2020年我国将实现5G网络的大规模部署,用以满足人们多种多样的通信业务需求。5G网络引入网络切片技术有效解决了现有网络架构僵化封闭的问题,极大地提高了网络的灵活性和资源的利用率。然而,网络切片技术在实现网络灵活配置和资源共享的同时,也为网络的管理和运维带来了更大的挑战。如何实现网络故障管理的自动化和智能化,是保障网络稳定运行的关键。本文重点研究了网络切片场景下服务功能链的故障检测和诊断算法,主要内容和创新工作总结如下:1.针对5G网络切片场景下服务功能链的故障能够在服务功能链的不同虚拟网络功能节点中传播的问题,首先设计了一个在应用层对服务功能链中各个虚拟网络功能节点进行工作状态监测并收集相关性能数据的方案,通过对数据进行持续性分析,检测出故障的发生。其次,综合考虑到网络监测数据的时序、多源、高维特性,以及故障检测的主动性要求,提出一种基于门控循环单元(Gated Recurrent Unit,GRU)网络预测的故障检测模型,使用历史数据集进行网络模型参数训练,预测网络的工作状态。最后,考虑到服务功能链中数据不足和利用历史数据进行建模需要较长时间而不利于故障检测的实时性要求的问题,引入迁移学习来加快GRU网络学习模型的收敛速度。仿真结果表明,本文所提出的服务功能链故障检测算法可以在保障检测准确度的同时在较短时间内收敛。2.针对5G网络切片场景下底层物理节点出现故障会导致运行在其上的多条服务功能链出现性能异常的问题,首先根据网络功能虚拟化环境下故障的多层传播关系,构建故障与症状的依赖图模型,并采用在物理节点监测其上多个虚拟网络功能相关性能数据的方式收集症状数据。其次,考虑到网络切片架构下网络症状观测数据的多样性以及物理节点和虚拟网络功能的空间相关性,引入深度信念网络对观测数据特征进行提取。最后,利用故障传播的时间相关性,引入动态贝叶斯网络对故障根源进行实时诊断。仿真结果表明,本文所提出的服务功能链故障诊断算法能够有效诊断故障根源且具有良好的诊断准确度。