計(jì)算機(jī)網(wǎng)絡(luò)故障種類較多，計(jì)算機(jī)網(wǎng)絡(luò)故障檢測(cè)是一個(gè)復(fù)雜的系統(tǒng)工程，不僅對(duì)網(wǎng)絡(luò)故障處理步驟有所要求，而且對(duì)網(wǎng)絡(luò)故障分析方法以及計(jì)算機(jī)故障維護(hù)都有極高的要求。下面是由學(xué)習(xí)啦小編整理的網(wǎng)絡(luò)故障檢測(cè)技術(shù)論文，謝謝你的閱讀。

　　網(wǎng)絡(luò)故障檢測(cè)技術(shù)論文篇一

　　網(wǎng)絡(luò)故障診斷技術(shù)概述

　　摘 要：對(duì)網(wǎng)絡(luò)故障診斷技術(shù)進(jìn)行了概述。介紹了網(wǎng)絡(luò)故障診斷的基本概念及一般過(guò)程，重點(diǎn)對(duì)網(wǎng)絡(luò)故障診斷中的故障檢測(cè)、定位、原因診斷三個(gè)主要階段的關(guān)鍵技術(shù)和方法進(jìn)行了深入研究，總結(jié)了相關(guān)領(lǐng)域經(jīng)典主流方法，并給出了方法具體過(guò)程和細(xì)節(jié)。

　　關(guān)鍵詞：網(wǎng)絡(luò)故障;故障檢測(cè);故障定位;故障診斷;專家系統(tǒng);數(shù)據(jù)挖掘;神經(jīng)網(wǎng)絡(luò)

　　中圖分類號(hào)：TP393.06

　　隨著計(jì)算機(jī)、通信以及互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展及應(yīng)用，網(wǎng)絡(luò)作為一種重要的工具，在軍事、政治、經(jīng)濟(jì)和科研等諸多領(lǐng)域起著越來(lái)越重要的作用，已經(jīng)成為社會(huì)生產(chǎn)和生活必不可少的一部分。與此同時(shí)，網(wǎng)絡(luò)的規(guī)模和復(fù)雜性不斷增大，一旦網(wǎng)絡(luò)發(fā)生故障，如果不能在有效時(shí)間內(nèi)對(duì)網(wǎng)絡(luò)故障進(jìn)行診斷與修復(fù)，將會(huì)造成巨大的損失，甚至嚴(yán)重威脅社會(huì)的安全與穩(wěn)定，因此對(duì)網(wǎng)絡(luò)故障診斷技術(shù)進(jìn)行研究具有越來(lái)越重要的應(yīng)用價(jià)值和現(xiàn)實(shí)意義。

　　1 網(wǎng)絡(luò)故障診斷一般過(guò)程

　　通常來(lái)說(shuō)，網(wǎng)絡(luò)故障診斷是以網(wǎng)絡(luò)原理、網(wǎng)絡(luò)配置和網(wǎng)絡(luò)運(yùn)行的知識(shí)為基礎(chǔ)，根據(jù)網(wǎng)絡(luò)出現(xiàn)的故障現(xiàn)象，并使用專門的網(wǎng)管理和檢測(cè)工具以獲取告警信息進(jìn)而對(duì)網(wǎng)絡(luò)中出現(xiàn)的故障進(jìn)行診斷、恢復(fù)以及預(yù)測(cè)的過(guò)程，一般可分為以下五個(gè)部分[1]：

　　(1)故障檢測(cè)，即網(wǎng)絡(luò)故障告警信息的獲取。網(wǎng)絡(luò)發(fā)生故障時(shí)，通過(guò)主動(dòng)輪詢或異步收集方式，對(duì)網(wǎng)絡(luò)中的相關(guān)設(shè)備或服務(wù)的相關(guān)告警信息、設(shè)置和性能參數(shù)，狀態(tài)信息等進(jìn)行收集和分析，及時(shí)發(fā)現(xiàn)網(wǎng)絡(luò)出現(xiàn)的故障及問(wèn)題。

　　(2)故障定位，即定位故障源。對(duì)故障檢測(cè)階段收集的海量告警數(shù)據(jù)進(jìn)行分析和處理，在網(wǎng)絡(luò)中找出故障，為下一步的故障原因的診斷提供依據(jù)。

　　(3)故障原因的診斷，即查找故障產(chǎn)生的根源。根據(jù)故障定位的結(jié)果綜合運(yùn)用各種規(guī)則進(jìn)行系統(tǒng)的推理，快速的找到故障產(chǎn)生的原因或者最可能的原因。

　　(4)故障修復(fù)。根據(jù)網(wǎng)絡(luò)故障診斷結(jié)果修復(fù)網(wǎng)絡(luò)故障，恢復(fù)網(wǎng)絡(luò)的正常運(yùn)行。

　　(5)故障預(yù)測(cè)，即根據(jù)先驗(yàn)知識(shí)和監(jiān)測(cè)數(shù)據(jù)預(yù)測(cè)網(wǎng)絡(luò)可能發(fā)生的故障。

　　其中故障檢測(cè)，故障定位，故障原因診斷是必不可少的三個(gè)步驟，下面將重點(diǎn)對(duì)上述三個(gè)步驟進(jìn)行詳細(xì)的介紹。

　　2 網(wǎng)絡(luò)故障檢測(cè)

　　通常計(jì)算機(jī)網(wǎng)絡(luò)通過(guò)以下兩種方式收集信息，通過(guò)分析收集到的信息來(lái)檢測(cè)故障[2]。

　　(1)Trap機(jī)制。在網(wǎng)絡(luò)中每一個(gè)被管設(shè)備中都要運(yùn)行一個(gè)程序以便和管理站中的管理程序進(jìn)行通信。

　　(2)主動(dòng)輪詢。網(wǎng)絡(luò)中發(fā)生故障的被管設(shè)備或服務(wù)主動(dòng)向網(wǎng)絡(luò)管理系統(tǒng)發(fā)出告警信息，能夠及時(shí)發(fā)現(xiàn)網(wǎng)絡(luò)中的故障，網(wǎng)絡(luò)管理系統(tǒng)還需通過(guò)主動(dòng)輪詢這種方式了解與網(wǎng)絡(luò)性能密切相關(guān)的信息，并對(duì)這些影響網(wǎng)絡(luò)性能信息設(shè)置閾值，來(lái)判斷網(wǎng)絡(luò)性能，超過(guò)設(shè)定閾值也會(huì)觸發(fā)事件。

　　3 網(wǎng)絡(luò)故障定位

　　網(wǎng)絡(luò)系統(tǒng)中，一般通過(guò)監(jiān)測(cè)被管設(shè)備或服務(wù)等各種方法獲取大量原始告警數(shù)據(jù)或歷史積累信息，這些數(shù)據(jù)往往由于通信系統(tǒng)的復(fù)雜性、網(wǎng)絡(luò)結(jié)構(gòu)異構(gòu)性、噪聲、外界因素、因果關(guān)系等原因而具有相當(dāng)大的不確定性和不精確性，導(dǎo)致故障癥狀和故障原因都存在非線性映射關(guān)系，需要利用關(guān)聯(lián)技術(shù)對(duì)數(shù)據(jù)進(jìn)行處理和分析才有效的進(jìn)行故障定位[3]，目前常用的故障定位技術(shù)主要有下面幾種：

　　3.1 基于人工智能的故障定位技術(shù)

　　3.1.1 基于規(guī)則的推理技術(shù)

　　基于規(guī)則的推理(Rule-based Reason，RBR)是最簡(jiǎn)單的關(guān)聯(lián)技術(shù)，已被用于多種構(gòu)架。一般而言，基于規(guī)則的系統(tǒng)由三個(gè)組成部分組成，如圖1所示。

　　(1)推理引擎，主要提供解決問(wèn)題所需要的策略。

　　(2)知識(shí)庫(kù)，提供和定義與問(wèn)題相關(guān)的規(guī)則和專家知識(shí)。

　　(3)工作內(nèi)存，主要提供解決問(wèn)題所需要的數(shù)據(jù)。

　　在基于規(guī)則的推理的網(wǎng)絡(luò)故障定位系統(tǒng)中，知識(shí)庫(kù)充當(dāng)一個(gè)專家的角色，利用從人類專家獲取專家積累的經(jīng)驗(yàn)和知識(shí)，這些知識(shí)主要包括對(duì)網(wǎng)絡(luò)問(wèn)題的定義以及當(dāng)某一特定問(wèn)題發(fā)生時(shí)，網(wǎng)絡(luò)故障定位系統(tǒng)需要執(zhí)行的操作。工作內(nèi)存主要是利用具體的網(wǎng)絡(luò)協(xié)議對(duì)網(wǎng)絡(luò)中的被管設(shè)備或服務(wù)進(jìn)行監(jiān)測(cè)，得到有關(guān)被管設(shè)備或服務(wù)的各種信息。在對(duì)網(wǎng)絡(luò)故障進(jìn)行定位時(shí)，推理引擎與知識(shí)庫(kù)共同合作，將監(jiān)測(cè)得到的網(wǎng)絡(luò)中被管設(shè)備或服務(wù)的狀態(tài)信息與知識(shí)庫(kù)中定義好的條件部分進(jìn)行比對(duì)，根據(jù)條件滿足與否，來(lái)進(jìn)行網(wǎng)絡(luò)故障的定位。

　　基于規(guī)則的網(wǎng)絡(luò)故障定位系統(tǒng)，由于無(wú)需對(duì)專家系統(tǒng)的具體結(jié)構(gòu)和操作細(xì)節(jié)進(jìn)行深入了解，從而具有結(jié)構(gòu)簡(jiǎn)單等諸多優(yōu)點(diǎn)，并且實(shí)現(xiàn)起來(lái)比較簡(jiǎn)單，非常適用于小型系統(tǒng)。但是基于規(guī)則的網(wǎng)絡(luò)故障定位系統(tǒng)在匹配規(guī)則時(shí)，需要網(wǎng)絡(luò)狀態(tài)與知識(shí)庫(kù)中的規(guī)則條件精確匹配，否則將推出整個(gè)推理過(guò)程，無(wú)法定位故障，并且規(guī)則存在不易維護(hù)性和指數(shù)增長(zhǎng)性，所有這些缺點(diǎn)決定了基于規(guī)則的網(wǎng)絡(luò)故障定位系統(tǒng)不適用大型系統(tǒng)。

　　3.1.2 基于模型的推理技術(shù)

　　基于模型的推理(Model-based Reason，MBR)是建立在面向?qū)ο笊系幕A(chǔ)之上，利用現(xiàn)有的專家經(jīng)驗(yàn)和知識(shí)，將具體的目標(biāo)系統(tǒng)中的實(shí)體都模型化診斷對(duì)象，并且明確地表現(xiàn)出現(xiàn)實(shí)目標(biāo)系統(tǒng)中對(duì)象之間存在的各種關(guān)聯(lián)關(guān)系，再根據(jù)系統(tǒng)模型對(duì)具體的目標(biāo)系統(tǒng)的行為進(jìn)行推測(cè)。由于通常情況下，具體的目標(biāo)系統(tǒng)與理想的系統(tǒng)模型之間存在差異性，因此基于模型的推理的專家系統(tǒng)需要對(duì)推測(cè)的行為和目標(biāo)系統(tǒng)的實(shí)際行為進(jìn)行不一致診斷，以確定具體目標(biāo)系統(tǒng)中的故障根源。

　　為了更好地說(shuō)明基于模型的推理專家系統(tǒng)的工作流程，文獻(xiàn)[4]使用一個(gè)物理模型和對(duì)應(yīng)的對(duì)等模型分別如圖2、3所示的網(wǎng)絡(luò)系統(tǒng)。網(wǎng)絡(luò)系統(tǒng)按一定的周期，有規(guī)律的向圖2中的被管設(shè)備發(fā)送ping命令以監(jiān)測(cè)網(wǎng)絡(luò)系統(tǒng)中的被管設(shè)備是否運(yùn)行正常。管理系統(tǒng)和被管設(shè)備之間通過(guò)一個(gè)模型對(duì)象實(shí)現(xiàn)彼此之間的相互通信，具體來(lái)說(shuō)，如圖2所示，系統(tǒng)中的集線器模型向被管設(shè)備集線器發(fā)送ping命令，路由器模型則向被管設(shè)備路由器發(fā)送ping命令。當(dāng)目標(biāo)網(wǎng)絡(luò)發(fā)生故障時(shí)，如果故障發(fā)生在集線器1，則集線器1模型可以將其發(fā)現(xiàn)并且識(shí)別出來(lái)，如果集線器1模型連續(xù)3次向被管設(shè)備集線器1發(fā)送ping命令，在3次響應(yīng)超時(shí)以后，集線器模型1根據(jù)現(xiàn)有的網(wǎng)絡(luò)現(xiàn)象推測(cè)被管設(shè)備集線器1有可能發(fā)生故障，或者說(shuō)目標(biāo)系統(tǒng)中的故障位于集線器1。集線器1模型則會(huì)在確定故障并正式發(fā)送告警信息之前，集線器1模型將分析自身與圖2中其他被管設(shè)備的模型之間的關(guān)系以此來(lái)確定其是否應(yīng)該詢問(wèn)網(wǎng)絡(luò)中路由器模型，如網(wǎng)絡(luò)中的路由器模型返回的是相應(yīng)的被管路由器設(shè)備工作處于正常狀態(tài)，則集線器1觸發(fā)警報(bào)。 　　3.1.3 基于范例的推理技術(shù)

　　基于范例的推理(Case-based Reason，CBR)故障定位技術(shù)與前面的基于規(guī)則推理技術(shù)和基于模型推理技術(shù)相比具有很大的差異性，主要因?yàn)榛诜独耐评砑夹g(shù)的思想源于人類現(xiàn)實(shí)生活，主要根據(jù)過(guò)去積累的實(shí)際經(jīng)驗(yàn)或經(jīng)歷，利用類比的推理方法對(duì)現(xiàn)有的新問(wèn)題做出相似的解答，然后根據(jù)新問(wèn)題與舊問(wèn)題之間的差異對(duì)解答進(jìn)行修改從而得到新問(wèn)題的完全解答?；诜独评淼木W(wǎng)絡(luò)故障定位技術(shù)主要由四個(gè)部分組成，檢索 (Retrieve)、復(fù)用(Reuse)、修正(Revise)、保存(Retain)，簡(jiǎn)稱4R過(guò)程。

　　基于范例推理的故障定位技術(shù)與基于規(guī)則推理的故障定位技術(shù)相比，由于在基于范例推理的故障定位技術(shù)中檢索只是基于對(duì)案例的部分匹配，而基于規(guī)則推理的故障定位技術(shù)則是完全匹配，因此基于范例推理的故障定位技術(shù)對(duì)網(wǎng)絡(luò)配置變化的適應(yīng)度更好，更適用于問(wèn)題的總體解決方案。

　　3.2 模型遍歷技術(shù)

　　模型遍歷技術(shù)(Model traversing techniques)是一種構(gòu)建網(wǎng)絡(luò)故障傳播模型的方法，該方法在構(gòu)建故障傳播模型時(shí)，主要根據(jù)網(wǎng)絡(luò)在運(yùn)行時(shí)各種被管對(duì)象之間的相互關(guān)系，并且按照從引起事件的被管對(duì)象開(kāi)始的順序進(jìn)行構(gòu)建。該方法主要適用于網(wǎng)絡(luò)中被管對(duì)象之間的相互關(guān)系類似于圖形，并且一般情況下較容易獲取的情況，并且在系統(tǒng)配置變化較頻繁時(shí)該方法的魯棒性很好。模型遍歷技術(shù)主要具有兩大特點(diǎn)，事件驅(qū)動(dòng)和事件關(guān)聯(lián)，所謂事件驅(qū)動(dòng)是指在一個(gè)故障癥狀報(bào)告到來(lái)之前，系統(tǒng)一直處于等待故障癥狀狀態(tài);事件關(guān)聯(lián)則是確定兩個(gè)故障癥狀是否來(lái)源同一個(gè)事件源。

　　一般情況下，模型遍歷技術(shù)需要在其事件報(bào)告中明確標(biāo)識(shí)網(wǎng)絡(luò)系統(tǒng)中故障的征兆類型、征兆目標(biāo)等相關(guān)信息，如果網(wǎng)絡(luò)系統(tǒng)中出現(xiàn)故障征兆，且不妨用si來(lái)表示該故障征兆，當(dāng)si的目標(biāo)和si來(lái)源相同，則說(shuō)明si是一個(gè)次要征兆也就說(shuō)明某些告警信息可以被忽略。模型遍歷技術(shù)的整個(gè)處理可分為以下3步：

　　(1)首先，對(duì)網(wǎng)絡(luò)中的每個(gè)事件，依據(jù)網(wǎng)絡(luò)在運(yùn)行時(shí)各種被管對(duì)象之間的相互關(guān)系對(duì)其構(gòu)建一個(gè)和事件源相關(guān)的對(duì)象圖。

　　(2)當(dāng)給定的兩個(gè)事件的對(duì)象圖相交時(shí)，此時(shí)說(shuō)明兩個(gè)圖至少包含同一個(gè)對(duì)象，則認(rèn)為這兩個(gè)對(duì)象圖的事件源是關(guān)聯(lián)的。

　　(3)當(dāng)給定三個(gè)故障癥狀si，sj，sk，其中si，sj相互關(guān)聯(lián)，sj，sk相互關(guān)聯(lián)，則根據(jù)故障癥狀的傳遞性可知si是一個(gè)次要的故障癥狀。

　　4 網(wǎng)絡(luò)故障原因診斷

　　(1)基于信號(hào)處理方法。該方法主要是依據(jù)信號(hào)模型，直接對(duì)網(wǎng)絡(luò)系統(tǒng)中的可測(cè)信號(hào)進(jìn)行分析與處理，并通過(guò)提取可測(cè)信號(hào)的頻率等特征值，對(duì)網(wǎng)絡(luò)中存在的故障原因進(jìn)行診斷。

　　(2)基于解析模型的方法?；诮馕瞿Ｐ偷姆椒ㄖ饕罁?jù)數(shù)學(xué)模型和數(shù)學(xué)方法來(lái)進(jìn)行故障原因的診斷，在診斷時(shí)需要建立對(duì)象的精確數(shù)學(xué)模型。

　　(3)基于知識(shí)檢測(cè)的方法。與基于解析模型方法相比，此方法最大的特點(diǎn)在于其并不需要對(duì)象的精確數(shù)學(xué)模型就可以對(duì)網(wǎng)絡(luò)中的故障原因進(jìn)行診斷。

　　下面主要介紹幾種目前國(guó)內(nèi)外研究學(xué)者研究比較多的基于知識(shí)檢測(cè)的方法，基于專家系統(tǒng)故障原因診斷方法和基于模糊理論故障原因診斷方法以及基于BP神經(jīng)網(wǎng)絡(luò)故障原因檢測(cè)方法。

　　4.1 基于專家系統(tǒng)故障原因診斷方法

　　基于專家系統(tǒng)故障原因診斷系統(tǒng)主要是利用人類專家的經(jīng)驗(yàn)和歷史積累診斷數(shù)據(jù)，使用一定的方法將其轉(zhuǎn)化為系統(tǒng)能夠識(shí)別的規(guī)則存在專家系統(tǒng)的知識(shí)庫(kù)中。當(dāng)網(wǎng)絡(luò)中出現(xiàn)故障時(shí)，診斷系統(tǒng)利用專家系統(tǒng)知識(shí)庫(kù)中的規(guī)則，對(duì)發(fā)生故障網(wǎng)絡(luò)中的被管對(duì)象的各項(xiàng)性能參數(shù)進(jìn)行處理與分析以正確的確定網(wǎng)絡(luò)故障發(fā)生的具體原因[5]。組成由人機(jī)接口、推理機(jī)、知識(shí)庫(kù)等六部分組成：

　　目前，國(guó)內(nèi)外學(xué)者公認(rèn)的專家系統(tǒng)瓶頸是知識(shí)獲取問(wèn)題，因?yàn)閷＜蚁到y(tǒng)在診斷過(guò)程中主要依賴于從人類專家領(lǐng)域內(nèi)獲取的知識(shí)、經(jīng)驗(yàn)和以往診斷數(shù)據(jù)，而這些獲取起來(lái)途徑有限，操作起來(lái)具有一定的局限性和復(fù)雜性。另外，專家系統(tǒng)在實(shí)時(shí)性和學(xué)習(xí)能力等方面也存在一定的局限性，因此目前通常將專家系統(tǒng)同其他方法相結(jié)合以提高專家系統(tǒng)在這些方面存在的局限性和不足。

　　4.2 模糊故障診斷方法

　　很多時(shí)候，網(wǎng)絡(luò)中的故障與系統(tǒng)得到的網(wǎng)絡(luò)現(xiàn)象之間存在非線性的映射關(guān)系，這種非線性的映射關(guān)系很難用確定的數(shù)學(xué)公式或者模型來(lái)刻畫，相應(yīng)的在故障原因診斷時(shí)，很難給出故障的精確原因。相反，只能給出故障發(fā)生的可能原因。對(duì)于這種存在一定模糊性的問(wèn)題，可以使用模糊邏輯來(lái)解決。

　　目前使用的比較多的是向量識(shí)別法，其診斷過(guò)程可分為以下3步：

　　首先，需要根據(jù)網(wǎng)絡(luò)中的故障與表征網(wǎng)絡(luò)故障的數(shù)據(jù)，建立二者之間的關(guān)系，通常用關(guān)系矩陣R來(lái)表示。

　　其次，對(duì)需要診斷的目標(biāo)網(wǎng)絡(luò)系統(tǒng)(對(duì)象)進(jìn)行狀態(tài)檢測(cè)，提取相關(guān)的特征參數(shù)以構(gòu)建特征向量矩陣X。

　　最后，根據(jù)模糊理論和矩陣?yán)碚?，求解前面兩步?gòu)建的關(guān)系矩陣方程Y=X・R，得到關(guān)系矩陣方程的解Y，再根據(jù)隸屬度等原則，對(duì)目標(biāo)網(wǎng)絡(luò)系統(tǒng)的故障向量Y進(jìn)行處理，得到故障的原因。

　　從上述診斷過(guò)程可知，在模糊故障診斷中，正確的進(jìn)行故障原因診斷的前提是建立關(guān)系矩陣R、隸屬函數(shù)、特征值向量X，而這些矩陣、函數(shù)、向量的建立是人為構(gòu)造而成，難免具有一定的主觀性，并且由于該模糊診斷方法對(duì)特征元素的選取也有一定的要求，所以兩者若處理不當(dāng)，會(huì)導(dǎo)致該方法的診斷結(jié)果精度嚴(yán)重下降甚至完全錯(cuò)誤。

　　4.3 BP神經(jīng)網(wǎng)絡(luò)診斷方法

　　由于人工神經(jīng)網(wǎng)絡(luò)的這些特性以及網(wǎng)絡(luò)中故障與征兆之間有可能存在的非線性映射關(guān)系，使得人工神經(jīng)網(wǎng)絡(luò)在網(wǎng)絡(luò)故障診斷中大有用武之地。目前，人工神經(jīng)網(wǎng)絡(luò)已經(jīng)大量應(yīng)用在網(wǎng)絡(luò)故障診斷領(lǐng)域。BP神經(jīng)網(wǎng)絡(luò)是常用的人工神經(jīng)網(wǎng)絡(luò)模型[6]。

　　BP神經(jīng)網(wǎng)絡(luò)故障診斷分為訓(xùn)練和診斷兩個(gè)階段：

　　(1)訓(xùn)練階段。BP神經(jīng)網(wǎng)絡(luò)對(duì)樣本進(jìn)行訓(xùn)練，以選定網(wǎng)絡(luò)結(jié)構(gòu)和規(guī)模，確定網(wǎng)絡(luò)總層數(shù)、各層神經(jīng)元數(shù)。借助BP學(xué)習(xí)算法，將原始網(wǎng)絡(luò)收集到的故障樣本的特征參數(shù)作為BP神經(jīng)網(wǎng)絡(luò)輸入樣本集，以與之對(duì)應(yīng)的網(wǎng)絡(luò)故障原因編碼為BP神經(jīng)網(wǎng)絡(luò)的輸出，以此對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。

　　(2)故障診斷階段。主要對(duì)待檢測(cè)對(duì)象的故障樣本進(jìn)行特征提取和歸一化處理，然后輸入到BP神經(jīng)網(wǎng)絡(luò)進(jìn)行診斷輸出診斷結(jié)果，整個(gè)過(guò)程分為以下4個(gè)步驟：1)故障樣本集預(yù)處理。2)BP網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)。3)訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)。4)故障診斷。

　　5 結(jié)束語(yǔ)

　　本文對(duì)網(wǎng)絡(luò)故障的概念以及基本過(guò)程進(jìn)行了概述，重點(diǎn)對(duì)當(dāng)前網(wǎng)絡(luò)故障中的故障檢測(cè)、故障定位、故障診斷的關(guān)鍵技術(shù)及方法進(jìn)行了研究和總結(jié)歸納，對(duì)開(kāi)展網(wǎng)絡(luò)故障診斷技術(shù)研究具有一定的指導(dǎo)意義。

　　參考文獻(xiàn)：

　　[1]王成等.網(wǎng)絡(luò)故障診斷技術(shù)研究[J].科技信息，2011(11).

　　[2]陳琳.一種網(wǎng)絡(luò)環(huán)境中的故障診斷模型[J].北京航空航天大學(xué)學(xué)報(bào)，2004(11).

　　[3]張燕.網(wǎng)絡(luò)故障診斷關(guān)鍵技術(shù)[J].電腦知識(shí)與技術(shù)，2009(31).

　　[4]李千目.戰(zhàn)略互聯(lián)網(wǎng)智能診斷技術(shù)研究[D].南京理工大學(xué)，2005.

　　[5]吳曉知，李興明.網(wǎng)絡(luò)故障管理專家系統(tǒng)中知識(shí)庫(kù)的構(gòu)造[J].微計(jì)算機(jī)信息，2008(06).

　　[6]戚涌，劉鳳玉.基于BP神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)智能診斷系統(tǒng)[J].微電子學(xué)與計(jì)算機(jī)，2004(10).

　　作者簡(jiǎn)介：張璋(1987.12-)，男，安徽蚌埠人，碩士研究生，研究方向：網(wǎng)絡(luò)安全、身份認(rèn)證。

　　作者單位：南京理工大學(xué) 計(jì)算機(jī)科學(xué)與工程學(xué)院，南京 210094

點(diǎn)擊下頁(yè)還有更多>>>網(wǎng)絡(luò)故障檢測(cè)技術(shù)論文