TelApart：区分宽带网络中的网络故障与客户 premises 故障

Jiyao Hu; Zhenyu Zhou; Xiaowei Yang

TelApart：区分宽带网络中的网络故障与客户 premises 故障

网络与互联网体系结构 2024-12-16 v1 机器学习

作者: Jiyao Hu , Zhenyu Zhou , Xiaowei Yang

摘要

两种无线电频率 (RF) 损害经常发生在有线宽带网络中：一种发生在网络内部的损害，另一种发生在宽带网络边缘，即在订阅用户 premises 中的损害。区分这两种故障类型非常重要，因为不同类型的故障需要不同的技术人员进行维修。目前，整个行业缺乏可公开获取的工具来自动诊断故障类型。本文中，我们提出了 TelApart，这是一个用于有线宽带网络的故障诊断系统。TelApart 使用由有线网络中主动网络维护 (PNM) 基础设施收集的遥测数据，有效地区分故障类型。TelApart 设计的核心是一种无监督机器学习模型，将共享类似异常模式的网络设备分组。我们使用来自 ISP 用户 trouble ticket 的指标来程序化地调整模型的超参数，以便在各种条件下部署 TelApart，而无需人工调优其超参数。我们还解决了 PNM 系统收集的遥测数据包含大量缺失、重复和不可对齐数据点的挑战。使用由某有线 ISP 提供的真实数据，我们展示了 TelApart 能够有效识别不同类型的故障。

关键词

故障诊断有线宽带网络无监督机器学习遥测数据主动网络维护

引用

@article{arxiv.2412.09740,
  title  = {TelApart: Differentiating Network Faults from Customer-Premise Faults in Cable Broadband Networks},
  author = {Jiyao Hu and Zhenyu Zhou and Xiaowei Yang},
  journal= {arXiv preprint arXiv:2412.09740},
  year   = {2024}
}

备注

14 pages. arXiv admin note: text overlap with arXiv:2412.09564

TelApart：区分宽带网络中的网络故障与客户 premises 故障

摘要

关键词

引用

备注

相关论文