通过主动网络维护提高有线宽带网络可靠性
网络与互联网体系结构
2024-12-13 v1 机器学习
摘要
有线宽带网络是美国少数几种广泛可用的 "最后一公里" 宽带技术。不幸的是，经过数十年的部署后，其可靠性表现不佳。电信行业提出了称为主动网络维护（PNM）的框架来诊断网络。然而，关于如何利用这些数据检测和定位网络问题的公开知识或系统性研究极少。现有工具在公开领域的误报率极高。本文提出了 CableMon，这是首个应用于 PNM 数据的机器学习技术系统，以提高有线宽带网络的可靠性。CableMon 解决了电信 ISP 面临的两个关键挑战：准确检测故障，以及区分故障发生在网络内部还是在用户 premises。CableMon 使用统计模型从时间序列数据生成特征，并利用客户故障票据作为线索，推断这些生成特征的异常/故障阈值。进一步，CableMon 采用无监督学习模型对共享相似异常模式的 cable 设备进行分组，从而有效识别发生在 cable 网络内部的故障和发生在用户 premises 的故障，因为这两种故障需要不同的技术人员进行维修。我们使用来自某 ISP 的八个月的 PNM 数据和客户故障票据进行实验部署，以评估 CableMon 的性能。我们的评估结果表明，CableMon 能够有效检测并区分 PNM 数据中的故障，并优于现有的公开工具。
引用
@article{arxiv.2412.09564,
title = {Improving the Reliability of Cable Broadband Networks via Proactive Network Maintenance},
author = {Jiyao Hu and Zhenyu Zhou and Xiaowei Yang},
journal= {arXiv preprint arXiv:2412.09564},
year = {2024}
}
备注
15 pages including reference. Submitted to IEEE/ACM Transactions on Networking. Partly published in NSDI'20, this is the extended version