首页/论文/2012.09959

arXiv 2012.099592020-12-26cs.NI

故障定位能力：定理证明与评价

Failure Localization Capability: Theorem Proof and Evaluation

Liang Ma, Ting He, Ananthram Swami, Don Towsley, Kin K. Leung

备注：: Updated references

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

摘要英文摘要相关论文

摘要：

这是一份技术报告，包含Liang Ma，Ting He，Ananthram Swami，Don Towsley和Kin K的论文“Network Capability in Localizing Node Failures via End-to-End Path Measurements”中的所有定理证明和附加评估。Leung，发表于IEEE/ACM Transactions on Networking，第25卷，第1期，第110页。434-450，2017年。

英文摘要：

This is a technical report, containing all the theorem proofs and additional evaluations in paper "Network Capability in Localizing Node Failures via End-to-end Path Measurements" by Liang Ma, Ting He, Ananthram Swami, Don Towsley, and Kin K. Leung, published in IEEE/ACM Transactions on Networking, vol. 25, no. 1, pp. 434-450, 2017.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

阅读原文

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

本文内容

摘要英文摘要相关论文

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

继续探索

相关论文

节点故障定位的基本理论

Fundamental Theories in Node Failure Localization

这是一份技术报告，包含Liang Ma，Ting He，Ananthram Swami，Don Towsley，Kin K的论文“Node Failure Localization in Communication Networks via Network Tomography”中的所有定理证明。Leung和Jessica Lowe，发表于ITA年度秋季会议，2014年。

2020-12-17cs.NI

节点故障定位：定理证明

Node Failure Localization: Theorem Proof

这是一份技术报告，包含Liang Ma，Ting He，Ananthram Swami，Don Towsley和Kin K的论文“On Optimal Monitor Placement for Localizing Node Failures via Network Tomography”中的所有定理证明。Leung，发表于IFIP WG 7.3 Performance，2015。

2020-12-17cs.NI

基于渐进网络断层成像的静态和动态故障定位

Static and Dynamic Failure Localization through Progressive Network Tomography

我们的目标是通过端到端的监控路径来评估网络中节点的状态。本文的贡献是双重的。首先，我们考虑一个静态故障场景。在这种情况下，我们的目标是尽量减少探针的数量，以获得故障识别。针对这一问题，本文提出了一种基于随机优化的渐进式故障定位方法，其解为待探测的监测路径的最优序列。我们解决问题的复杂性，提出了一个贪婪的策略，在两个变种：一个考虑精确计算节点故障的后验概率，给定的观察，而另一个近似这些值通过一个新的故障中心度量。其次，我们适应这两种策略的动态故障情况下，节点状态可以在整个监控期间发生变化。通过在真实网络拓扑上进行的数值实验，我们证明了我们的方法的实用性。我们的性能评估证明了我们的算法相对于基于经典布尔网络断层扫描的最先进的解决方案以及基于顺序组测试的方法的优越性。

2021-03-31cs.NI

通过端到端路径测量定位节点故障的网络能力

Network Capability in Localizing Node Failures via End-to-end Path Measurements

我们调查的能力本地化节点故障的通信网络中的二进制状态（正常/失败）的端到端路径。给定一组感兴趣的节点，唯一地定位在这个集合内的故障需要不同的可观察路径状态与不同的节点故障事件相关联。然而，由于需要枚举所有可能的节点故障，这种情况很难在大型网络上进行测试。我们的第一个贡献是一组充分/必要条件，用于确定一个有限数量的故障在任意节点集，可以在多项式时间进行测试。除了网络拓扑结构和位置的监视器，我们的条件还包括所使用的探测机制所施加的约束。我们考虑三种不同的探测机制，根据测量路径是否（i）任意可控，（ii）可控，但无周期，或（iii）不可控（由默认路由协议确定）。我们的第二个贡献是量化的故障定位的能力，通过（1）故障的最大数量（在网络中的任何地方），使得在一个给定的节点集内的故障可以被唯一本地化，和（2）最大的节点集内的故障可以被唯一本地化在一个给定的范围内的故障总数。（1-2）中的两个度量可以被转换为每节点属性的函数，其可以基于上述充分/必要条件被有效地计算。我们演示了如何量化故障定位能力的措施（1-2）可以用来评估各种参数的影响，包括拓扑结构，监视器的数量，和探测机制。

2015-09-21cs.NIcs.PF

缺失数据网络系统的数据完整性错误定位

Data Integrity Error Localization in Networked Systems with Missing Data

最近的网络故障诊断系统集中在数据中心网络，其中可以部署复杂的测量系统来获得路由信息并确保网络覆盖，以实现准确和快速的故障定位。在本文中，我们的目标广域网，支持数据密集型分布式应用程序。首先，我们提出了一个新的多输出预测模型，直接映射的应用程序级的意见，以本地化的系统组件故障。实际上，这种以应用为中心的方法可能面临数据缺失的挑战，因为由于广域网中的测量不完整或丢失，推断模型的一些输入（特征）数据可能缺失。我们表明，所提出的预测模型自然允许{ \it多元}插补恢复缺失的数据。我们评估了多个填补算法，并表明在大规模网络中的预测性能可以显着提高。据我们所知，这是第一次研究缺失数据问题，并将插补技术应用于网络故障定位。

2022-07-05cs.NI

基于规则增强神经网络的高维度ROADM光网络多故障定位

Multi-Failure Localization in High-Degree ROADM-based Optical Networks using Rules-Informed Neural Networks

针对高维度ROADM光网络多故障定位难题，提出融合规则推理与神经网络优势的RINN方法，相比基线算法准确率提升约20个百分点，推理速度快。

2025-01-20cs.NIeess.SP

更多相关论文收起更多论文

Flock：大规模下的精准网络故障定位

Flock: Accurate network fault localization at scale

针对数据中心网络隐性故障定位的速度与精度瓶颈，提出基于概率图模型与推理加速技术的Flock系统，在大规模场景下实现了万倍级速度提升与显著误差降低，且受限场景下推理最优。

2023-05-05cs.NI

Tureis：基于变换器的物联网设备在智能家居中的统一韧性

Tureis: Transformer-based Unified Resilience for IoT Devices in Smart Homes

Tureis通过自监督和上下文感知方法，提升智能家居中多故障、多住户环境下的传感器故障检测与定位精度，实现高效边缘部署。

2026-03-05cs.LGcs.NI

大规模网络策略部署中的故障定位

Fault Localization in Large-Scale Network Policy Deployment

网络管理自动化和软件定义网络（SDN）的最新进展正在简化网络策略管理任务。与此同时，这些新技术在管理周期本身中创造了一种新的失败模式。网络策略在集中式控制器上以抽象模型呈现，并作为底层规则部署在网络设备上。因此，该周期中的任何软件和硬件元素都可能是潜在网络问题的潜在原因。在本文中，我们提出并解决了一个网络策略故障定位问题，出现在经营策略管理框架的生产网络。我们制定我们的问题，通过风险建模，并提出了一个贪心算法，快速定位网络策略中的错误策略对象。然后，我们设计和开发SCOT--一个全自动系统，它会产生错误的策略对象，并进一步查明导致对象错误的物理级故障。使用一个真正的测试平台和广泛的模拟评估结果表明，SCOUT检测错误的对象与小的误报和漏报。

2017-12-21cs.NI

LoRa-Based本地化：机遇与挑战

LoRa-Based Localization: Opportunities and Challenges

具有远距离通信能力和低功耗的低功耗广域网（LPWAN）技术对于形成由许多地理上分布的对象组成的物联网（IoT）将是重要的。在各种出现的LPWAN技术中，LoRa由于其开放的规范和网关基础设施而受到最多的研究关注，这与其他LPWAN技术的封闭设计和/或管理的网关基础设施不同。虽然现有的关于LoRa的研究主要集中在网络连接和性能上，但LoRa终端设备的准确定位在很大程度上仍然是一个悬而未决的问题。在本文中，我们讨论和分析了与本地化相关的LoRa物理层特性。我们的讨论和分析说明了实施基于LoRa的本地化的机遇和挑战。

2019-01-02cs.NI

多域光网络中基于深度强化学习的自适应端到端监测路径选择

Adaptive E2E Monitoring Path Selection with Deep Reinforcement Learning in Multi-domain Optical Networks

San Jose State University（圣何塞州立大学）；The University of Texas at Dallas（德克萨斯大学达拉斯分校）

针对多域光网络中外部实体对内部信息有限可见性导致的E2E性能保障难题，提出基于DRL的自适应监测路径选择算法，构建两类互补优化问题，经GNPy仿真验证其性能优于基线算法。

2026-10-09cs.NI

基于机器学习的光网络故障管理研究综述

A Review of Machine Learning-based Failure Management in Optical Networks

故障管理在光网络中起着重要的作用。它确保安全运行，降低潜在风险，并执行主动保护。机器学习（ML）被认为是用于执行综合数据分析和复杂网络管理的极其强大的技术，并且被广泛用于光网络中的故障管理，以彻底改变传统的手动方法。在这项研究中，故障管理的背景介绍，其中典型的故障任务，物理对象，ML算法，数据源和提取的信息进行了详细说明。从告警分析、故障预测、故障检测、故障定位和故障识别等方面综述了机器学习在故障管理中的应用。最后，从数据、模型、任务和新兴技术的角度讨论了ML故障管理的未来发展方向。

2022-08-23cs.NIeess.SP