KR20090014039A - 신경망 알고리즘을 이용한 밉 분석 및 관제시스템 구축기술 - Google Patents

Abstract

본 발명은 현재 표준 네트워크 관리 프로토콜로서 이용되는SNMP(Simple Network Management System)의 MIB(Management Information Base) 정보를 활용하여, 네트워크 상에 분포되어 있는 서버의 이상유무를 수집하고 분석하는 기법에 관한 것으로, 수집된 MIB 정보와 실제 상황 발생시 도출된 문제점을 신경망(Neural Network) 기법을 이용하여 분석해 내는 방법에 관한 것이다.

알려진 대로 MIB는 서버와 관련된 다양한 정보를 포함하고 있으며, 이는 사용자의 요구에 따라 정보의 일부 혹은 전체를 SNMP를 통하여 수신 할 수 있도록 되어 있다. 그러나 전체 정보를 수집하는 경우 수집된 정보가 너무 방대하고, 실제 시스템에 발생된 문제와 직접적으로 연결되지 않아 MIB 정보만으로는 서버의 문제점을 정확히 파악할 수 없는 경우가 대부분이다. 이에 따라 수집된 MIB 정보를 독립변수로 활용하고, 서버에 발생한 문제내용을 종속변수로 하여, 신경망 알고리즘을 이용한 문제 분석 시스템을 구축하는 방법을 제시하는데 본 발명의 목적이 있다.

본 발명의 주요 특징은 시스템에 발생된 문제점들을 수집하여 상황별로 적절히 분류하여 종속변수로 활용 될 수 있도록 하고, 수집된 MIB 정보중에서 상관관계가 낮은 변수를 제외하여, 역전파 신경망 모델을 사용한 보다 정밀하고, 사용이 편리한 네트워크 관제 시스템을 구축 할 수 있도록 한다.

신경망 이론, SMNP, MIB, NMS, 관제, 망관리

Description

신경망 알고리즘을 이용한 밉 분석 및 관제시스템 구축 기술 {MIB(Management Information Base) Analysis and Network Management System base Technology with Neural Network}

본 발명은 대규모 전산망에서 망관리를 위한 NMS(Network Management System)을 구축하는 방법에 관한 기술로서, 특히 관제를 위한 네트웍 장비 및 서버의 이상유무를 분석/판단하는 기법에 관한 것이다. 본 발명에서는 기존의 방식에서 벗어나 신경망 이론을 적절히 활용하여 대규모의 망관련 정보를 분석하여 서버 상태를 모니터링 할 수 있는 기법에 관한 기술이다.

본 발명은 NMS(Network Management System)을 구축하는 방법에 관한 기술로서, 현재 적용되고 있는 방법은 감시가 필요한 장비를 대상으로 장비의 상태를 판단하는 에이젼트 프로그램을 개발하여, 각 장비에 Load 한 뒤, 장비의 상태를 분석하고, 필요한 정보를 수집 서버로 전송하여 수집된 정보를 분석하는 형태가 일반적이다. 또는 SNMP라는 표준 프로토콜을 이용하여 MIB 정보를 주기적으로 전송 받아 특이사항만을 기록하여 분석하는 기법이 주로 사용되고 있다. 이때 수집된 정보를 분석 하는 방법은 명확히 서버의 이상을 판단할 수 있는 정보를 대상으로 서버의 이상 상태를 알아내게 된다. 따라 MIB과 같은 대규모의 정보는 대부분 참고로만 쓰일 뿐 서버의 이상 유무를 판단하는 기준으로는 사용되지 못하는 실정이다.

이에 비해 본 발명은 수집된 대규모 MIB 정보를 수집한 뒤, 신경망을 이용하여 학습하고, 학습의 결과로 도출된 분석/판단 알고리즘을 이용하여, 서버의 이상유무를 판단 할 수 있는 기법이다. 또한 학습 알고리즘을 시스템에 탑재하여, 점진적으로 이상유무 판단 적중율을 높일 수 있는 방법이다.

본 발명은 현재 이루어지고 있는 단순한 이상유무 판단 방법에서 벗어나, 대규모의 MIB 정보를 효율적으로 활용하여, 보다 정확하게 서버의 이상유무 판단을 기대 할 수 있도록 한다. 따라서 본 발명의 기술적 과제는 첫째, 대규모의 MIB 정보 중에서 서버의 상태와 상관관계가 없는 변수를 골라내어 적중율을 높일 수 있는 변수를 선정하는 작업과, 둘째 수집된 네트워크 상태정보를 분석판단에 유리하도록 정리하는 작업, 셋째 추출된 독립변수와 네트워크 상태정보를 종속변수로 하여 보다 이상적인 신경망 모델을 구축하는 작업으로 구성되어 있다.

본 발명에서 주어진 과제를 해결하기 위해 첫번째 과제인 대규모 MIB 정보중에서 서버의 상태를 나타낼 수 있는 변수를 추출해내는 작업은 우선 수많은 MIB 정보와 서버의 이상유무를 나타내는 상태변수와의 상관관계 분석을 실시하여 상관관계가 낮은 변수를 1차 걸러내고, 선정된 변수들은 신경망 모델을 직접 만들어 가면서 적절히 조정하였다. 두번째 과제인 수집된 네트워크 상태정보는 CPU, 하드디스크, 네트워크 어댑터 등 하드웨어 적인 문제와, OS, CPU 점유율, Memory 사용량등의 소프트웨어 적인 문제로 대별한 뒤 개별적인 이상 상황을 트리형태로 분류하였다. 분류된 서버상태변수를 모델에 활용하는 방식으로 해결하였다. 마지막으로 이상적인 신경망 모델을 구축하는 작업은 선정된 MIB 변수(독립변수)와 서버상태변수(종속변수)를 몇가지 일반적인 모델로 가정하여 신경망 모델로 학습하여, 예측을 실시하는 과정의 반복으로 최적의 모델을 선택하고, 학습횟수, 허용 오차 범위등의 문제는 지속적인 운영을 통하여 최적화 하였다.

본 발명은 네트워크 관제 시스템을 개발함에 있어 신경망 모델을 활용하여, MIB 정보로부터 시스템의 이상유무를 추론하는 시스템이다. 또한 MIB 정보를 이용하는 경우 어느 정도의 이상징후를 감지할 수 있게 되므로, 미리 시스템 이상유무를 감지하여 조치를 취하게 할 수 있고, 시스템 상태 판단으로 자동화된 관제 시스템을 구축 할 수 있게 하여, 안정적인 네트워크 관리가 가능 하게 된다.

본 발명에 대해 첨부된 도면을 중심으로 상세히 설명하면 다음과 같다.

우선 도면 1에서와 같이 시스템은 데이터 수집시스템(2), 데이터 학습/분석 시스템(3)을 중심으로 구성된다. 각종 네트워크 장비(1)들로부터 데이터 수집 시스템이 SNMP를 통하여 MIB 정보를 주기적으로 수집한다. 수집 주기는 네트워크의 목적이나, 네트워크 장비의 중요성 등에 따라 달라지며, 수집주기를 짧게 하여 데이터가 많아지면 데이터 처리에 많은 시간이 소요되는 문제가 발생하고, 수집주기를 너무 길게 하면 분석에 필요한 데이터가 충분하지 않을 수 있다. 또한 이와는 별도로 시스템 상태 정보를 관제시스템의 목적에 따라 분류하여 데이터 학습/분석시스템의 종속변수로 투입한다. 상태정보는 수집된 데이터를 중심으로 실제 시스템의 이상이 발생한 내용과 이에 대해 관제시스템이 조치해야 되는 항목들을 같이 분석하여 구분한다.

이렇게 선정된 독립변수와 종속변수를 데이터 학습/분석 시스템에서 역전파(Back propagation) 알고리즘에 의한 신경망 모델을 생성한다. 이때 RMSE 값을 추출하여 적정선으로 정하는 것이 좋다.

생성된 신경망 모델을 이용하여 새롭게 입력되는 MIB 값을 이용하여 시스템의 상태를 파악한다. 본 발명에서는 Hidden Layer를 1개로 하고, 노드(node)의 개수를 5개 정도로 하여 적정한 신경망 모델을 산출하였다. 하지만, 분석하고자 하는 네트워크 장비의 성격과 특성에 따라 Hidden Layer의 개수를 1~5까지 조절하는 것이 좋다. 또한 Output은 시스템의 상태를 나타내는 변수로 생성하였는데, 시스템 상태를 몇가지 카테고리로 나누어서 Output 노드를 3~10개 까지 분류 하는 것이 더욱 효과 적이다.

도 1은 본 발명의 전체구조를 설명하는 시스템 구조도 이며, 화살표는 데이터의 흐름을 표현 하였다.

도2는 본발명의 업무 흐름 Flow Chart(플로우 차트)로서, 수집된 데이터로 부터 시스템 상태 진단 자료를 출력하기 까지의 업무 흐름을 표현 하였다.

도 3은 생성된 신경망 모델의 구성도이다. Input Layer는 MIB 정보를 기초로한 독립변수가 포함되고, Hidden Layer에서는 시스템의 상태를 표현하는 종속변수가 포함된다.

도4는 데이터 학습/분석 시스템의 내부 구조를 나타낸 시스템 내부 구조도 이다.

Claims (5)

1. 각 네트워크 장비로부터 수집된 MIB 정보를 신경망 모델에 맞게 취사 선택하고 분류하는 방법
2. 시스템 상태를 신경망 모델에 맞게 카테고리로 나누고, 점수화 하여 신경망 모델의 종속변수로 처리하는 방법
3. 신경망 모델로서 MIB 정보를 이용하여 시스템 상태 정보를 추론해 내는 방법
4. 신경망 모델로부터 추출해낸 시스템 상태 정보를 이용하여 관제 시스템을 자동화 하는 방법
5. 수집된 MIB 정보와 시스템 상태 정보를 이용하여 데이터 학습하고 신경망 모델을 생성하는 데이터 학습부와 생성된 신경망 모델로부터 시스템 상태를 추론해 내는 데이터 분석부와 분석된 시스템 상태 정보를 이용하여 관제 시스템을 자동화 하는 네트워크 관제 시스템부

Images