| Autor: |
王雨晞， 叶庆卫， 周鹏， 李冰， 王晓东 |
| Jazyk: |
čínština |
| Rok vydání: |
2024 |
| Předmět: |
|
| Zdroj: |
Dianxin kexue, Vol 40, Iss 8, Pp 11-22 (2024) |
| Druh dokumentu: |
article |
| ISSN: |
1000-0801 |
| DOI: |
10.11959/j.issn.1000-0801.2024168&lang=zh |
| Popis: |
针对计算机网络中节点故障对正常业务运行的影响，提出了一种以日志信息为驱动的故障预测方法，通过构建高效的深度学习模型，并引入校正机制，对计算机网络中的节点故障进行预测和诊断，支持网络运维的需求。首先收集计算机网络中各节点产生的日志信息，获得各节点的状态向量和所有节点的状态矩阵，然后通过状态填补原则补充数据集，最后将故障预测问题转换成时间序列预测问题。在公开的小规模运维数据集GAIA中进行性能评估。实验结果表明，与其他算法相比，所提模型在局部网络场景下预测效果良好，预测有效性得到了验证，为计算机网络故障预测研究提供了一定的参考价值。 |
| Databáze: |
Directory of Open Access Journals |
| Externí odkaz: |
|
