[发明专利]基于深度动态贝叶斯网络的服务功能链故障诊断方法

说明书

本发明涉及一种基于深度动态贝叶斯网络的服务功能链故障诊断方法，属于通信技术领域，结合服务功能链场景的特点，根据服务功能链的分层网络架构中的故障传播关系，构建故障诊断模型，采用在物理节点监测其上多个虚拟网络功能性能数据的方式收集症状的高维数据。并且考虑到基于SDN/NFV架构下网络症状观测数据的多样性以及物理节点和虚拟网络功能的空间相关性，采用深度信念网络对观测数据特征进行提取。最后，利用故障传播的时间相关性，引入动态贝叶斯网络对故障根源进行实时诊断。本发明提出5G端到端网络切片场景的服务功能链故障诊断方法能够在有效处理高维网络数据的同时，满足系统对故障诊断精度的要求。

技术领域

本发明属于通信技术领域，涉及一种基于深度动态贝叶斯网络的服务功能链故障诊断方法。

背景技术

近年来，随着用户多样化需求的不断增加，传统网络架构难以适应用户需求的变化。因此，5G网络应当具有很高的灵活性来应对用户服务需求的多样化。基于软件定义网络(SDN)和网络功能虚拟化(NFV)的网络切片已成为5G网络运营商以可持续的方式按需提供各种定制服务的关键技术。NFV使得网络功能(NF)和物理硬件设施解耦，以通用硬件代替专用硬件，可以方便快捷地把网络功能部署在网络中地任意位置，同时对通用硬件资源实现按需分配和动态伸缩。在切片网络中，每个业务请求由一组提供不同网络服务的虚拟网络功能(VNF)组成，这些虚拟网络功能按一定顺序互连形成一条服务功能链(SFC)。当前，大多数研究一般集中于虚拟网络请求地接受率、底层网络资源分配和SFC的部署等方面，而忽视了虚拟网络地可靠性。由于服务功能链可以动态的创建、迁移和销毁，因此会更大程度上导致网络故障的发生。为确保网络功能虚拟化环境下的服务功能链的服务质量(QoS)，需要网络能够实现从故障中快速的恢复。

然而，对虚拟化网络的故障修复是当前面临的非常严峻的问题。随着用户流量的指数级增长和网络结构的日益复杂，目前基于人工的网络运维方式不仅效率低下且成本高昂。为了减少运维支出，提高运维效率，5G网络引入了自组织网络技术(SON)的概念，即利用自配置、自优化、自愈合这三个关键功能，实现网络的自我管理[7,8]。其中故障诊断作为定位网络故障根源的关键，是网络实现自愈合的首要条件。

现有的诊断方法存在一些问题：(1)现有的基于网络拓扑和故障传播模型的显式诊断方法，通常通过专家知识得到静态网络，然而在虚拟化网络中，网络拓扑和故障依赖关系随时可能发生变化，并且由于底层资源的共享，可能导致故障间相互干扰甚至产生未知故障，从而引起错误的诊断；基于探针的方法需要占用网络资源，更容易引发网络中的拥塞，造成服务质量下降的问题；而基于模型的方法每次诊断时都需要重构网络拓扑和故障依赖图模型，在大规模网络中难以保证诊断的及时性。(2)虚拟化网络中数据具有海量、高维、多源的特性，传统诊断方法不能很好解释具有弱相关性的特征。(3)基于学习的方法能够智能的对故障进行分类，但是训练数据往往不具有时效性，导致实际诊断准确度不高。

发明内容

有鉴于此，本发明的目的在于提供一种基于深度动态贝叶斯网络的SFC故障诊断方法来研究VNF节点故障定位问题。该方法能够在网络虚拟化环境下，根据VNF节点的性能数据的变化有效诊断底层节点的故障位置，满足网络的可靠性要求。

为达到上述目的，本发明提供如下技术方案：

一种基于深度动态贝叶斯网络的服务功能链故障诊断方法，包括以下步骤：

S1：根据服务功能链的分层网络架构中的故障传播关系，构建故障诊断模型；

S2：在物理节点监测其上多个虚拟网络功能(Virtual Network Function,VNF)性能数据，并收集症状的高维数据；