基于卷积神经网络的网络故障诊断模型

摘要

对于网络运行过程中产生的海量日志信息,传统故障诊断方法很难进行实时而全面的日志分析.针对该问题,提出一种基于卷积神经网络(Convolutional Neural Network,CNN)的网络故障诊断模型,利用Skip-gram模型进行词向量训练,并将词向量作为卷积神经网络输入,最终通过Softmax回归进行分类.实验结果表明,该模型可以有效处理网络故障诊断任务,且优于传统机器学习方法,对于网络运行日志的故障诊断准确率可达73.2%以上.