نام پژوهشگر: مریم چعبی

همبسته سازی خطا در سیستم های مدیریت شبکه
پایان نامه وزارت علوم، تحقیقات و فناوری - دانشگاه تربیت مدرس - دانشکده مهندسی 1390
  مریم چعبی   بهزاد اکبری

چکیده مدیریت خطا مهم ترین بخش مدیریت شبکه می باشد که به طور پایه مسئول ثبت هشدار های تولیدشده توسط المان ها و گزارش آنها به سیستم مدیریت شبکه می باشد. با پیچیده تر شدن شبکه های ارتباطی و تنوع سرویس های آنها وجود یک سیستم مدیریت خطای کارآمد با توابع عملکردی مانیتورینگ، همبسته سازی، تحلیل و تصحیح خطاهای سیستم جهت تأمین دسترس پذیری مورد نظر کاربران ضروری است. همبسته سازی هسته مدیریت خطا می باشد که به بررسی روابط بین اعلان های خطا جهت کاهش حجم آنها و افزایش بار معنایی هشدار ها جهت انجام خطایابی سریع و دقیق می پردازد. یکی از روش هایی که برای همبسته سازی خطاها و تفسیر هشدار های مشاهده شده ارائه شده است؛ مبتنی بر تئوری گراف بوده که با استفاده از یک نقشه خطا-هشدار به تفسیر هشدار ها پرداخته و بر اساس استنتاج بیزی فرضیه ای از خطا که بیشترین احتمال وقوع را دارد؛ به عنوان نتیجه خطایابی تعیین می کند. از چالش های اصلی این روش زمان پردازش زیاد آن می باشد که به دلیل ترکیب تمام خطاهای متناظر با هر هشدار مشاهده شده می باشد. علاوه بر زمان زیاد، هشدار های زود گذر و جعلی در این الگوریتم به عنوان هشدار های حقیقی مورد بررسی قرار می گیرند و الگوریتم خطاهای غیر واقعی را نیز به مجموعه خطاهای تشخیص داده شده خود اضافه می کند. در این پژوهش با افزودن راهکارهایی جهت آنالیز هشدار های جعلی و نیز آنالیز هشدار های مثبت و گم شده ، عملکرد این الگوریتم بهبود داده شده است. سیستم ارائه شده در این تحقیق شامل دو زیر سیستم همبسته سازی و کاهش هشدار ها و الگوریتم خطایابی می باشد. همبسته سازی هشدار ها مبتنی بر عملیات فیلتر، تعمیم و فشرده سازی می باشد. الگوریتم خطایابی مبتنی بر مدل ترکیبی-افزایشی(ihu) دو لایه noisy-or و استنتاج بیزی می باشد که در این تحقیق با تعیین آستانه برای پردازش هشدار ها در ابتدای پروسه خطایابی، مجموعه هشدار های مورد بررسی و نیز زمان پردازش به مقدار قابل توجهی کاهش داده شده است. همچنین اضافه نمودن آنالیز هشدار های مثبت و نیز هشدار های گم شده صحت عملکرد الگوریتم پایه ترکیبی- افزایشی را بهبود داده است. بر اساس تست انجام شده بر روی شبکه sdh شرکت مناطق نفت خیز جنوب، دقت تشخیص الگوریتم بالای 95 درصد بوده و اکثر خطاها را صحیح تشخیص می دهد همچنین با افزودن آنالیز هشدار های جعلی، صحت عملکرد الگوریتم به مقدار قابل توجهی بهبود یافته و زمان پردازش سیستم نسبت به الگوریتم پایه ترکیبی- افزایشی کاهش داده شده است.