基于切片式拓扑霍克斯过程的大规模OTN故障定位

《IEEE Photonics Journal》：Slice-Based Topological Hawkes Process for Fault Localization in Large-Scale OTN

　　

在大规模光传送网（OTN，Optical Transport Network）中，由于海量告警和复杂传播模式，准确且可解释的故障定位仍然是一项关键挑战。本文提出一种基于切片的拓扑霍克斯过程（sTHP，slice-based Topological Hawkes Process）框架，将人工智能（AI，Artificial Intelligence）分类与可解释因果建模相结合。增强型平衡迭代削减与层次聚类（BIRCH，Balanced Iterative Reducing and Clustering using Hierarchies）算法将告警序列划分为拓扑一致的切片，随后利用具有时间-空间-切片衰减核的多元霍克斯过程推断告警因果关系。参数敏感性测试和案例研究证实了该方法的可靠性和因果保真度。在全国性OTN上开展的现场试验包含超过87万条告警记录，实现了98.8%的故障定位准确率，比Apriori基线高出9.7个百分点。所提出的框架有效平衡了模型透明度与精度，适用于实际OTN部署。

随着5G移动通信的快速演进和全国算力网络基础设施的大规模建设，光传送网（OTN，Optical Transport Network）已成为全球长距离和城域数据传输的核心承载设施。网络规模、拓扑复杂度和多层互联程度的持续提升，使故障引发的级联告警风暴呈指数增长，给自主运维（O&M，Operation and Maintenance）带来严峻挑战。在核心运维能力中，根因分析（RCA，Root Cause Analysis）和故障定位最为关键，运维人员需要从海量突发告警序列中快速准确地识别根因告警和物理故障位置，以缩短平均修复时间（MTTR，Mean Time To Repair）。该论文发表在《IEEE Photonics Journal》。

当前OTN故障定位方法主要存在三类局限：基于规则的经验方法依赖专家先验知识，只能捕获统计相关性而非因果传播，难以覆盖未知故障场景；以贝叶斯网络和隐马尔可夫模型为代表的概率统计模型多基于静态拓扑，无法适应OTN告警序列的动态突发特性，且在大规模网络中参数估计复杂度呈指数增长；数据驱动的人工智能（AI）方法在特定场景性能优异，但“黑箱”问题突出，需要大量标注数据，且对未见故障类型泛化能力弱。霍克斯过程作为一种自激点过程，能显式量化历史事件对后续事件的触发关系，与OTN单根故障引发的级联告警传播特性天然匹配。然而，传统多元霍克斯过程只建模时间依赖，忽略网络拓扑约束；现有拓扑霍克斯过程（THP）虽引入图拓扑信息，但仍未完全适应OTN告警的切片局部传播特性，全网因果建模计算复杂度过高，且很少将学习到的因果结构集成到端到端框架中同步完成根因告警识别与物理故障定位。为此，研究人员提出基于切片的拓扑霍克斯过程（sTHP）统一框架。

关键技术与方法：研究数据来自覆盖1200余个ROADM（Reconfigurable Optical Add-Drop Multiplexer，可重构光分插复用器）节点的城际OTN，采集31天、超过87万条告警记录，以273个真实故障实例为真值。主要方法包括：采用增强BIRCH聚类进行拓扑感知告警切片，定义融合时间差与最短路径跳数的时空距离，并引入自适应阈值控制和相邻簇合并；在每一切片内建立带时间-空间-切片衰减核的多元霍克斯过程，通过带L₁稀疏正则化的极大似然估计（MLE，Maximum Likelihood Estimation）学习告警码间因果传递矩阵；基于出度/入度阈值识别根告警，构建满足跳数阈值h_th、时间阈值τ_th和因果强度比ρ的候选告警对；提取根嫌疑标志r_i、片内因果强度ζ_intra、片间因果强度ζ_inter和告警对标志p_i四个因果特征，输入轻量AI分类器完成最终故障定位。

研究结果：

A. 数据集与特征分析

原始告警记录包含59个字段，经预处理后降至27个，再经独热编码扩展至41个特征，告警切片贡献1个簇标识，sTHP阶段补充4个因果特征。相关性分析显示，簇标识与开始时间的Pearson相关系数为0.5604，与位置标识的相关系数为-0.4829，表明切片能有效刻画告警的时空分布；sTHP因果特征r_i（0.7107）、ζ_intra（0.6522）、ζ_inter（0.4024）和p_i（0.6381）均与根因标签强正相关，其中r_i判别力最强，验证了因果特征增强策略的有效性。

B. 聚类与参数敏感性

增强BIRCH相比DBSCAN聚类纯度提高18.7%，执行速度提升42.9%。对距离阈值T和分支因子B的网格搜索敏感性分析表明，T增大使簇数量单调减少、聚类纯度逐渐下降，而B影响可忽略；聚类纯度变异系数仅为0.0692，簇数量变异系数为0.3152。结合273个真实故障粒度，选取T=0.1、B=100为最优配置，既能避免过分割也能避免欠分割。

C. 根告警识别

在随机森林、XGBoost、LightGBM和BERT四种模型上分别进行有无sTHP特征的对比。无sTHP特征时准确率分别为95.8%、95.5%、97.2%和95.2%；加入sTHP特征后分别提升至96.2%、96.8%、98.4%和95.8%，其中LightGBM总体最优，XGBoost提升幅度最大，提高1.3个百分点。贝叶斯网络和因果森林的准确率分别为94.8%和95.7%，均低于sTHP增强分类器。残差误分类主要出现在拓扑边界跨越、瞬态扰动模式以及设备固件异常三类场景。10折交叉验证箱线图显示，LightGBM中位数最高、分布最窄，BERT波动最大，所有模型下界大多高于0.85，表明框架具有良好的稳健性。

D. 故障定位与敏感性

将sTHP因果告警对构造与LightGBM分类结合，故障定位准确率达到98.8%，比传统Apriori关联规则基线高9.7个百分点。统一敏感性分析表明，跳数阈值h_th最优值约为3，时间阈值τ_th最优值为5秒，因果强度比ρ最优值为0.7。随着参数偏离最优值，准确率降至一平台；h_th和τ_th对应的准确率下限高于纯因果强度比ρ，说明拓扑邻