伴随着互联网的飞速发展,各类企业应用在网络上进行了大量部署,为保障各项业务应用正常运作,能够快速准确的定位IT服务中的故障,是其中的关键。在大型网络中,协议栈上层的各类业务应用故障,是由多种不同原因导致的并且具有很大的不确定性,即这些应用故障可能是由其他应用故障引起的,也可能是由物理故障引起的,并且故障之间的关系并不是一成不变的；加之网络中存在一定的观测噪声,互联网俨然变成了一个复杂的动态系统,这为传统确定性故障定位技术提出了新的要求和挑战。贝叶斯网是目前不确定知识表达和推理领域最有效的理论模型之一,基于静态贝叶斯网络的故障定位技术在定位的复杂度、准确度和精确度方面取得了相当的进展。但是,基于静态贝叶斯网络的故障定位技术很难满足动态系统故障定位的需要。本文通过研究基于贝叶斯网络的故障推理算法,分析各种静态模型的适应环境,总结各种推理算法的优缺点,提供了一种在给出一组端到端的失败的服务情况下,基于动态贝叶斯网络的故障诊断方法。为了适应动态系统的故障诊断,该方法从各个方面对静态贝叶斯诊断方法进行了改进。为适应系统动态性,引入了时间片信息、加入了相邻时间片故障关系分析机制、故障概率传播与更新机制；为处理环境噪声引起的定位不准确问题,引入了噪声过滤机制；为了适应大型网络,引入了模型简化机制。此外由于精确推理虽然可以取得较高的准确度,但是复杂度也相当高,不能满足故障定位的需要,因此本算法加入了一系列近似方法,保证准确度和复杂度之间达到一个均衡。最后通过实验仿真证明了在网络节点较大、动态环境和噪声情况下,本算法能够在较小的时间范围内取得较高的准确度和较低的错误率。基于java语言给出算法的具体实现过程,通过对算法进行近似,减小了算法复杂度,适应了复杂动态系统故障诊断的需要。并从准确度,精确度和定位时间三个方面,与基于静态贝叶斯网络诊断方法进行了对比,实验证明我们的算法具有更好的性能。