南方科技大学知识苑(SUSTech KC): 一种基于机器学习的域内故障检测方法、终端及存储介质

题名	一种基于机器学习的域内故障检测方法、终端及存储介质
发明人	李清; 叶连金; 江勇; 成剑; 王向荣
第一发明人	李清
申请人	鹏城实验室 ; 清华大学深圳国际研究生院 ; 南方科技大学
第一申请人	鹏城实验室
第一申请人地址	518000 广东省深圳市南山区兴科一街2号
当前申请人	鹏城实验室 ; 清华大学深圳国际研究生院 ; 南方科技大学
当前申请人地址	518000 广东省深圳市南山区兴科一街2号 (广东,深圳,南山区)
当前第一申请人	鹏城实验室
当前第一申请人地址	518000 广东省深圳市南山区兴科一街2号 (广东,深圳,南山区)
申请号	CN202011330617.1
申请日期	2020-11-24
公开(公告)号	CN112636998B
公开日期	2022-03-08
授权日期	2022-03-08
专利状态	授权
法律状态日期	2022-03-08
专利类型	授权发明
学校署名	其他
摘要	本发明公开了一种基于机器学习的域内故障检测方法、终端及存储介质，通过根据网络拓扑中每个节点的度数以及所述每个节点在所述网络拓扑中跳数最小的路径中出现的频率，确定监测节点；获取所述监测节点的监测数据，对所述监测数据进行特征工程，得到被监测的节点和链路的流量特征变化信息；根据预设分类算法以及所述流量特征变化信息确定故障的节点。可见，本发明中在进行域内故障检测时完全不需要使用探测包进行检测，即无需受到探测包频率的影响，并且本发明不会对影响网络性能，也不会造成网络反馈延时，因此解决了现有技术中在进行域内故障检测时难以确定合适的探测包发送频率的问题。
其他摘要	本发明公开了一种基于机器学习的域内故障检测方法、终端及存储介质，通过根据网络拓扑中每个节点的度数以及所述每个节点在所述网络拓扑中跳数最小的路径中出现的频率，确定监测节点；获取所述监测节点的监测数据，对所述监测数据进行特征工程，得到被监测的节点和链路的流量特征变化信息；根据预设分类算法以及所述流量特征变化信息确定故障的节点。可见，本发明中在进行域内故障检测时完全不需要使用探测包进行检测，即无需受到探测包频率的影响，并且本发明不会对影响网络性能，也不会造成网络反馈延时，因此解决了现有技术中在进行域内故障检测时难以确定合适的探测包发送频率的问题。
CPC分类号	H04L43/0805 ; H04L43/0876 ; H04L41/06 ; G06N20/00
IPC 分类号	H04L43/0805 ; H04L43/0876 ; H04L41/06 ; G06N20/00
INPADOC 法律状态	（+PATENT GRANT）[2022-03-08][CN]
INPADOC 同族专利数量	1
扩展同族专利数量	1
专利代理人	刘文求 ; 王永文
代理机构	深圳市君胜知识产权代理事务所(普通合伙)
相关链接	[来源记录]
来源库	PatSnap
成果类型	专利
条目标识符	http://sustech.caswiz.com/handle/2SGJ60CL/336845
专题	未来网络研究院
推荐引用方式 GB/T 7714	李清,叶连金,江勇,等. 一种基于机器学习的域内故障检测方法、终端及存储介质[P]. 2022-03-08.