카운터부, 트래픽량 오탐 방지부, 장비 구동시간 측정부, 카운터 초기화부를 포함한다.
트래픽량 카운터부는 네트워크 장비의 트래픽을 지속적으로 모니터링하고 트래픽량을 실시간으로 카운팅하여 데이터베이스부(150)에 저장한다. 카운터 된 트래픽량은 시간순으로 업데이트 되어 데이터베이스부(150)에 저장된다. 측정된 트랙픽량 카운터는 프로토콜부(130)의 SNMP부로 전송되며, SNMP부는 이를 다시 서비스 관리부(120)의 트래픽 관리부로 전송한다. 이때 SNMP는 Simple Network Management Protocol이다.
한편, NMS부(140)의 네트워크 장비 초기화부는 네트워크 또는 네트워크 장비의 상태에 따라 하드웨어적으로 또는 소프트웨어적으로 네트워크 장비를 파워 리셋시킬 수 있다. 네트워크 장비의 파워 리셋에 따라 카운터 초기화부는 트래픽량 카운터부에서 카운팅된 트래픽 카운터를 리셋시킨다. 또한, 네트워크 장비의 파워 리셋에 따라 장비 구동시간 측정부는 네트워크 장비 초기화부의 파워 리셋 연동에 따라 파워 리셋 후의 네트워크 장비의 구동시간을 측정한다. 트래픽량 오탐 방지부는 네트워크 장비 초기화에 따라 트래픽량 카운터부에서 측정된 트래픽량이 적절한지 여부를 판단한다. 즉, 트래픽량 오탐 방지부는 파워 리셋 후의 네트워크 장비의 구동시간을 장비 구동시간 측정부로부터 전송받고, 파워 리셋 이후의 구동시간을 기 설정된 조건과 비교함으로써 현재 측정된 트래픽량의 오탐을 판단한다. 이때, 기 설정된 조건은 파워 리셋 후의 네트워크 장비의 구동시간이 기 정의된 시간(일예로서 5분)을 초과한 경우로 설정된다. 따라서 트래픽량 오탐 방지부는 현재 측정된 트래픽량이 네트워크 장비의 파워 리셋 후 기 정의된 시간(일예로서 5분)을 초과한 경우에 트래픽량 카운터부에서 카운터된 트래픽량을 신뢰한다. 이에 따라 트래픽량 오탐 방지부는 특정 이벤트가 발생한 파워 리셋 후의 기 설정된 시간(일예로서 5분) 내에는 오탐 발생 메시지를 생성하여 트래픽량 카운터부로 전송한다. 오탐 발생 메시지를 입력받은 트래픽량 카운터부는 카운터된 트래픽량을 SNMP부로 전송하지 않는다. 한편, 트래픽량 오탐 방지부는 파워 리셋 후의 기 설정된 시간(일예로서 5분)이 지난 경우에는 트래픽량 정상 발생 메시지를 생성하여 트래픽량 카운터부로 전송한다. 트래픽량 정상 발생 메시지를 입력받은 트래픽량 카운터부는 카운터된 트래픽량을 SNMP부로 전송함으로써 현재 측정 데이터의 정확도를 기할 수 있다.
본 발명을 설명함에 있어 종래 기술 및 당업자에게 자명한 사항은 설명을 생략할 수도 있으며, 이러한 생략된 구성요소(방법) 및 기능의 설명은 본 발명의 기술적 사상을 벗어나지 아니하는 범위내에서 충분히 참조될 수 있을 것이다. 또한, 상술한 본 발명의 구성요소는 본 발명의 설명의 편의를 위하여 설명하였을 뿐 여기에서 설명되지 아니한 구성요소가 본 발명의 기술적 사상을 벗어나지 아니하는 범위내에서 추가될 수 있다.
상술한 각부의 구성 및 기능에 대한 설명은 설명의 편의를 위하여 서로 분리하여 설명하였을 뿐 필요에 따라 어느 한 구성 및 기능이 다른 구성요소로 통합되어 구현되거나, 또는 더 세분화되어 구현될 수도 있다.
이상, 본 발명의 일실시예를 참조하여 설명했지만, 본 발명이 이것에 한정되지는 않으며, 다양한 변형 및 응용이 가능하다. 즉, 본 발명의 요지를 일탈하지 않는 범위에서 많은 변형이 가능한 것을 당업자는 용이하게 이해할 수 있을 것이다. 또한, 본 발명과 관련된 공지 기능 및 그 구성 또는 본 발명의 각 구성에 대한 결합관계에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는, 그 구체적인 설명을 생략하였음에 유의해야 할 것이다.
110 : WEB 제어부
120 : 서비스 관리부
130 : 프로토콜부
140 : 서비스 관리 대상부
150 : 데이터베이스부
160 : 장애 예측부
170 : 장애 진단부

Claims (6)

  1. IoT, 클라우드, 빅데이터, 인공지능, 모바일이 통합된 융합관리 플랫폼인 아이씨밤의 구성, 장애, 성능, 트래픽을 관리하는 서비스 관리부,
    기 설정된 프로토콜에 따라 아이씨밤의 네트워크 장비의 상태를 관리하는 프로토콜부,
    아이씨밤의 서비스 관리대상으로서 특정 이벤트가 발생한 경우 상기 프로토콜부를 거쳐 서비스 관리부로 상기 이벤트가 통지되어 관리되는 서비스 관리 대상부,
    상기 서비스 관리 대상부의 네트워크 장비에서 발생되는 트래픽량의 오탐을 방지하는 오탐 방지부,
    상기 오탐이 방지된 데이터에 기초하여 상기 네트워크 장비에서 발생되는 이벤트항목의 장애를 학습된 데이터를 통해 예측하는 장애 예측부를 포함하며,
    상기 장애 예측부는,
    상기 네트워크 장비에서 발생되는 각 이벤트항목의 현재 데이터를 측정 및 생성하는 이벤트항목 측정부,
    측정된 값을 이용하여 학습 알고리즘에 따라 학습하는 데이터 학습부,
    상기 데이터 학습부의 학습에 기초하여 각 이벤트항목의 장애예측 데이터를 측정시간을 기준으로 기 설정된 시간 이후 시점의 장애 예측 데이터를 미리 예측 생성하는 장애예측 데이터 생성부,
    상기 각 이벤트항목의 장애예측 데이터를 설정된 기준시간에 따라 지속적으로 업데이트하도록 갱신 메시지를 생성하고, 상기 이벤트항목 측정부의 현재 측정 데이터와 미리 예측한 상기 기 설정된 시간 이후 시점의 장애 예측 데이터를 서로 비교하여 데이터 값의 변화를 판단하고, 상기 데이터 값의 변화에 따라 장애 예측을 판단하는 딥러닝 장애 예측부를 포함하며,
    상기 서비스 관리부는,
    수치 값으로 표현되는 속성, 상기 수치 값을 처리하기 위한 오퍼레이터, 상기 현재 측정 데이터, 상기 장애 예측 데이터를 사용하여 이벤트 룰을 생성하며, 생성된 이벤트 룰에 따라 상기 서비스 관리 대상부의 네트워크 장비의 속성 변경 및 상태 정보를 진단 처리하며,
    상기 오탐 방지부는,
    네트워크 장비의 파워 리셋 후의 부정확한 시점에 발생한 네트워크 장비의 트래픽량의 카운팅 되는 값의 오탐을 줄임으로써 상기 현재 측정 데이터의 측정 값 정확도를 높여 상기 장애 예측 정확도를 상대적으로 높이는 트래픽량 오탐 방지부를 포함하는 것을 특징으로 하는 융합관리 플랫폼인 아이씨밤의 트래픽 성능 오탐방지 및 장애예측 장치.
  2. 제 1 항에 있어서,
    상기 트래픽량 오탐 방지부는,
    상기 네트워크 장비의 파워 리셋 후의 기 설정된 시간 내에는 오탐 발생 메시지를 생성하여 상기 프로토콜부로 전송되도록 하고,
    상기 네트워크 장비의 파워 리셋 후의 기 설정된 시간 후에는 트래픽량 정상 발생 메시지를 생성하여 상기 프로토콜부로 전송되도록 함으로써 상기 장애 예측 정확도를 상대적으로 높일 수 있는 것을 특징으로 하는 융합관리 플랫폼인 아이씨밤의 트래픽 성능 오탐방지 및 장애예측 장치.
  3. 제 1 항에 있어서,
    상기 딥러닝 장애 예측부는,
    상기 이벤트항목 측정부에서 생성한 각 이벤트항목의 현재 측정 데이터와 상기 장애예측 데이터 생성부에서 생성한 현재시간 직후의 기 설정된 기준시간에 따라 갱신된 상기 현재 데이터에 대응되는 장애 예측 데이터를 서로 비교함으로써 장애 예측을 감지하는 장애예측 판단부,
    비교에 따라 현재 측정 데이터와 장애 예측 데이터의 변화가 기 설정된 조건을 만족하면 장애통지 메시지를 생성하여 상기 서비스 관리부로 전송하는 장애예측 통지부를 포함하는 것을 특징으로 하는 융합관리 플랫폼인 아이씨밤의 트래픽 성능 오탐방지 및 장애예측 장치.
  4. 제 3 항에 있어서,
    상기 서비스 관리부는,
    상기 장애예측 통지부로부터 장애통지 메시지를 전송받아 장애 변경 이벤트에 따른 변경 통지 메시지를 발생시키고,
    상기 변경 통지 메시지 수신에 따라 이벤트 룰에 기초하여 상기 서비스 관리 대상부의 네트워크 장비의 속성 변경 및 상태 정보를 진단 처리하는 장애 진단부를 더 포함하며,
    상기 장애 진단부는,
    수치 값으로 표현되는 속성, 상기 수치 값을 처리하기 위한 관계연산자 및 논리연산자, 상기 현재 측정 데이터, 상기 장애 예측 데이터를 사용하여 상기 이벤트 룰을 생성하는 것을 특징으로 하는 융합관리 플랫폼인 아이씨밤의 트래픽 성능 오탐방지 및 장애예측 장치.
  5. 제 4 항에 있어서,
    상기 네트워크 장비를 초기화시키는 네트워크 장비 초기화부를 더 포함하며,
    상기 오탐 방지부는,
    상기 네트워크 장비의 트래픽량을 카운터 하는 트래픽량 카운터부,
    네트워크 장비 초기화에 따라 상기 트래픽량 카운터부에서 측정된 트래픽량의 오탐을 판단하는 트래픽량 신뢰 판단부를 포함하는 것을 특징으로 하는 융합관리 플랫폼인 아이씨밤의 트래픽 성능 오탐방지 및 장애예측 장치.
  6. 제 5 항에 있어서,
    상기 오탐 방지부는,
    상기 네트워크 장비 초기화부의 초기화에 따라 트래픽량 카운터부를 초기화시키는 카운터 초기화부,
    상기 카운터 초기화부의 카운터 초기화에 따라 초기화 이후의 네트워크 장비의 구동시간을 측정하는 장비 구동시간 측정부를 더 포함하며,
    상기 트래픽량 신뢰 판단부는 초기화 이후의 구동시간을 상기 장비 구동시간 측정부로부터 전송받고, 상기 초기화 이후의 구동시간을 기 설정된 조건과 비교함으로써 현재 측정된 트래픽량의 오탐을 판단하는 것을 특징으로 하는 융합관리 플랫폼인 아이씨밤의 트래픽 성능 오탐방지 및 장애예측 장치.
KR1020200136349A 2020-10-20 2020-10-20 융합관리 플랫폼인 아이씨밤의 트래픽 성능 오탐방지 및 장애예측 장치 KR102293044B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200136349A KR102293044B1 (ko) 2020-10-20 2020-10-20 융합관리 플랫폼인 아이씨밤의 트래픽 성능 오탐방지 및 장애예측 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200136349A KR102293044B1 (ko) 2020-10-20 2020-10-20 융합관리 플랫폼인 아이씨밤의 트래픽 성능 오탐방지 및 장애예측 장치

Publications (1)

Publication Number Publication Date
KR102293044B1 true KR102293044B1 (ko) 2021-08-25

Family

ID=77495023

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200136349A KR102293044B1 (ko) 2020-10-20 2020-10-20 융합관리 플랫폼인 아이씨밤의 트래픽 성능 오탐방지 및 장애예측 장치

Country Status (1)

Country Link
KR (1) KR102293044B1 (ko)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20050065989A (ko) * 2003-12-26 2005-06-30 한국전자통신연구원 터널 인터페이스 정보를 관리하는 망 관리 방법 및 시스템
KR101231966B1 (ko) 2010-04-19 2013-02-08 에스2정보 주식회사 장애 방지 서버 및 방법
KR101538758B1 (ko) 2014-05-19 2015-07-27 주식회사 디리아 정보 통신 시스템에서의 장애 예측 장치 및 방법
KR101856543B1 (ko) 2018-02-26 2018-05-11 주식회사 리앙커뮤니케이션즈 인공지능 기반의 장애 예측 시스템
KR101892516B1 (ko) 2017-03-29 2018-10-04 주식회사 한국정보시스템 이기종 네트워크의 장애예측 방법, 장치 및 프로그램
KR20180120558A (ko) 2017-04-27 2018-11-06 주식회사 케이티 딥러닝 기반 통신망 장비의 장애 예측 시스템 및 방법
KR102068622B1 (ko) 2019-03-14 2020-01-21 차수정 이기종 네트워크 보안시스템을 위한 빅데이타 분석기반의 지능형 장애예측 시스템
KR20200014968A (ko) * 2018-08-02 2020-02-12 주식회사 케이티 비정상 트래픽 탐지 방법 및 그 장치

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20050065989A (ko) * 2003-12-26 2005-06-30 한국전자통신연구원 터널 인터페이스 정보를 관리하는 망 관리 방법 및 시스템
KR101231966B1 (ko) 2010-04-19 2013-02-08 에스2정보 주식회사 장애 방지 서버 및 방법
KR101538758B1 (ko) 2014-05-19 2015-07-27 주식회사 디리아 정보 통신 시스템에서의 장애 예측 장치 및 방법
KR101892516B1 (ko) 2017-03-29 2018-10-04 주식회사 한국정보시스템 이기종 네트워크의 장애예측 방법, 장치 및 프로그램
KR20180120558A (ko) 2017-04-27 2018-11-06 주식회사 케이티 딥러닝 기반 통신망 장비의 장애 예측 시스템 및 방법
KR101856543B1 (ko) 2018-02-26 2018-05-11 주식회사 리앙커뮤니케이션즈 인공지능 기반의 장애 예측 시스템
KR20200014968A (ko) * 2018-08-02 2020-02-12 주식회사 케이티 비정상 트래픽 탐지 방법 및 그 장치
KR102068622B1 (ko) 2019-03-14 2020-01-21 차수정 이기종 네트워크 보안시스템을 위한 빅데이타 분석기반의 지능형 장애예측 시스템

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
등록특허 제10-2068622호(2020.01.15.) 1부.*
인터넷 게시물(공학저널, "ICBM 기술로 전동차 고장 징후 미리 알아낸다"). 2020년 5월 18일.* *

Similar Documents

Publication Publication Date Title
US8949668B2 (en) Methods and systems for use in identifying abnormal behavior in a control system including independent comparisons to user policies and an event correlation model
CN105915388B (zh) 一种基于分布式网络的传感器故障检测方法及系统
US11539812B2 (en) Method and apparatus for generating and subscribing to notifications
JP2008506180A (ja) 監視構成
US11281522B2 (en) Automated detection and classification of dynamic service outages
US7933211B2 (en) Method and system for providing prioritized failure announcements
KR102376433B1 (ko) 멀티네트워크 디바이스의 보안 진단 방법
US11228485B2 (en) Dynamic action dashlet for real-time systems operation management
EP3316520A1 (en) Bfd method and apparatus
EP3643105B1 (en) Coordinated network optimization by cognitive network management
KR102293044B1 (ko) 융합관리 플랫폼인 아이씨밤의 트래픽 성능 오탐방지 및 장애예측 장치
KR20190104759A (ko) 지능형 장비 이상 증상 사전 탐지 시스템 및 방법
CN102932194A (zh) 基于贝叶斯方法的互联网应用服务监控系统及方法
US11153769B2 (en) Network fault discovery
JPH11353819A (ja) ディスク装置およびディスク装置の予防保守方法
Kučera et al. Fault Detection in Building management system networks
KR102369991B1 (ko) IoT 멀티네트워크의 보안을 위한 통합 관리 시스템
EP4027583A2 (en) Method and apparatus for maintaining web application firewall based on non-face-to-face authentication
US20230292160A1 (en) Local 5g monitoring system and measurement data providing method thereof
CN114710389B (zh) 信息处理方法和信息处理装置
US20230292157A1 (en) Local 5g monitoring system and abnormal state detection method thereof
US9311210B1 (en) Methods and apparatus for fault detection
US20240134732A1 (en) Cause Alert and Clear Alert Correlation
KR102436370B1 (ko) 지능형 센서와 이것을 이용한 지능형 센싱방법
CN115996408A (zh) 一种故障处理方法、装置及电子设备

Legal Events

Date Code Title Description
GRNT Written decision to grant