CN118138442A - 一种基于日志数据的网络故障诊断方法及*** - Google Patents
一种基于日志数据的网络故障诊断方法及*** Download PDFInfo
- Publication number
- CN118138442A CN118138442A CN202410551273.9A CN202410551273A CN118138442A CN 118138442 A CN118138442 A CN 118138442A CN 202410551273 A CN202410551273 A CN 202410551273A CN 118138442 A CN118138442 A CN 118138442A
- Authority
- CN
- China
- Prior art keywords
- data
- network
- log data
- fault
- module
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000003745 diagnosis Methods 0.000 title claims abstract description 67
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000004458 analytical method Methods 0.000 claims abstract description 29
- 238000007781 pre-processing Methods 0.000 claims abstract description 24
- 238000005516 engineering process Methods 0.000 claims abstract description 10
- 230000000007 visual effect Effects 0.000 claims abstract description 10
- 238000007726 management method Methods 0.000 claims description 17
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 9
- 230000006870 function Effects 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 8
- 238000010801 machine learning Methods 0.000 claims description 7
- 238000003860 storage Methods 0.000 claims description 6
- 230000008713 feedback mechanism Effects 0.000 claims description 5
- 238000012790 confirmation Methods 0.000 claims description 4
- 238000004140 cleaning Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 2
- 238000010606 normalization Methods 0.000 claims description 2
- 238000012795 verification Methods 0.000 claims 1
- 238000013461 design Methods 0.000 description 7
- 230000004807 localization Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000007619 statistical method Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 238000013480 data collection Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000003909 pattern recognition Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000010921 in-depth analysis Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000009545 invasion Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
Landscapes
- Test And Diagnosis Of Digital Computers (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明涉及一种基于日志数据的网络故障诊断方法及***,属于YY领域,该方法包括:S1,数据收集与预处理,首先网络中的各类设备中收集日志数据,对收集到的日志数据进行标准化预处理;S2,特征提取与分析,从预处理后的日志数据中提取出与网络故障相关的特征,对提取出的特征进行深入分析,发现故障发生的规律和趋势;S3,故障诊断与定位,S4,结果展示与反馈,将诊断结果以可视化形式展示给用户,包括故障类型、发生位置、影响范围。本发明所述的方法和***,可以通过收集和分析网络设备的日志数据,***能够提取出与网络故障相关的特征,并利用模式识别技术将特征与已知的故障模式进行比对,从而实现对故障类型的快速、准确识别。
Description
技术领域
本发明属于网络技术领域,尤其涉及一种基于日志数据的网络故障诊断方法及***。
背景技术
基于日志数据的网络故障诊断方法及***在现代信息技术领域扮演着至关重要的角色。随着网络技术的快速发展,网络规模和复杂性不断增加,网络故障的发生频率和影响范围也相应扩大。因此,如何快速、准确地定位并解决网络故障,成为了当前网络技术领域亟待解决的问题。
基于日志数据的网络故障诊断方法,主要依赖于对网络设备、服务器和应用程序等产生的日志信息进行深入分析。这些日志数据记录了网络运行的详细信息和状态,包括设备状态、流量变化、错误信息等,为故障诊断提供了宝贵的数据资源。通过对这些日志数据进行挖掘和分析,可以发现网络故障发生的规律和趋势,从而定位故障发生的具体原因。
发明内容
鉴于以上现有技术的不足,发明的目的在于提供一种基于日志数据的网络故障诊断方法及***,提高了故障检测效率。该方法基于日志数据的网络故障诊断***具有提高故障诊断准确性和效率、实现故障快速定位、降低维护成本和提高管理效率、增强网络安全性和可靠性以及适应性和扩展性强等有益效果。这些效果有助于提升网络管理的水平和质量,保障网络的正常运行和安全稳定。
本发明的第一方面,提出了一种基于日志数据的网络故障诊断方法,包括:
S1,数据收集与预处理,首先网络中的各类设备中收集日志数据,对收集到的日志数据进行标准化预处理;
S2,特征提取与分析,从预处理后的日志数据中提取出与网络故障相关的特征,对提取出的特征进行深入分析,发现故障发生的规律和趋势;
S3,故障诊断与定位,通过模式识别技术,将分析出的特征与已知的故障模式进行比对,从而识别出可能的故障类型,结合网络拓扑结构、设备连接关系等信息,对故障进行精确定位,确定故障发生的具***置;
S4,结果展示与反馈,将诊断结果以可视化形式展示给用户,包括故障类型、发生位置、影响范围。
进一步的,S1中日志信息数据包括设备的运行状态、流量变化、错误提示。
进一步的,S1中日志数据进行标准化预处理步骤包括数据清洗、格式化、标准化,数据清洗用于去除重复、无关或格式不正确的数据;格式化则是将数据转换为统一的格式;标准化则是将数据映射到同一尺度上。
进一步的,所述S2中与网络故障相关的特征包括特定的错误代码、流量变化模式、设备状态变化。
进一步的,所述S2中对特征的分析,可以发现故障发生的规律和趋势,进而识别出可能的故障类型。
进一步的,所述S3中对未识别以及无法识别的故障类型需要进行标记并记录,并进行核实是否为新的故障类型,如成为新的故障类型需记录入库。
进一步的,所述S4中在进行结果展示的同时建立反馈机制,允许用户对结果进行确认和修正,同时进行记录修正,对方法进行优化。
本发明的第二方面,提出了一种日志数据的网络故障诊断***,所述***包括:
数据采集模块:负责从网络中的各类设备收集日志数据,并将其传输到数据预处理模块;
数据预处理模块:对收集到的日志数据进行清洗、格式化等预处理操作,为后续的特征提取和分析提供高质量的数据;
特征提取与分析模块:从预处理后的数据中提取出关键特征,并利用机器学习算法技术对这些特征进行深入分析,发现潜在的故障模式;
故障诊断与定位模块:根据分析出的特征模式和网络拓扑结构信息,对故障进行诊断和定位,确定故障的具体类型和位置;
结果展示与反馈模块:将诊断结果以可视化形式展示给用户,并收集用户的反馈意见,用于优化诊断方法和提升***性能;
数据库与存储模块:负责存储和管理收集到的日志数据、预处理结果、分析结果关键信息,为***的稳定运行提供数据支持。
进一步的,还包括管理与配置模块,用于提供***的管理和配置功能,包括用户权限管理、***参数配置、日志查询功能。
进一步的,所述结果展示与反馈模块,包括:结果展示模块用于展示诊断结果;确认模块用于管理确认以及修改诊断结果,反馈模块,用于将修改和确认的结果反馈回***,以对方法提供修正。
本发明有益效果如下:
本发明通过收集和分析网络设备的日志数据,***能够提取出与网络故障相关的特征,并利用模式识别技术将特征与已知的故障模式进行比对,从而实现对故障类型的快速、准确识别。这种基于数据的诊断方式避免了传统诊断方法中的人工分析和推理,减少了人为因素的影响,提高了诊断的准确性和效率。通过自动化收集和分析日志数据,***能够实现对网络状态的实时监控和预警,减少了人工巡检和排查的工作量。同时,***还可以提供历史故障数据的查询和分析功能,帮助管理人员了解故障发生的规律和趋势,优化网络配置和管理策略,降低维护成本和提高管理效率。***通过对网络故障的诊断和定位,能够及时发现并处理潜在的安全隐患和漏洞,防止黑客攻击和恶意软件的入侵。同时,***还可以监控网络性能的变化,及时发现并预防网络拥堵和性能下降等问题,提高网络的可靠性和稳定性。
附图说明
附图仅用于示出具体实施例的目的,而并不认为是对本发明的限制,在整个附图中,相同的参考符号表示相同的部件。显而易见地,下面描述中的附图仅仅是本发明实施例中记载的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的附图。
图1为本发明实施例一种基于日志数据的网络故障诊断方法流程图;
图2为本发明实施例的一种基于日志数据的网络故障诊断***示意图。
具体实施方式
为了使本领域的人员更好地理解本发明实施例中的技术方案,下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。应该理解,这些描述只是示例性的,并非用于限定本发明的范围。基于本发明的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本发明公开的概念。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的***或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的方法和***的例子。
本发明提出了一种基于日志数据的网络故障诊断方法及***,为解决了现有方法自动化程度低、目标定位和标注不精确、工作效率低、对测试人员的技术水平要求高、操作繁琐耗时长等问题。
方法实施例
本发明提供的一种基于日志数据的网络故障诊断方法,本方法包括步骤 S1-S4,包括:
S1,数据收集与预处理,首先网络中的各类设备中收集日志数据,对收集到的日志数据进行标准化预处理;
S2,特征提取与分析,从预处理后的日志数据中提取出与网络故障相关的特征,对提取出的特征进行深入分析,发现故障发生的规律和趋势;
S3,故障诊断与定位,通过模式识别技术,将分析出的特征与已知的故障模式进行比对,从而识别出可能的故障类型,结合网络拓扑结构、设备连接关系等信息,对故障进行精确定位,确定故障发生的具***置;
S4,结果展示与反馈,将诊断结果以可视化形式展示给用户,包括故障类型、发生位置、影响范围。
下面分项对本方法涉及的内容进行详细说明
数据收集
数据收集是网络故障诊断的首要步骤,也是后续分析的基础。在这一步中,我们需要从网络中的各类设备(如路由器、交换机、服务器等)中收集日志数据。这些日志数据通常包含了设备的运行状态、流量变化、错误示等关键信息,是后续分析和诊断的重要依据。
为了确保数据的完整性和准确性,我们需要确定合适的日志收集策略,包括收集哪些设备的日志、收集哪些类型的日志、以及收集的频率等。同时,还需要考虑数据的存储和管理问题,确保收集到的数据能够被安全、有效地保存和访问。
数据预处理
数据预处理是数据分析和挖掘的重要前提。由于原始日志数据可能存在大量冗余、格式不一致或包含噪声等问题,因此需要进行数据预处理。
在这一步中,我们首先需要对数据进行清洗,去除重复、无关或格式不正确的数据。这可以通过编写脚本或使用专门的日志处理工具来实现。其次,我们需要对数据进行格式化或标准化处理,将数据转换为统一的格式或映射到同一尺度上,以便后续的处理和分析。此外,还可以根据需要对数据进行聚合或抽样等操作,以减少数据量和计算复杂度。
特征提取
特征提取是从预处理后的数据中提取出与网络故障相关的特征的过程。这些特征可能包括特定的错误代码、流量变化模式、设备状态变化等。
为了有效地提取特征,我们需要对网络故障进行深入的理解和分析,确定哪些特征对于故障诊断是有用的。然后,我们可以利用统计方法、机器学习算法等技术从数据中提取出这些特征。提取出的特征应该具有代表性、区分性和稳定性,以便后续的分析和识别。
特征分析
在提取出特征后,我们需要对这些特征进行深入的分析。这可以通过统计方法、机器学习算法等技术来实现。
例如,我们可以利用统计方法对特征进行描述性统计分析,了解特征的分布情况、相关性等;还可以利用机器学习算法对特征进行聚类、分类或回归等操作,发现特征之间的潜在关系和规律。通过对特征的分析,我们以发现故障发生的规律和趋势,进而识别出可能的故障类型。
模式识别与故障诊断
在特征分析的基础上,我们可以利用模式识别技术将分析出的特征与已知的故障模式进行比对。通过比对,我们可以识别出当前网络状态是否存在故障,以及故障的具体类型。
为了实现模式识别,我们可以利用机器学习算法训练分类器或聚类器,将特征映射到不同的故障类别中。同时,我们还可以结合专家知识和历史数据来构建故障模式库,以便更准确地识别故障。在故障诊断过程中,还需要考虑误报和漏报的问题,通过调整算法参数或引入新的特征来优化诊断结果。
故障定位
一旦诊断出故障,我们就需要对故障进行定位。这通常需要结合网络拓扑结构、设备连接关系等信息,通过逻辑推理或算法计算来确定故障发生的具***置。
为了实现故障定位,我们可以利用图论、网络流等算法对网络进行分析和计算。同时,还可以结合设备的日志信息和性能数据来进一步缩小故障范围。在定位过程中,还需要考虑故障的传播和影响范围,以便更全面地了解故障情况。
结果展示与反馈
最后,我们需要将诊断结果以可视化形式展示给用户,包括故障类型、发生位置、影响范围等信息。这可以通过图表、报告或仪表盘等形式来实现。同时,我们还需要建立反馈机制,允许用户对诊断结果进行确认或修正,以便不断优化诊断方法并提高准确性。
此外,我们还可以将诊断结果与其他***或工具进行集成,实现自动化修复或预警等功能,提高网络管理的效率和安全性。
通过以上步骤的详细展开和实施,我们可以构建一个基于日志数据的网络故障诊断方法,实现对网络故障的快速、准确诊断。需要注意的是,每个步骤都需要仔细设计和实施,以确保整个方法的有效性和可靠性。同时,还需要不断学习和探索新的技术和方法,以适应不断变化的网络环境和需求。
***实施例
本发明的另一个具体实施例,公开了一种基于日志数据的网络故障诊断***,包括如下模块:
数据采集模块100:
数据采集模块是整个***的起点,负责从网络中的各类设备(如路由器、交换机、服务器等)中收集日志数据。这个模块需要设计合适的采集策略,包括确定采集的数据类型、采集频率以及数据传输方式等。同时,为了确保数据的完整性和准确性,数据采集模块还需要具备数据校验和错误处理机制。
数据预处理模块200:
数据预处理模块负责对采集到的原始日志数据进行清洗、格式化、标准化等处理。这个模块需要设计有效的数据清洗算法,去除重复、无关或格式不正确的数据。同时,还需要实现数据格式转换和标准化,将数据转换为统一的格式或映射到同一尺度上,以便后续的分析和处理。
特征提取与分析模块300:
特征提取与分析模块是***的核心部分,负责从预处理后的数据中提取出与网络故障相关的特征,并进行深入分析。这个模块需要利用统计方法、机器学习算法等技术,从数据中提取出具有代表性、区分性和稳定性的特征。同时,还需要对特征进行聚类、分类或回归等操作,发现故障发生的规律和趋势。
故障诊断与定位模块400:
故障诊断与定位模块根据特征提取与分析模块的结果,利用模式识别技术将分析出的特征与已知的故障模式进行比对,从而识别出可能的故障类型。同时,结合网络拓扑结构、设备连接关系等信息,通过逻辑推理或算法计算来确定故障发生的具***置。这个模块需要设计高效的故障诊断算法和定位策略,以确保故障识别的准确性和定位的准确性。
结果展示与反馈模块500:
结果展示与反馈模块负责将诊断结果以可视化形式展示给用户,并提供反馈机制。这个模块需要设计用户友好的界面和交互方式,方便用户查看和理解诊断结果。同时,还需要建立反馈机制,允许用户对诊断结果进行确认或修正,以便不断优化诊断方法并提高准确性。
数据库与存储模块600:
数据库与存储模块负责存储和管理整个***所需的数据,包括原始日志数据、预处理结果、分析结果等。这个模块需要设计高效的数据存储和查询机制,确保数据的安全性和可靠性。同时,还需要考虑数据的备份和恢复策略,以防止数据丢失或损坏。
管理与配置模块700:
管理与配置模块提供对整个***的管理和配置功能。这个模块需要设计用户权限管理机制,确保不同用户只能访问和操作其权限范围内的数据和功能。同时,还需要提供***参数配置、日志查询等辅助功能,方便用户进行***的维护和管理。
通过以上模块的设计和实施,可以构建一个基于日志数据的网络故障诊断***,实现对网络故障的快速、准确诊断。每个模块都需要仔细设计和实现,以确保整个***的稳定性和可靠性。同时,还需要考虑***的可扩展性和可维护性,以适应不断变化的网络环境和需求。
最后应说明的是,以上实施例仅用以说明本发明实施例的技术方案,而非对其限制。尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,任何熟悉本技术领域的技术人员在本发明公开的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种基于日志数据的网络故障诊断方法,其特征在于,包括:
S1,数据收集与预处理,首先网络中的各类设备中收集日志数据,对收集到的日志数据进行标准化预处理;
S2,特征提取与分析,从预处理后的日志数据中提取出与网络故障相关的特征,对提取出的特征进行深入分析,发现故障发生的规律和趋势;
S3,故障诊断与定位,通过模式识别技术,将分析出的特征与已知的故障模式进行比对,从而识别出可能的故障类型,结合网络拓扑结构、设备连接关系等信息,对故障进行精确定位,确定故障发生的具***置;
S4,结果展示与反馈,将诊断结果以可视化形式展示给用户,包括故障类型、发生位置、影响范围。
2.根据权利要求1所述的一种基于日志数据的网络故障诊断方法,其特征在于,S1中日志信息数据包括设备的运行状态、流量变化、错误提示。
3.根据权利要求2所述的一种基于日志数据的网络故障诊断方法,其特征在于,S1中日志数据进行标准化预处理步骤包括数据清洗、格式化、标准化,数据清洗用于去除重复、无关或格式不正确的数据;格式化则是将数据转换为统一的格式;标准化则是将数据映射到同一尺度上。
4.根据权利要求3所述的一种基于日志数据的网络故障诊断方法,其特征在于,所述S2中与网络故障相关的特征包括特定的错误代码、流量变化模式、设备状态变化。
5.根据权利要求4所述的一种基于日志数据的网络故障诊断方法,其特征在于,所述S2中对特征的分析,可以发现故障发生的规律和趋势,进而识别出可能的故障类型。
6.根据权利要求5所述的一种基于日志数据的网络故障诊断方法,其特征在于,所述S3中对未识别以及无法识别的故障类型需要进行标记并记录,并进行核实是否为新的故障类型,如成为新的故障类型需记录入库。
7.根据权利要求6所述的一种基于日志数据的网络故障诊断方法,其特征在于,所述S4中在进行结果展示的同时建立反馈机制,允许用户对结果进行确认和修正,同时进行记录修正,对方法进行优化。
8.一种日志数据的网络故障诊断***,其特征在于,用于实现权利要求1至7任一项所述的日志数据的网络故障诊断方法,所述***包括:
数据采集模块:负责从网络中的各类设备收集日志数据,并将其传输到数据预处理模块;
数据预处理模块:对收集到的日志数据进行清洗、格式化等预处理操作,为后续的特征提取和分析提供高质量的数据;
特征提取与分析模块:从预处理后的数据中提取出关键特征,并利用机器学习算法技术对这些特征进行深入分析,发现潜在的故障模式;
故障诊断与定位模块:根据分析出的特征模式和网络拓扑结构信息,对故障进行诊断和定位,确定故障的具体类型和位置;
结果展示与反馈模块:将诊断结果以可视化形式展示给用户,并收集用户的反馈意见,用于优化诊断方法和提升***性能;
数据库与存储模块:负责存储和管理收集到的日志数据、预处理结果、分析结果关键信息,为***的稳定运行提供数据支持。
9.根据权利要求8所述的***,其特征在于,还包括管理与配置模块,用于提供***的管理和配置功能,包括用户权限管理、***参数配置、日志查询功能。
10.根据权利要求9所述的***,其特征在于,所述结果展示与反馈模块,包括:结果展示模块用于展示诊断结果;确认模块用于管理确认以及修改诊断结果,反馈模块,用于将修改和确认的结果反馈回***,以对方法提供修正。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410551273.9A CN118138442A (zh) | 2024-05-07 | 2024-05-07 | 一种基于日志数据的网络故障诊断方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410551273.9A CN118138442A (zh) | 2024-05-07 | 2024-05-07 | 一种基于日志数据的网络故障诊断方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118138442A true CN118138442A (zh) | 2024-06-04 |
Family
ID=91233758
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410551273.9A Pending CN118138442A (zh) | 2024-05-07 | 2024-05-07 | 一种基于日志数据的网络故障诊断方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118138442A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106130809A (zh) * | 2016-09-07 | 2016-11-16 | 东南大学 | 一种基于日志分析的IaaS云平台网络故障定位方法及*** |
CN113542017A (zh) * | 2021-07-01 | 2021-10-22 | 天翊谛晟(深圳)科技有限公司 | 基于网络拓扑和多指标的一种网络故障定位方法 |
CN117376107A (zh) * | 2023-11-27 | 2024-01-09 | 国网浙江省电力有限公司杭州供电公司 | 一种智能化网络管理方法、***、计算机设备及介质 |
CN117792882A (zh) * | 2023-12-11 | 2024-03-29 | 华中科技大学 | 基于大语言模型辅助的通信网络故障日志分析方法 |
-
2024
- 2024-05-07 CN CN202410551273.9A patent/CN118138442A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106130809A (zh) * | 2016-09-07 | 2016-11-16 | 东南大学 | 一种基于日志分析的IaaS云平台网络故障定位方法及*** |
CN113542017A (zh) * | 2021-07-01 | 2021-10-22 | 天翊谛晟(深圳)科技有限公司 | 基于网络拓扑和多指标的一种网络故障定位方法 |
CN117376107A (zh) * | 2023-11-27 | 2024-01-09 | 国网浙江省电力有限公司杭州供电公司 | 一种智能化网络管理方法、***、计算机设备及介质 |
CN117792882A (zh) * | 2023-12-11 | 2024-03-29 | 华中科技大学 | 基于大语言模型辅助的通信网络故障日志分析方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106301522B (zh) | 遥感卫星地面站数据接收任务的可视化故障诊断方法及*** | |
CN111027615B (zh) | 基于机器学习的中间件故障预警方法和*** | |
CN112925279A (zh) | 一种基于mes***的故障综合分析*** | |
CN113157994A (zh) | 一种多源异构平台数据处理方法 | |
CN104574219A (zh) | 电网业务信息***运行工况的监测预警方法及*** | |
CN113542017A (zh) | 基于网络拓扑和多指标的一种网络故障定位方法 | |
CN103049365B (zh) | 信息与应用资源运行状态监控及评价方法 | |
CN106598020A (zh) | 一种基于bit和案例融合的装备故障诊断方法及*** | |
CN113630419A (zh) | 一种基于api流量的数据分类分级及数据安全监测方法及*** | |
CN116167370A (zh) | 基于日志时空特征分析的分布式***异常检测方法 | |
CN115561546A (zh) | 电力***异常检测报警*** | |
CN117456707B (zh) | 一种智能母线槽温湿度异常预警方法及装置 | |
CN117596119A (zh) | 一种基于snmp协议的设备数据采集与监控方法及*** | |
CN118138442A (zh) | 一种基于日志数据的网络故障诊断方法及*** | |
CN116595353A (zh) | 一种调相机远程故障诊断及智能决策*** | |
CN116383750A (zh) | 一种基于加窗差分健康指标的滚动轴承早期异常检测方法 | |
CN114629776B (zh) | 基于图模型的故障分析方法及装置 | |
CN115801538A (zh) | 场站服务器应用资产深度识别方法、***及设备 | |
CN115460061A (zh) | 基于智能运维场景的健康度评价方法及装置 | |
CN113807690A (zh) | 区域电网调控***运行状态在线评估预警方法及*** | |
CN113836203A (zh) | 一种网络数据化诊断检测分析*** | |
CN117407443B (zh) | 一种面向海量瞬变数据的异常快速发现方法及*** | |
CN116308115B (zh) | 一种基于网络探测技术的电力信息资产识别与分析方法 | |
CN118050600B (zh) | 基于分布式行波测量的配网故障定位*** | |
CN117971605B (zh) | 基于数据库异常的自动化日志信息收集方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |