An Empirical Study on Root Cause Analysis and Prediction of Network Failure Using Deep Learning

地形 根本原因 计算机科学 根本原因分析 深度学习 人工智能 数据挖掘 网络仿真 可靠性工程 实时计算 机器学习 模拟 工程类 分布式计算 生态学 生物
作者
Minhwan Choi,Tae‐Young Kim,Jong pil Lee,Seounghyun Koh
标识
DOI:10.1109/ictc52510.2021.9621097
摘要

This paper proposes a pragmatic deep learning-based method to not only analyze the root cause of network failure, but also predict possible failures in the microwave (MW) network utilizing alarms, status, and performance information of weather, terrain, and network equipment in South Korea. In general, it is incredibly difficult for network engineers to distinguish the temporal MW communication problem, which is originated from bad weather and is usually recovered automatically from the actual network failure caused by physical or software issues of the equipment. First, to solve the problem, we propose a deep learning-based MW Root Cause Analysis System (MW-RCAS) which performs RCA actions whenever a new network failure occurs. The system efficiently utilizes weather and terrain information in addition to data from the network, such as status, alarms, and performance data of each MW equipment. Compared with the 80% RCA accuracy of highly professional network engineers, the proposed MW RCA system shows 95% accuracy. Lastly, we propose the MW Network Failure Prediction System (MW-NFPS) based on an long short-term memory (LSTM) which can forecast future occurrences of MW communication failures at least 15 minutes in advance using weeklong data of network equipment, weather, and terrain.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
九日完成签到,获得积分10
1秒前
谢陈完成签到 ,获得积分10
2秒前
wx完成签到,获得积分10
2秒前
Ayu完成签到,获得积分10
2秒前
3秒前
organic tirrttf完成签到,获得积分10
3秒前
4秒前
辛夷flower完成签到,获得积分10
4秒前
情怀应助缓慢钢笔采纳,获得10
4秒前
4秒前
4秒前
周周完成签到,获得积分10
5秒前
5秒前
莫莫莫莫几完成签到,获得积分10
5秒前
安静如冬完成签到,获得积分10
6秒前
6秒前
斯文败类应助佳阳采纳,获得10
7秒前
7秒前
zj完成签到,获得积分10
7秒前
7秒前
机灵的鲜花完成签到,获得积分10
7秒前
8秒前
欣慰煎饼完成签到 ,获得积分20
8秒前
一鸣大人完成签到,获得积分10
8秒前
8秒前
小松鼠发布了新的文献求助10
9秒前
9秒前
朝暮行行发布了新的文献求助10
9秒前
Theo完成签到,获得积分10
9秒前
火星上曼冬完成签到,获得积分10
9秒前
10秒前
10秒前
random完成签到,获得积分10
11秒前
kimi发布了新的文献求助20
11秒前
再睡一夏完成签到 ,获得积分20
11秒前
11秒前
11秒前
SciGPT应助俭朴从安采纳,获得10
11秒前
feizhuliu发布了新的文献求助10
12秒前
勤劳的冰菱完成签到,获得积分10
12秒前
高分求助中
The late Devonian Standard Conodont Zonation 2000
The Lali Section: An Excellent Reference Section for Upper - Devonian in South China 1500
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 1000
Smart but Scattered: The Revolutionary Executive Skills Approach to Helping Kids Reach Their Potential (第二版) 1000
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 800
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 800
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3244993
求助须知:如何正确求助?哪些是违规求助? 2888606
关于积分的说明 8254294
捐赠科研通 2557053
什么是DOI,文献DOI怎么找? 1385683
科研通“疑难数据库(出版商)”最低求助积分说明 650212
邀请新用户注册赠送积分活动 626403