[发明专利]一种面向工业互联网的网络故障定位和根因检测方法及系统

权利要求书

1.一种面向工业互联网的网络故障定位方法，其特征在于，包括如下步骤：

对设备的运行指标进行异常检测；

响应于对设备的运行指标完成异常检测，进行有向无环图的构建；

响应于完成有向无环图构建，对有向无环图进行自适应束搜索；

响应于完成自适应束搜索，进行候选过滤；候选过滤为对候选集合中的节点进行过滤；

输出候选过滤后的结果；

根据设备运行期间产生的日志文件将属性集合的总搜索空间构建为一个有向无环图，属性集合中具体包括Wifi名称、设备编号、所属车间；

有向无环图由多层多节点构成，每个节点对应一个属性集合；每个节点对应一个运行中的设备，每个节点对应一个设备的运行指标；

其中每一层都包括一个或多个节点，第0层仅包含一个节点，定义为根节点，第0层的根节点是所有属性的集合；第1层至第n层的每一层包含多个节点，其中第1层的每一个节点是只包含一个属性的节点集合，第2层的每一个节点是仅包含两个属性元素的集合，以此类推，第n层的每一个节点是仅包含n个属性元素的集合；

在对有向无环图进行自适应束搜索之前，还包括，为有向无环图中的每个叶节点生成一组异常标签，将有向无环图和异常标签用作自适应束搜索的输入；

其中异常标签用于标识叶节点是否异常；

响应于完成有向无环图构建，对有向无环图进行自适应束搜索，具体包括以下子步骤：

对有向无环图中包括的节点进行初始化；

初始化后，计算搜索集合中每一个节点的异常概率；

节点的异常概率具体表示为：

，

其中，表示从节点派生的异常叶节点数，表示有向无环图中异常节点的总数；

如果异常概率小于指定阈值，则认为其节点为非根因节点，删除有向无环图中的非根因节点及其派生节点；

如果异常概率大于等于指定阈值，计算异常概率大于等于阈值的节点的置信度和置信损失；

如果置信度大于指定阈值并且置信损失小于指定阈值，则认为异常概率大于等于指定阈值的该节点为根因节点，将该节点添加到候选集合中，删除有向无环图中根因节点及其派生节点；

节点的置信度具体表示为：

，

表示从节点派生出的所有叶节点总数，表示从节点派生的异常叶节点数；

置信损失具体表示为：

，

表示节点的子节点的置信度，为节点的子节点个数。

2.如权利要求1所述面向工业互联网的网络故障定位方法，其特征在于，使用基于递归密度估计的异常检测方法，在每一个时间间隔中，为运行指标生成一个预测值；将预测值与观察值进行比较，如果预测值与观察值差异超过预先设定的特定阈值，将该运行指标标记为异常。

3.如权利要求1所述的面向工业互联网的网络故障定位方法，其特征在于，候选过滤为对候选集合中的节点进行过滤，具体包括，将候选集合中所有候选节点分为不同的候选节点组合，计算候选节点组合的异常概率，选择异常概率最高的对应的候选节点组合内的候选节点，作为候选过滤的结果。

4.如权利要求3所述的面向工业互联网的网络故障定位方法，其特征在于，候选节点组合的异常概率表示为：

，

为第个候选节点组合中的候选节点数，为第个候选节点组合中第个候选节点的异常概率。

5.一种面向工业互联网的网络故障定位系统，其特征在于，具体包括，异常检测单元、图构建单元、束搜索单元、候选过滤单元、输出单元；

异常检测单元，用于对设备的运行指标进行异常检测；

图构建单元，用于响应于对设备的运行指标完成异常检测，进行有向无环图的构建；

束搜索单元，用于对有向无环图进行自适应束搜索；

候选过滤单元，用于响应于完成自适应束搜索，进行候选过滤；候选过滤为对候选集合中的节点进行过滤；

输出单元，用于输出候选过滤后的结果；

根据设备运行期间产生的日志文件将属性集合的总搜索空间构建为一个有向无环图，属性集合中具体包括Wifi名称、设备编号、所属车间；

有向无环图由多层多节点构成，每个节点对应一个属性集合；每个节点对应一个运行中的设备，每个节点对应一个设备的运行指标；

其中每一层都包括一个或多个节点，第0层仅包含一个节点，定义为根节点，第0层的根节点是所有属性的集合；第1层至第n层的每一层包含多个节点，其中第1层的每一个节点是只包含一个属性的节点集合，第2层的每一个节点是仅包含两个属性元素的集合，以此类推，第n层的每一个节点是仅包含n个属性元素的集合；

在对有向无环图进行自适应束搜索之前，还包括，为有向无环图中的每个叶节点生成一组异常标签，将有向无环图和异常标签用作自适应束搜索的输入；

其中异常标签用于标识叶节点是否异常；

响应于完成有向无环图构建，对有向无环图进行自适应束搜索，具体包括以下子步骤：

对有向无环图中包括的节点进行初始化；

初始化后，计算搜索集合中每一个节点的异常概率；

节点的异常概率具体表示为：

，

其中，表示从节点派生的异常叶节点数，表示有向无环图中异常节点的总数；

如果异常概率小于指定阈值，则认为其节点为非根因节点，删除有向无环图中的非根因节点及其派生节点；

如果异常概率大于等于指定阈值，计算异常概率大于等于阈值的节点的置信度和置信损失；

如果置信度大于指定阈值并且置信损失小于指定阈值，则认为异常概率大于等于指定阈值的该节点为根因节点，将该节点添加到候选集合中，删除有向无环图中根因节点及其派生节点；

节点的置信度具体表示为：

，

表示从节点派生出的所有叶节点总数，表示从节点派生的异常叶节点数；

置信损失具体表示为：

，

表示节点的子节点的置信度，为节点的子节点个数。