近年来,随着互联网的快速发展,互联网中的应用类型不断增加,使得现有的网络服务架构在一定程度上呈现出僵化问题,作为目前公认的解决网络僵化问题的有效手段,网络虚拟化技术允许多个具有不同拓扑且相互隔离的虚拟网络同时共存于这些公共的基础设施上,为用户提供可定制化和差异化的服务。通过抽象底层的基础设施,网络虚拟化技术为网络服务提供商提供端到端的可定制服务,不仅如此,网络虚拟化技术还允许研究人员部署新型网络协议,这极大地促进了未来网络的改进和发展。新的技术也带来了新的挑战,由于网络虚拟化环境下,底层基础设施提供商对上层网络服务运营商是完全透明的,因此,在虚拟网络中的故障诊断必须面临无法获得完整的诊断症状信息、获得的信息具有不确定性、更高几率的噪声干扰等挑战。现有的故障诊断方法主要分为管理层故障诊断与用户层故障诊断两种形式,各有优点又各自存在着不足。为了应对以上虚拟网络中故障诊断的新挑战,本论文提出了基于证据推理的虚拟网络故障诊断算法。该算法采用目前主流的基于用户端观测的诊断方法,首先利用多个用户端观测到多组故障症状,并对每组故障症状进行转换,变为证据矩阵;随后,对于每个证据矩阵进行证据分析,分别判断是否为证据残损、证据不足、证据过足等情况,并根据不同的结果分别进行处理;得到预处理过的证据矩阵之后,利用证据矩阵中证据间的逻辑关系和先验故障概率,求得其中每个虚拟组件的后验非故障概率;故障概率与非故障概率联合构成每个组件的识别框架,利用Dempster-Shafer证据融合公式,将各个证据矩阵的结果进行融合,得出每个虚拟组件的故障概率;最后利用证据诊断算法,诊断出故障组件。本论文所提出的证据分析算法大幅度地降低了故障诊断的时间复杂度,而证据推理方法则克服了虚拟网络的不完整症状信息、信息的不确定性以及噪声的干扰,保证了故障诊断结果具有极高的准确率。因此,本论文所提出的故障诊断算法能在保证极高故障诊断准确率的同时,大幅度提高故障诊断的效率,并降低故障诊断的时间复杂度。