机器学习机制在校园网络故障诊断系统中的应用

成波

[摘 要] 针对传统网络故障诊断方法在处理复杂网络故障诊断方面的局限性，把机器学习机制中的知识结构、知识获取及知识获取方法等运用于校园网络故障诊断系统中，既扩充和完善了现有的知识库，又弥补了传统的专家系统在故障诊断、知识获取及自学习能力等方面的不足， 很大程度上降低了网络故障诊断的技术性和专业难度。经实际测试结果的对比分析，得出了机器学习机制在校园网络故障诊断方面的优势，也为校园网络故障的及时、准确定位提供了重要的支撑保障。

[关键词] 机器学习机制；网络故障诊断； 知识获取

doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2018. 19. 066

[中图分类号] TP393；TP181 [文献标识码] A [文章编号] 1673 - 0194（2018）19- 0153- 03

0 引 言

随着信息化时代的到来，信息的飞速发展在给人们提供便利的同时也给人们提出了新的机遇和新的挑战。内蒙古工业大学信息化建设与管理中心结合学校新一轮全员聘任，在全面梳理单位各项业务工作的基础上，参照国际信息化服务标准规范（ITIL），建立面向新城、金川两校区统一的呼叫中心、统一运维监控中心、统一信息化服务知识库的IT综合服务体系， 建成统一规范的、标准的全业务受理一站式服务大厅。呼叫中心服务人员通过Eservices收集校园网络故障并进行相关业务流转。本文将机器学习机制运用于校园网络故障诊断系统中，基本实现了网络故障诊断的知识自动获取及自动回复功能。

1 机器学习机制的知识结构

机器学习机制就是要使计算机模拟人的学习行为，对各类特征知识库进行自动分类，帮助用户进行快速准确地进行故障特征定位，一方面降低了故障诊断的技术性和专业难度，另一方面提高了处理实际问题的能力。其结构如图1所示。

机器学习机制中的学习环节，就是从相关环境中获得有关信息内容，并依据这些信息内容和执行环节反馈回来的相关信息内容，修改特征知识库，同时对数据信息进行分类并做出决策来提高系统的执行能力。根据数据信息的特征信息内容，执行环节根据知识库完成任务的具体情况，再把获得的信息内容反馈给学习环节。机器学习机制实际上是一个能自动处理不确定数据信息，并能自动完善、调整数据知识的一种信息处理方式。

机器学习的目的就是通过一系列实践环节，最终获得最好的执行结果。机器学习机制中的知识库包括样本特征知识、操作性知识和推理性知识三个方面的内容。知识库里面的样本特征知识是指有依据的数据信息知识，如样本、数据分类、模型、决策等。操作性知识是指对数据信息的处理规则及具体的执行方法。推理性知识是指通过环境数据、执行结果、知识库样本特征等相关信息，运用推理规则进行分析，增加、修改或删除知识库里的相关知识内容。

2 机器学习机制工作流程

当发生网络故障时， 首先要采集现场故障现象和诊断信息。系统要进行判断该故障是曾经发生过的故障还是新的故障，若是前者，根据诊断结论对知识库中的知识进行检验，并同步更新知识库。若是后者，系统提取故障现象并存入动态数据库，运用机器学习机制在获取新知识的同时对知识库进行进一步的扩充和完善。故障诊断模块是根据故障的表征现象，利用诊断知识进行深刻的推理。针对推理成功的故障，系统会显示故障原因及建议性的解决方案。针对推理失败的故障，系统会显示相关问题解答情况，并为后台管理员提供诊断依据。当系统检测到新的维修记录存入知识库时，启动自学习模块，调整已有规则的置信度或生成的新规则，并通过人机界面进行全方位的展示。其工作流程如图2所示。

3 机器学习机制中的知识获取

机器学习机制分为知识修正、知识抽取、知识精化和知识联想四类[1]。知识抽取就是通过具体案例的学习，来获得各种新概念和新规则的一种方法。本系统以故障现象为“前件”，以引起故障的最终原因为“后件”，生成预备规则，以预备规则的“前件”为已知事实、以“后件”为结束条件，在知识库中进行推理匹配。当匹配不成功时，系统以启发提问的方式进行自动知识抽取，从故障现象、故障原因到故障解决，形成一组規则，这一组规则要求后台工程师给出或默认“前件”与“后件”的置信度，产生的新规则自动经知识库检验后放入推理规则库，最终完成知识的获取。

4 机器学习机制中的知识获取方法

机器学习机制中的知识获取方法是采用人工和系统机器学习机制相结合而获得的。人工知识获取方法就是通过阅读相关故障文献，与前、后台网络工程师交流来获取知识，然后将这些知识进行抽取、整理、转换后形成一系列规则。以特征知识库中存放的维修记录作为学习对象，通过系统机器学习机制，生成新的规则或修正已有规则的置信度，从而不断充实和完善现有的特征知识库。

5 机器学习机制中的知识获取实现

本文设计的校园网络故障诊断系统是基于Windows 7 系统平台， JBuilder 9.0开发工具， Oracle 10g数据库[2]而设计的。以故障现象“网卡未连接”为例，通过人机交互界面输入上述故障现象，实现了机器学习机制在校园网络故障诊断系统中的知识获取，整个知识获取过程如下：

（1）机器学习模块读取该维修记录，并生成预备规则： Pre-Rule= {“网卡未连接； 1.用户的电脑未与入户信息插座连接网线；2.网线有故障；3.未使用正确的网卡；4.网卡设置错误；5.校园网入户线缆发生故障；6.校园网接入设备发生故障；7.用户上网行为违规，管理员关闭端口； 8.由于用户房间内网线连接方式错误，产生了环路现象，触发了校园网交换机的防护规则，导致校园网接入端口关闭。”}如图3所示。

（2）以Pre-Rule的前件“网卡未连接”为已知条件，以“由于用户房间内网线连接方式错误，产生了环路现象，触发了校园网交换机的防护规则，导致校园网接入端口关闭。”作为结束条件，在特征知识库中进行匹配。

（3）如果匹配失败，则以“网卡未连接”为前件的规则没有Rule01= {网卡未连接； 网口接触不良； CF01 }，Rule02={网卡未连接；网络汇聚或终端设备故障； CF02 }。

（4）经人机界面显示后，后台工程师或机器人从故障现象开始，一直推理到故障原因，执行整个推理过程。

（5）当后台工程师收到请求后，提供2条经验： IF 网卡未连接，THEN 网口接触不良； IF 网卡未连接，网口接触良好， THEN 网卡驱动程序已损坏。

（6）由以上得出规则集： Rule01、Rule02， 其中Rule03= {网卡未连接，网口接触良好； 网卡驱动程序损坏；CF03 }。

（7）根据置信度调整方案，将Rule01的置信度调整为CF′01，并将新的规则Rule03加入到特征知识库中，使其更新知识库。

6 机器学习机制的理论验证和实际测试

为了验证本文提出的机器学习机制在校园网络故障诊断方面的有效性，进行了多次理论验证和实际测试。经实际测试结果的对比分析，得出机器学习机制被运用在校园网络故障诊断系统中，具有其独特的优势。

7 结 语

判断一个机器学习机制的标准，主要是看它的学习能力，通过不断的自我学习，使得机器能够自动适应不同的学习环境。在今后的研究与应用中，主要针对自学习过程中的知识进行分类，自动收集各种状态、现象、图像，总结归纳为现有网络故障中常见的问题和解决办法，最终形成特征知识库。通过机器学习机制获取知识，不断改善系统性能，实现故障诊断功能，降低故障现象与原因之间的关联性对诊断结果的影响，从而提高各类故障诊断的及时性、准确性和高效性。

主要参考文献

[1]陈玮，胡光锐，汪亚平. 故障诊断专家系统学习机制[J].上海交通大学学报，1999，33（ 9）：1100-1102.

[2][美]Joseph C Giarratano， Gray D Riley.專家系统原理与编程[M].印鉴，陈忆群，刘星成，译.北京：机械工业出版社，2006.

[3]蔡自兴，徐光佑.人工智能及其应用[M].第2版.北京：清华大学出版社，1996.

[4]史忠植.知识发现[M]，北京：清华大学出版社，2002.1

[5]刘培奇，李增智，赵银亮.扩展产生式规则的网络故障诊断专家系统[J].西安交通大学学报，2004，38（8）：783-786.

[6] 陈敏，李兴明，彭向梅.网络故障诊断专家系统中知识库的设计[J]. 电子科技大学学报，2005，34（ 6）：996-999.