计算机网络故障的有效检测机制研究

田密

【摘 要】神经网络具有强大的自适应和非线性映射能力，在当前的计算机网络故障检测领域应用越来越广泛。基于此，笔者在系统归类计算机网络故障类型的基础上，从神经网络系统的角度构建起一个有效的计算机网络故障检测模型，从而为我们理解、检测和解决计算机网络故障提供一定的指导与借鉴。

【关键词】计算机 网络故障 神经网络 检测机制

基金项目：延安市科学技术研究发展计划项目《高校信息化平台的应用研究与实现》，项目编号：2014KG-06；陕西省教育科学规划课题，项目编号：SGH10052，《陕西省高校数字化校园建设及使用的现状调查》。

当前，我国计算机网络技术在给人们信息获取与传播带来极大便利性的同时，网络管理与维护问题也开始受到重视，尤其是计算机网络故障的有效检测与解决更是诸多专家、学者思考的一个核心问题。

计算机网络故障的类型划分

1.计算机网络的物理故障

计算机网络的物理故障主要是由线路或者是其他的硬件设备出现问题所导致的网络故障。首先是线路故障，在日常的网络维护与管理过程中，大约70%的故障都是由于线路损坏或者是线路受到严重的电磁干扰而造成的。其次是端口故障，主要包括端口本身的物理故障或者是插头松动等因素。第三是路由器或者是集线器的故障，即由于路由器或者是集线器受损而无法工作，所导致的网络不通等问题。最后是主机内网卡的物理故障或者是网络终端故障。

2.计算机网络的逻辑故障

计算机网络的逻辑故障主要是由于各种网络设备的不兼容配置所导致的网络异常情况。首先是路由器逻辑故障，主要包括路由配置错误、端口参数设置不正确、路由器的CPU利用率太高以及内存余量不足等诸多问题。其次是由于一些有关网络连接数据参数的端口或者是重要进程受病毒、系统的影响而造成的意外关闭。最后是主机逻辑故障，主要包括网卡设备存在冲突、网卡驱动程序有问题、主机安全性故障、网络协议或者是服务安装不正确等因素。

计算机网络故障的有效检验机制研究

1.检测算法

一般来说，决定网络特性的参数主要包括神经元特性、学习和训练规则、拓扑结构三种。神经网络的相关研究显示：具有一个线性输出层和一个输入层，至少有一个BP网络能够以最佳精度接近所有的连续可微函数。采用S型激活函数时，BP网络的输入与输出之间的关系为：

输入net=x1w1+x2w2+……+xnwn

输出

输出的导数

笔者以BP神经网络来对计算机网络故障进行检测，其特点为：首先，具有非线性映射能力；其次，具有一定的泛化能力；最后，该模型还具有明显的容错能力，受各种误差或者是个别错误的影响比较小。

2.检测原理

基于BP神经网络的计算机网络故障检测算法的原理图如图1所示：

该系统主要包括两个部分的内容：首先必须拥有足够数量的样本来满足神经网络训练的需要，随后产生预期的诊断网络，即对计算网络故障进行诊断的初步模型；其次，依据当前的诊断输入，利用神经网络模型来对计算机网络系统进行一定的诊断操作。在大部分情况下，都是先对训练样本数据和诊断的原始数据进行系统的处理，随后再进行相应的学习和诊断活动。这是以BP神经网络为基础的对计算机网络故障进行检测的核心目的。

3.基于BP神经网络的计算机网络故障检测模型

⑴基于模式识别的故障诊断神经网络

如果模式样本特征空间是一个典型的N维欧式空间，那么其模式分类便可归属于M类，因此，从数学的角度来说，其模式分类问题就可以等同于如何确定一个合理的，尤其是符合预期故障检测需求的诸超平面方程式，从而把N维欧式空间划分为M个最佳决策区域的问题。大部分情况下，模型系统并不容易获取全面的典型参考模式样本，常常应用概率模型，在具备输入模式先验概率知识的前提条件之下，选择恰当的判别函数模式，由此来提升计算机网络故障检测系统识别分类的能力。

⑵以故障预测为基础的BP神经网络

以故障预测为基础的BP神经网络主要采取两种方式进行计算机网络故障的检测和分析：首先是采取BP神经网络作为特定的函数逼近器，以此来预测计算机网络工作状况的部分参数情况；其次是考虑到输入与输出之间的动态关系，对过程或者是工况参数所建立的动态模型，采用带馈连接的动态神经网络进行计算机网络故障的预测。从目前的发展现状来看，基于多层的前馈网络，比如BP神经网络仍然使用比较广泛。在模型系统的辨识方面，前馈网络只代表了一类静态映射，而且只适用于静态网络，该静态映射可以通过代数方程进行描述。恰恰相反，动态神经网络模型的相关预测则主要是一个对动态时序进行建模的过程，以此来预测计算机网络故障的产生位置和主要原因。

⑶基于神经网络的计算机网络故障检测专家系统

神经网络故障诊断专家系统是当前计算机网络故障检测模型经常采用的一种智能化的专家系统，可以极大地提升系统的工作效率和检测质量。另外一种是将神经网络看作是一类知识源的处理与表达模型，同其他的知识表达模型一同进行相关领域专家知识的处理和表达，由此来提高系统的知识处理与表达效率，实现故障检测系统技术水平的升级和优化。

4.检测策略

正如上文所说，计算机网络的大部分故障主要是由协议不恰当设置而导致的，即计算机相关的软件方面出现了问题，因此，可以从各种容易出现问题的协议设置入手进行故障的检测与诊断。经过一系列的检测之后，如果网络设置没有问题，本地主机也正常工作，但却无法与相邻的计算机实现网络的畅通，然而网卡同交换机相连端口的网线也连接正常，没有出现松动的现象。在这种情况下，就需要重新安装网卡驱动程序或者是TCP/IP协议。如果仍然无法与相邻的计算机实现网络的畅通，最后就需要检测与交换机相连的端口是否正常。

一般来说，如果系统正常运行，残差近似为高斯白噪声序列，其平均值接近于零，那么，它的协方差上界则为：

协方差阵U（k）根据参数K的变化而呈现出不同的统计特点。据此来定义一个随机变量：

在以上公式之中，采取N来表示数据窗的长度。如果整个系统能够正常运行，那么d（k）的数值则比较小，几乎接近于零。如果系统发生任何的故障，ξ（k）则就不再满足于白噪声的特性，据此可以得出以下公式：d（k）H0≤β或者是d（k）H1≥β。

在该公式中，采用β来表示阀值，用H0来表示正常模态，用H1来表示计算机网络的故障模态。通过一系列的试验显示：当计算机网络故障产生之后，只需要一步的时延，d（k）值就会发生明显的变化，尤其是与网络正常工作时的数值相差一个明显的数量级。

总体来说，基于BP神经网络的智能化的计算机网络故障检测系统已成为该领域未来技术升级的总体发展趋势。它通过强大的自适应和非线性映射能力，在计算机网络故障检测系统中的应用越来越广，这需要广大学者、专家进行深入的研究，来满足当前计算机网络故障检测的需要，从而推动我国互联网事业管理与维护领域的快速升级和发展。

参考文献：

[1]张新：《分层多管理者网络故障监控策略》，《西安电子科技大学学报》，2005年第6期，第47-50页。

[2]孙旭：《如何分析排查计算机网络故障》，《科技信息》，2012年第9期，第51-54页。

[3]孙斌：《网络故障自动报警系统的设计与实现》，《硅谷》，2012年第3期，第78-81页。

[4]张普含、孙玉芳：《一种基于智能移动代理的网络故障检测系统》，《软件学报》，2002年第7期，第21-25页。

[5]赵迎昆：《计算机网络故障的识别及解决方法》，《计算机光盘软件与应用》，2012年第9期，第134-136页。

作者单位：延安职业技术学院 陕西延安