(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111619753.7 (22)申请日 2021.12.27 (71)申请人 北京卓越信通电子股份有限公司 地址 100094 北京市海淀区后厂村路5 5号- 卓越科技楼 (72)发明人 杨国文　李超群　胡力文　 (74)专利代理 机构 北京邦创至诚知识产权代理 事务所(普通 合伙) 11717 代理人 张宇锋 (51)Int.Cl. H04L 41/06(2022.01) H04L 41/0631(2022.01) H04L 41/147(2022.01) H04L 43/08(2022.01) H04L 43/0817(2022.01)G06N 20/00(2019.01) (54)发明名称 一种用机器深度学习方式判 断并抑制计算 机网络故障及广播 风暴的方法 (57)摘要 本发明通信技术领域， 尤其是涉及一种用机 器深度学习方式判断并抑制计算机网络故障及 广播风暴的方法。 本发明通过现有的软件将交换 机内存、 磁盘、 CP U、 MAC地址表等数据进行采集汇 总， 并通过以大数据和深度学习的方式预测设备 可能出现故障或计算机可能出现的广播风暴， 并 对其进行抑制或以邮件/短信等方式及时通知相 应管理人员进行处理。 本发明可以有效避免因故 障或广播风暴导致系统紊乱， 也可以使管理员可 以更快更有效的得知并处。 权利要求书1页 说明书2页 附图1页 CN 114338344 A 2022.04.12 CN 114338344 A 1.一种用机器深度学习方式判断并抑制计算机网络故障及广播风暴的方法， 其特征在 于， 包括： 终端设备进行 数据采集； 网管平台将采集的数据存 储到数据库； 数据库进行 数据分析对数据趋势 做出数据分析与判断； 通过深度学习对故障进行 预测； 根据预测结果进行自行处 理或者通知管理员进行处 理。 2.根据权利要求1所述的用机器深度学习方式判断并抑制计算机网络故障及广播风暴 的方法， 其特征在于， 通过深度学习对网络故障进 行预测包括： 通过大数据对采集的数据进 行分析得出每天、 每周、 每月的内存的占用率， 通过深度学习对异常时间点数据、 故障记录、 整体数据趋势进 行分析得出下次可能出现故障的时间点及相应解决方案， 对可能出现的因 设备故障造成的网络故障进行规避； 通过对大数据分析及深度学习方式对现有网络配置进 行诊断， 找出网络故障高发点， 并对网络进行优化降低网络故障率； 再对CPU、 flash、 温度、 电源信息进行分析， 预测相应结果。 3.根据权利要求1所述的用机器深度学习方式判断并抑制计算机网络故障及广播风暴 的方法， 其特 征在于， 通过深度学习对广播 风暴预测包括： 通过对端口流量进行分析， 当某端口多时间端口数据为0时可能会有风暴风险； 通过对 CPU数据进行和预测， 当CPU占用过高是也有发生 风暴的风险。权　利　要　求　书 1/1 页 2 CN 114338344 A 2一种用机 器深度学习方式判断并抑制计算机网 络故障及广播 风暴的方 法 技术领域 [0001]本发明通信技术领域， 尤其是涉及一种用机器深度学习方式判断并抑制计算机网 络故障及广播 风暴的方法。 背景技术 [0002]在轨道交通中， 网络占很大部分。 而突发的计算机网络故障与广播风暴会影响到 网络的正常运行。 为了能及时发现故障， 更快更有效的得到管理员的处理， 需要研究一种用 机器深度学习方式判断并抑制计算机网络故障及广播风暴的方法。 公开于该背景技术部分 的信息仅仅旨在加深对本发明的总体背景技术的理解， 而不应当被视为承认或以任何形式 暗示该信息构成已为本领域 技术人员所公知的现有技 术。 发明内容 [0003]本发明的目的在于提供一种用机器深度学习方式判断并抑制计算机网络故障及 广播风暴的方法， 其通过现有的软件将交换机内存、 磁盘、 CPU、 MAC地址表等数据进行采集 汇总， 并通过以大数据和深度学习的方式预测设备可能出现故障或计算机可能出现的广播 风暴， 并对其进行抑制或以邮件/短信等方式及时通知相应管理人员进行处 理。 [0004]为了实现上述目的， 本发明采用以下技 术方案： [0005]本发明提供一种用机器深度学习方式判断并抑制计算机网络故障及广播风暴的 方法， 其包括： 故障预测 和广播风暴预测； [0006]故障预测通过大数据对采集的数据进行分析得出每天、 每周、 每月的内存的占用 率， 通过深度学习对异常时间点数据、 故障记录、 整体数据趋势进 行分析得出下次可能出现 故障的时间点及相应解决方案， 对可能出现的因设备故障造成的网络故障进行规避； 通过 对大数据分析及深度学习方式对现有网络配置进行诊断， 找出网络故障高发点， 并对网络 进行优化降低网络故障率； 再对CPU、 flash、 温度、 电源信息进行分析， 预测相应结果。 [0007]优选地， 广播风暴预测包括： 通过对端口流量进行分析， 当某端口多时间端口数据 为0时可能会有风暴风险； 通过对CPU数据进 行和预测， 当CPU占用过高是也有发生风暴的风 险。 [0008]采用上述 技术方案， 本发明具有如下有益效果： [0009]本发明通过现有的软件将交换机内存、 磁盘、 CPU、 MAC地址表等数据进行采集汇 总， 并通过以大数据和深度学习的方式预测设备可能出现故障或计算机可能出现的广播风 暴， 并对其进行抑制或以邮件/短信等方式及时通知相应管理人员进行处 理。 附图说明 [0010]为了更清楚地说明本发明具体实施方式或现有技术中的技术方案， 下面将对具体 实施方式或现有技术描述中所需要使用的附图作简单 的介绍， 显而易见地， 下面描述中的说　明　书 1/2 页 3 CN 114338344 A 3