[发明专利]一种基于主被动混合测量的故障定位方法及相关设备

权利要求书

1.一种基于主被动混合测量的故障定位方法，其特征在于，所述基于主被动混合测量的故障定位方法应用于基于主被动混合测量的故障定位系统，所述基于主被动混合测量的故障定位系统包括：数据平面和控制平面；所述数据平面包括大流检测模块、特征提取模块和故障感知模块；所述控制平面包括监测交换机部署模块、故障范围推断模块和故障精准定位模块；所述基于主被动混合测量的故障定位方法包括：

所述大流检测模块使用基于包级别特征的学习模型过滤掉属于噪音的小流特征，保留大流特征；

所述特征提取模块对于每个大流特征，根据时间窗口提取源目的级别特征，并存储在交换机缓冲区；

所述故障感知模块使用机器学习模型检查大流特征的流级别特征，以检测是否发生网络故障，如果检测到网络故障，则向所述控制平面发送一个警告数据包；

所述监测交换机部署模块从拓扑管理器中获得网络拓扑，使用监视器选择算法选择出需要部署监测节点的位置，根据监测节点的位置部署监测交换机；

所述故障范围推断模块将源目的级别特征反馈给基于机器学习的分类器，以输出一个故障范围；

所述故障范围推断模块将源目的级别特征反馈给基于机器学习的分类器，以输出一个故障范围，具体包括：

在接收到所述故障感知模块发送的警告数据包后，所述控制平面从拓扑结构内的所有监测节点中获取源目的级别特征，形成特征矩阵后输入到所述故障范围推断模块中；

所述故障范围推断模块输出概率最高的链路作为嫌疑链路，形成潜在故障链路集；

所述故障精准定位模块通过发送带有特殊标记的主动探测包监测故障范围，以实现精准故障定位；

所述故障精准定位模块通过发送带有特殊标记的主动探测包监测故障范围，以实现精准故障定位，具体包括：

在故障范围定位后，所述故障精准定位模块使用带有特殊标记的主动探测包对所述潜在故障链路集进行探测；

对于所述故障精准定位模块未收到返回的主动探测包的当前链路，则确定当前链路为故障链路。

2.根据权利要求1所述的基于主被动混合测量的故障定位方法，其特征在于，所述特征提取模块用于提供细粒度的包级别特征、中粒度的流量级别特征和粗粒度的源目的级别特征。

3.根据权利要求1所述的基于主被动混合测量的故障定位方法，其特征在于，所述监测交换机部署模块还将已写好的P4程序下发到监测节点。

4.根据权利要求3所述的基于主被动混合测量的故障定位方法，其特征在于，所述P4程序包括大流检测模块、故障感知模块和特征提取模块的代码。

5.根据权利要求1所述的基于主被动混合测量的故障定位方法，其特征在于，所述故障范围推断模块将源目的级别特征反馈给基于机器学习的分类器，以输出一个故障范围，还包括：

在流量统计信息收集的过程中，基于机器学习的分类器自适应地进行增量化的训练更新。

6.根据权利要求1所述的基于主被动混合测量的故障定位方法，其特征在于，所述主动探测包的数量等于故障范围的大小。

7.根据权利要求2所述的基于主被动混合测量的故障定位方法，其特征在于，所述包级别特征包括：TCP源端口、TCP目的端口、IP头长度、服务类型、剩余跳数、TCP数据偏移、TCP拥塞窗口和包长；

所述流量级别特征和所述源目的级别特征包括：SYN数据包个数、FIN数据包个数、数据包个数、重发包数目、发送窗口均值和数据包到达最大间隔。