TWI423619B - Intelligent network monitoring system - Google Patents

Description

智慧型網路監控系統

本發明是有關於一種智慧型網路監控系統，特別是指一種基於網路流量知識本體(Ontology)之智慧型網路監控系統。

目前是通訊時代，各行各業無不需要網路，網路的重要性不可言喻。相關網路設備的市場銷售量迅速增加，且對網路監控系統之需求日益提升。

目前，既有的網路流量監控系統只能顯示出“流量”或“線路佔有率”，但是不同的網路環境下，相同的網路流量數值有著不同的代表意義，因此以目前的網路流量監控系而言，仍然必須透過網路管理人員才可以得知這些數值所代表的網路流量意義。

此外，市場上網路監控系統動輒數百萬，非一般中小企業及學校所能負擔。以學校單位來看，依據97學年度教育部之統計，目前台灣擁有171所大專院校。其中，除了幾間擁有五年五百億及教學卓越計畫的學校之外，其他學校對於網路流量監控之議題其實都非常關注但是卻苦無經費來建置動輒數百萬的網路監控系統。因此，有必要尋求解決之道。

因此，本發明之目的，即在提供一種智慧型網路監控系統。

於是，本發明智慧型網路監控系統用以監控一特定建築物之多數網路設備之網路流量。該系統包含一網路流量資料擷取單元、一知識本體儲存庫及一模糊推論引擎。該網路流量資料擷取單元用以從該等網路設備擷取網路流量資料。該知識本體儲存庫用以儲存至少一網路監控領域專家針對該特定建築物所提供的網路監控領域知識。該模糊推論引擎用以基於該知識本體儲存庫中的網路監控領域知識，將該網路流量資料擷取單元所傳來的網路流量資料轉換成網路流量語意。

本發明之功效在於，當網路流量發生異常時，可即時提供符合人類思考模式的告警語意，以告知網管人員即時採取適當的處理措施。此外，本發明之建置費用係為一般中小企業及學校所能負擔，故可讓一般中小企業及學校省下龐大的客製化網路環境流量監控費用。

有關本發明之前述及其他技術內容、特點與功效，在以下配合參考圖式之一個較佳實施例的詳細說明中，將可清楚的呈現。

在本發明被詳細描述之前，要注意的是，在以下的說明內容中，類似的元件是以相同的編號來表示。

參閱圖1，本發明智慧型網路監控系統1之較佳實施例用以監控一特定建築物之多數網路設備9之網路流量。在本較佳實施例中，係以一學校中的建築物做為該特定建築物來進行說明，然本發明中的特定建築物並不限於學校中的建築物，可以是需利用本發明智慧型網路監控系統1來監控網路設備9之網路流量之任何特定建築物。該智慧型網路監控系統1包含一網路流量資料擷取單元11、一包括一知識本體儲存庫131及一模糊推論引擎132之模糊推論控制器13、一告警單元14及一網路監控介面15。

該網路流量資料擷取單元11用以從該等網路設備9擷取網路流量資料。這些網路流量資料需要事先經由網路管理人員來加以定義。例如，在本較佳實施例中，透過學校的網路管理人員所定義的重要資料為：建築、校區、樓層、IP位址、別名、類別、時間、連接埠、模糊變數、流量進入、流量流出、設備最大流出量及設備最大進入量等。這些網路流量資料根據不同的網路環境將會有所不同，如實體位置的建築、校區及樓層，或是網路設備9的模糊變數、設備最大流出量及設備最大進入量等，所以在此網路流量資料擷取單元11之建置過程中最重要的關鍵在於網路環境內的網路管理人員。

上述網路管理人員指的便是對網路環境熟悉的網路監控領域專家8，其基於對於該特定網路環境的知識，建立起此網路環境的知識本體，並將其儲存至該知識本體儲存庫131。

參閱圖1~4，該知識本體儲存庫131用以儲存至少一個網路監控領域專家8針對該特定網路環境所提供的網路監控領域知識，其主要是用來描述該特定網路環境之領域知識，其包括領域層(Domain Layer)、種類層(Category Layer)、概念(Concept)、屬性(Attribute)、操作(Operation)及實例層(Instance Layer)。如圖2所示，其即為本較佳實施例中該知識本體儲存庫12中所儲存的知識本體，其中領域層即是該知識本體，種類層則有校區1、校區2...及校區n，概念代表了每台網路設備9的名稱，屬性則是概念的屬性，其主要用法在於描述概念所包含的屬性值有哪些，且這些屬性也是代表對於概念的關鍵項目。因此，在本發明系統1建置的過程中，係先透過領域專家8定義網路設備9的關鍵屬性，再建置此網路設備9的知識本體。至於操作，則是對於概念而言的操作概念。另外，實例層表示實際網路環境中的實例。如圖3、4所示，圖3為本較佳實施例中的網路設備9之概念範例，圖4則是其實例。因此，知識本體儲存庫131即是將網路流量資料利用領域專家8所定義的知識本體來加以儲存，以便做即時模糊推論或是未來進行網路資料分析之用。

參閱圖1、5，該模糊推論引擎132用以基於該知識本體儲存庫131中的網路監控領域知識，將該網路流量資料擷取單元11所傳來的網路流量資料轉換成網路流量語意。亦即，該模糊推論引擎132藉由擷取該網路流量資料擷取單元11所傳來的數值，並根據網路監控領域專家8在該知識本體儲存庫131中所定義的模糊推論知識庫1311，可得到某一台網路設備9的關鍵數值。在本較佳實施例中，主要是要判斷出校園中建築對建築之間的網路上傳及下載量。如圖5所示，每條網路線路(或是埠(Port))都有其網路流量輸入模糊變數，例如其語意項可以是非常低(V_Low)、低(Low)、中(Medium)、高(High)及非常高(V_High)等，故每條網路線路即是一個輸入模糊變數。舉例來說，當某一網路設備9之線路網路流量為66Mbps時，因其僅對應至語意項為〝高〞之梯型曲線，故66Mbps之線路網路流量所對應之輸入模糊變數即為〝高〞；然而，當某一網路設備9之線路網路流量為72Mbps時，由於其同時對應至語意項為〝高〞及〝非常高〞之梯型曲線，故在本發明實施例中將取可能性(縱座標)較高者，即取語意項為〝高〞之梯型曲線，故72Mbps之線路網路流量所對應之輸入模糊變數即為〝高〞。於是，藉由綜合所有網路線路以如圖6、7、8所示者(稍後將詳述)加以分析，將可判斷出建築物與建築物之間的網路流量，以得到某一建築物之流量情況語意。

在該模糊推論引擎132將網路流量資料轉換成網路流量語意的過程中，首先必需定義個別網路線路流量上傳及下載的輸入模糊變數，至於整體輸出上傳及下載流量則是利用綜合分析個別線路上傳及下載流量所得到的。其中，個別線路的上傳(下載)量即是一個輸入模糊變數，而整體網路上傳(下載)流量則是一個輸出模糊變數。在本實施例中，網路線路的流量與輸入模糊變數間的隸屬函數係採用專家法，由領域專家8根據個別網路環境定義，所以針對不同網路環境，所得到的隸屬函數會不盡相同，最後可將輸入網路流量數值轉換成符合網路監控領域專家8之領域知識之語意。

參閱圖1、6、7、8，在本較佳實施例中，該知識本體儲存庫131係利用一模糊標記語言(Fuzzy Markup Language，FML)來建置，且包括一模糊推論知識庫(Knowledge Base)1311及一模糊推論規則庫(Rule Base)1312。FML語言是由Acampora和Loia等學者提出，是以XML為基礎並結合模糊邏輯所定義出來的語言。FML基本上分為三層式架構，分別是XML、文件類型定義(Document Type Definition，DTD)及可擴展樣式表轉換語言(Extensible Stylesheet Language Transformations，XSLT)。其中，XML是將模糊邏輯控制建立成一種新的標記語言，DTD是要定義出可以在FML合法使用的標籤元件，XSLT的功用在於將模糊控制描述轉換成特定的程式語言。

如圖6所示，其為基於網路流量知識本體之智慧型網路監控系統之FML架構圖(以本案申請人台南大學校園中的學生宿舍懷遠齋的上傳網路流量為例)。在本較佳實施例中，本系統1之根節點為模糊推論控制器(Controller)13，其在FML程式語言中，可以<FUZZYCONTROL>標籤表示。<FUZZYCONTROL>標籤使用三個子標籤，分別為type、defuzzifymethod及ip，其中：(1)type表示模糊控制器的型態，例如MAMDANI；(2)defuzzifymethod定義解模糊化的方法；(3)ip代表在網路上這個模糊控制器的網路位址。

此外，圖6中所示之左子樹為模糊推論知識庫1311，若以FML語言撰寫程式碼，將以<KNOWLEDGEBASE>標籤表示。<KNOWLEDGEBASE>使用<FUZZYVARIABLE>及<FUZZYTERM>子標籤來描述模糊概念(例如：校園網路線路某一個埠)及其語意項(例如：流量非常高)。<FUZZYVARIABLE>的標籤有name、scale、domainLeft、domainRight、type及ip，其中：(1)name為模糊概念的名稱；(2)scale為模糊概念的測量單位；(3)domainLeft及domainRight為模糊概念的區間；(4)type為模糊概念在規則中的角色；(5)ip代表在網路上模糊知識庫131的網路位址。<FUZZYTERM>只有一個標籤為name，用來定義模糊概念的語意項。

以圖6、7、8中所舉出的實例來說，圖6中的左子樹及其對應程式碼圖7說明本案申請人台南大學中從格致樓(其建築物代號為A)到懷遠齋(其建築物代號為E)的每條線路之懷遠齋下載流量(共四條，即四個模糊變數)的五個模糊集合。在此例中，每條線路的輸入模糊變數可設定為五個模糊集合，其語意項分別為非常低(Very_Low)、低(Low)、中(Medium)、高(High)及非常高(Very_High)；輸出模糊變數則是建築物流量程度，亦定義為五個模糊集合，其語意項亦分別為非常低(Very_Low)、低(Low)、中(Medium)、高(High)及非常高(Very_High)。

再者，圖6中所示之右子樹為模糊推論規則庫1312，若以FML語言撰寫程式碼，將以<RULEBASE>標籤表示。<RULEBASE>有兩個子標籤，分別為inferenceengine及ip。inferenceengine定義推論方式，例如MINMAXMINMAMDANI；ip代表在網路上這個模糊控制器的網路位址。每個單一規則以標籤<RULE>表示，<RULE>所使用的子標籤分別有id、connector、weight及ip，其中：(1)id為規則的代號；(2)connector為邏輯運算的運算元；(3)weight為該規則的權重值；(4)ip代表在網路上模糊規則庫的網路位址。模糊規則的IF-PART及THEN-PART分別以標籤<ANTECEDENT>及<CONSEQUENT>表示，<CLAUSEA>及<CLAUSEC>分別定義IF-PART及THEN-PART的模糊子句，並以(1)<VARIABLE>標籤描述模糊概念；(2)<TERM>標籤描述模糊概念語意項；(3)<TSKPARAM>描述TSK模糊控制型態THEN-PART參數。因此，在本較佳實施例中，由於FML是對於模糊推論的通用標籤語言，其具有通用性以及可明確詳細表達出規則庫1311及知識庫1312，並且日後可使用FML快速建構適用於不同網路環境之智慧型網路監控系統1。如圖7、8所示，其等分別為本實施例中以FML語言所撰寫的模糊推論知識庫1311及模糊推論規則庫1312之程式碼(以本案申請人台南大學校園中的學生宿舍懷遠齋的上傳網路流量部分程式碼為例)。

以圖6、7、8中所舉出的實例來說，圖6中的右子樹及其對應程式碼圖8說明欲得到從格致樓(其建築物代號為A)到懷遠齋(其建築物代號為E)的懷遠齋整體建築物之下載流量語意所需用到的模糊規則庫。在如圖6所示之具有四條線路(Port)的系統中，由於其代表具有四個輸入模糊變數，且每個輸入模糊變數有五個模糊集合，所以總共有5⁴ =625條模糊規則，如圖6之右子樹。其部份範例程式碼則如圖8所示。

該告警單元14主要的功能就是接收模糊推論引擎132的輸出(整體網路流量語意)。若該輸出出現異常現象，如High或是Very High，則告警單元14會利用電子郵件及/或手機簡訊的方式告知網路管理員，並在網路監控介面15上顯示警告訊息，在第一時間告知網管人員並進而解決問題，其中該網路監控介面15例如可以Network Weathermap技術來實施。至於在其他正常流量(Very low、Low及Medium)之情況下，該整體網路流量語意則僅是平常地顯示在網路監控介面15上，而不會經由告警單元14以電子郵件及/或手機簡訊的方式告知網路管理員。

因此，本發明藉由知識本體儲存庫131、模糊推論引擎13、告警單元14及網路監控介面15等元件之協同運作，可以提供網路環境中一建築物的網路即時流量語意，其代表本發明系統1所能產生的最終告警語意。此告警語意最主要的目的為，網路管理人員可以透過此告警語意了解到，目前有哪幾棟大樓網路流量是正常或是緊急，可以第一時間了解整個環境的網路狀況，而不是被動的等待通知才能了解網路出問題。本發明系統1不但可以讓網路管理人員主動地了解網路流量狀況，並可更進一步透過知識本體儲存庫131的資料去分析了解整個網路環境的網路使用情況。

以下藉由將本發明系統1之技術實施於由本案申請人國立臺南大學之知識本體應用暨軟體工程研究室所架設之虛擬實驗環境，來測試本發明之實際效能。

實驗一(正常狀態)：

參閱圖5本實施例中網路流量與所對應的可能性之關係、圖6之FML架構圖、圖9，以及以下表1、2，本案發明人利用某個時間點(2008年12月24日22時22分55秒)的學生宿舍(懷遠齋)即時網路下載流量的資料，分析在這個時間點的即時網路流量情況。此棟學生宿舍共有四條主要網路流量線路(或是埠(Port))，代表此建築物有四個輸入的模糊變數，故可擷取這四個模糊變數的輸入值。這四個輸入值代表此學生宿舍之四條網路的即時下載流量(如表1及表2所示)。將這四個即時下載流量經過模糊推論後，可得到該學生宿舍的即時網路下載流量的語意項為“非常低”，其實驗結果如圖10之網路監控介面15所示，並得知實驗結果與網路管理人員的判斷結果相符合。

實驗二(迴圈造成的異常狀態)：

參閱以下表3、4及圖10，接著發明人模擬其中一條網路線造成線路流量迴圈的情形，例如有人不小心將同一條網路線都接到線路來源的網路孔中。此時，整台網路設備9的流量會被這個迴路阻塞，因而造成這個迴路上會負載設備網路9可以提供的最大網路流量，進一步可能造成網路癱瘓。表3及表4為在這個情況下所得到的網路流量資料，其經過本發明系統1處理後會產生如圖10所示的警告頁面。如圖11所示，其顯示整體建築網路流量線路是不正常的，且本發明中的告警單元14可更進一步以電子郵件或手機簡訊等方式主動提醒管理者有異常現象產生，以讓網路管理人員更迅速找出有問題的地方為懷遠齋的埠5/1，以達到本系統1之告警作用。

實驗三(使用P2P軟體造成的異常狀態)：

參閱以下表5、6及圖11，另外，本案發明人還根據歷史資料模擬出另一種網路流量異常狀態。此種狀態是住宿學生於半夜時間利用P2P軟體下載影片導致該棟宿舍網路流量異常暴增。如表5中2009年5月19日00時00分00秒至2009年5月19日00時20分00秒之五組記錄所示，當利用本發明系統1監控網路流量時，可發現某學生宿舍(益友齋)此時間段的網路流量暴增，且是因為有學生使用P2P軟體所造成。由於P2P軟體目前幾乎被用於下載非法影音及軟體，許多學校已經開始禁止使用，故利用本發明監控系統1可發現校園內是否發生此種異常狀況。如圖11所示，其為表5、6中的第一組記錄(2009年5月19日00時00分00秒)經過本發明系統1處理後所產生的警告頁面。如圖11所示，其顯示使用P2P軟體所造成的益友齋下載異常之情況。

綜上所述，當網路流量發生異常時，本發明智慧型網路監控系統可即時提供符合人類思考模式的告警語意，以告知網管人員即時採取適當的處理措施。此外，本發明之建置費用係為一般中小企業及學校所能負擔，故可讓一般中小企業及學校省下龐大的客製化網路環境流量監控費用，故確實能達成本發明之目的。

惟以上所述者，僅為本發明之較佳實施例而已，當不能以此限定本發明實施之範圍，即大凡依本發明申請專利範圍及發明說明內容所作之簡單的等效變化與修飾，皆仍屬本發明專利涵蓋之範圍內。

1．．．智慧型網路監控系統

11．．．網路流量資料擷取單元

13．．．模糊推論控制器

131．．．知識本體儲存庫

1311．．．模糊推論知識庫

1312．．．模糊推論規則庫

132．．．模糊推論引擎

14．．．告警單元

15．．．網路監控介面

8．．．網路監控領域專家

9．．．網路設備

圖1是一系統方塊圖，說明本發明智慧型網路監控系統之較佳實施例；

圖2是一樹狀示意圖，說明該較佳實施例中知識本體儲存庫中所儲存的的知識本體；

圖3是一示意圖，說明該較佳實施例中網路設備之概念之範例；

圖4是一示意圖，說明該較佳實施例中網路設備之實例之範例；

圖5是一曲線圖，說明該較佳實施例中網路線路(或稱為埠(Port))的流量與輸入模糊變數間的隸屬函數之範例；

圖6是一架構圖，說明該較佳實施例中的FML架構圖(以本案申請人台南大學校園中的學生宿舍懷遠齋的上傳網路流量為例)；

圖7是一段程式碼，說明該較佳實施例中知識庫之FML程式碼範例；

圖8是一段程式碼，說明該較佳實施例中規則庫之FML程式碼範例；

圖9是一電腦操作畫面，說明該較佳實施例中實驗一之網路監控介面；

圖10是一電腦操作畫面，說明該較佳實施例中實驗二之網路監控介面；及

圖11是一電腦操作畫面，說明該較佳實施例中實驗三之網路監控介面。

1．．．智慧型網路監控系統

11．．．網路流量資料擷取單元

13．．．模糊推論控制器

131．．．知識本體儲存庫

1311．．．模糊推論知識庫

1312．．．模糊推論規則庫

132．．．模糊推論引擎

14．．．告警單元

15．．．網路監控介面

8．．．網路監控領域專家

9．．．網路設備

Claims (5)

1. 一種智慧型網路監控系統，用以監控一特定建築物之多數網路設備之網路流量，該系統包含：一網路流量資料擷取單元，用以從該等網路設備擷取網路流量資料；一知識本體儲存庫，用以儲存至少一網路監控領域專家針對該特定建築物所提供的網路監控領域知識，其是用來描述該特定建築物之領域知識，其包括領域層、種類層、概念、屬性、操作及實例層，其中該知識本體儲存庫是以將該等網路設備視為概念且將該等網路設備之關鍵功能視為概念之屬性之方式來建構，其中該知識本體儲存庫包括一模糊推論知識庫及一模糊推論規則庫，該模糊推論知識庫及模糊推論規則庫係利用一模糊標記語言來建置，該模糊推論知識庫用以儲存該網路監控領域專家所定義之該等網路設備之所有線路之輸入模糊變數與多數語意項之隸屬函數，且該模糊推論規則庫用以儲存該網路監控領域專家所定義之多數模糊推論規則；及一模糊推論引擎，用以基於該知識本體儲存庫中的網路監控領域知識，將該網路流量資料擷取單元所傳來的網路流量資料轉換成網路流量語意，其中該模糊推論引擎根據該模糊推論知識庫中的隸屬函數及該等模糊推論規則，將該網路流量資料擷取單元所傳來的 網路流量資料轉換成該特定建築物之輸出模糊變數，以作為該特定建築物之網路流量語意。
2. 依據申請專利範圍第1項所述之智慧型網路監控系統，更包括一告警單元，用以當該等網路設備之網路流量資料顯示為異常時，透過一預定方式即時發出表示網路流量為異常之告警語意。
3. 依據申請專利範圍第2項所述之智慧型網路監控系統，其中該預定方式為電子郵件。
4. 依據申請專利範圍第2項所述之智慧型網路監控系統，其中該預定方式為手機簡訊。
5. 依據申請專利範圍第1項所述之智慧型網路監控系統，更包含一網路監控介面，用以呈現該等網路流量語意。