网络中的设备故障是无法避免的,因此有效的故障诊断技术和大量关联故障中的关键节点识别研究对维持可靠的网络通信和故障的快速修复而言都具有重要的意义。目前通信网络中的故障诊断一方面需要解决的问题是在网络环境动态变化(拓扑更新、设备状态动态变化以及探测数据不确定)的情况中如何在不显著增加网络流量的同时获取有效的探测数据,另一方面是如何从海量的数据(拨测数据、设备状态信息、网络拓扑信息等)中挖掘出有效的故障信息以确定真正的故障节点,而由于设备连接关系无法避免的大规模级联失效现象则需要可靠的关键节点识别技术以从大量故障节点中识别出关键节点。针对上述问题,本文主要研究内容如下:1.首先分析不同研究阶段故障诊断主要解决的问题和不同诊断模式的优缺点,在此基础上分析了目前故障诊断所处的网络环境及需要重点关注的问题。其次对于网络中的大规模级联失效现象(引起网络大量节点产生告警并故障),分析了已有的关键节点识别技术以及进一步需要探索的问题。2.在获取探测数据方面,主动故障探测在实时获取网络状态信息方面具有较好的性能,然而传统的在网络中布设探测基站并通过基站发送探针获取设备状态的模式存在无法适应网络环境动态变化、重复探针发送增加网络流量的问题。本研究在上述两个问题的基础上,结合系统级网络故障诊断理论以及新一代网络扁平化程度高和高连通性的特点,提出了启发式广度优先故障探测模式,能够在动态变化、探测信息不确定的网络环境中有效定位故障。3.网络设备状态实时变化、动态业务走向以及探测数据在传输过程中存在丢失等不良因素的存在使得故障推理的执行环境充满了不确定性。在探测数据的基础上,本文引入Dempster-Shafer动态组合理论设计动态不确定网络环境下的故障推理模型。结合故障探测阶段,形成了包含动态生成树搜索(DSTS)、故障概率计算(FPE)和故障推理(FR)三阶段的启发式故障诊断模型。4.对于网络中的大规模级联失效现象,本研究在无标度复杂网络模型的基础上,引入链路介数中心设计合理的负载重分配模型,同时设计了有效的级联失效度量指标。然后在模拟大规模网络发生级联失效过程的同时收集网络节点的拓扑属性和级联失效度量数据,结合相关性分析和聚类分析等相关数据分析技术,有效识别出网络大规模级联失效中大量故障节点中的关键节点。