サポートベクターマシンを用いた事例ベース障害検出

摘要

大規模システムでは装置故障や設定ミス等に伴う障害が日常的に発生するため、障害を迅速に検出・分類し、保守運用者に復旧作業を提示する障害検出システムが必要である。しかしながら、携帯電話網におけるスリーピングセル障害のように、発生した障害を検出できずに復旧作業が遅れる障害がある。ルールベースの障害検出は、どの監視項目に対してどの程度の開催を設定するかを人が判断する必要があり、十分な精度で障害を検出するには、ルール修正・検証に作業工数が必要となる。本研究では、サポートベクターマシンを用いて過去の障害事例からこの間値を生成する。特に、従来ある方式とは異なるアプローチで特徴空間を設計し検出精度の向上を図った。さらに、保守運用者の検出感度に対する運用ポリシーに応じて異なる閥値の生成を可能とする。これらは、携帯電話網にて実際に発生した障害データを用いて検証し、4つの障害パターンのいずれについても本来検出すべき障害の7割以上を検出した。%Because different kinds of troubles usually happen in a large-scale system, a fault detection system is required to alert operators. However, there are undetected troubles such as so called sleeping cell failure in cellular phone systems. Rule-based detection systems are hard to use, because operators have to edit thresholds and modify them to achieve required accuracy. In our system, support vector machine is used to generate thresholds from trouble tickets. In particular, a design of feature space is different from existing SVM-based system. Moreover, operator's policy on sensitivity can be reflected on auto-generated thresholds. We evaluated accuracies of the system by using actual fault data and the system correctly classifies more than seven faults out often.