随着计算机的广泛普及以及网络技术的不断发展,通信网呈现结构复杂化、设备多样化、业务规模化发展。现代通信网已经不再是传统的单一化层次结构,语音、图像、视频等多媒体业务也加入其中。所以,当通信网发生故障时,会产生大量告警,多个告警事件错综叠加,真正有用的告警信息就淹没其中,这给故障诊断带来了很大麻烦。而故障诊断技术,就是从大量表象的告警信息中找到问题的根源,即故障。因此,如何能够在一个大规模、复杂的网络环境中精确高效的完成故障诊断成为一大研究热点。通信网在运行过程中,网络设备的各项性能指标动态变化着,通过监测这些数据就可以“感知”到网络的运行状况。人工免疫算法借鉴了生物免疫原理,具有自学习、自适应、反应快等特点。本文根据人工免疫算法的特点并结合决策树分类器提出了一种人工免疫综合故障诊断方法,并将其应用于通信网故障诊断中。具体流程主要包括:首先在通信网正常运行和发生故障情况下分别获取正常运行数据和故障数据,利用动态阈值否定选择算法训练正常运行数据得到异常检测器,利用决策树组合方法训练故障数据得到决策树组合分类器;然后在一段时间内从通信网中采集待测数据,利用异常检测器对其进行分析:如果待测数据存在异常,则被诊断出,反之,则表明该数据正常。最后对于异常数据,利用决策树组合分类器进行诊断,确定其故障类型。人工免疫综合故障诊断方法结合了人工免疫算法和决策树分类器的特点,在异常检测方面能够诊断出“未知”异常,并在“非己”空间覆盖上有较大提升;在故障类型诊断方面能够从异常数据中找出故障并确定其类别,并在决策树分类准确率上有较大提升。