【摘要】 針對信息通信調(diào)度事故的知識特征，提出基于案例推理的方法來解決信息的利用和傳播問題。將基于案例推理的方法應(yīng)用于信息通信調(diào)度事故領(lǐng)域，根據(jù)領(lǐng)域知識特點結(jié)合人工智能其他技術(shù)，研究和分析案例表示、案例檢索和案例修正等各階段的任務(wù)方法，建立系統(tǒng)框架，構(gòu)造信息通信調(diào)度事故決策系統(tǒng)。

【關(guān)鍵詞】 信息通信 調(diào)度事故 基于案例推理 決策系統(tǒng)

Study on Decision Information Communication Scheduling Accident Case based Reasoning

YANG-Shibo 1， Liu Ning 1，JIN-Xin1，CHEN-Baojing1，CHAI-Jing1

（1.Priorities of Gansu Province Electric Power Company Information Communication， Information and Communication Control Center， Lanzhou 730070，China）

ABSTRACT：The paper introduces case based reasoning approach to solve the information utilization and dissemination issue on basis of information communication scheduling accident knowledge characteristics. This paper applies CBR to information communication scheduling accident knowledge domain and builds the system structure including case representation，retrieval and revise such phase tasks in combination with other AI technology. The information communication scheduling decision system is then constructed and accident validation is established.

KEYWORDS：information communication；scheduling accident；Case based reasoning；decision system

前言

信息通信行業(yè)近年來飛速發(fā)展，通信調(diào)度事故的頻繁出現(xiàn)給社會造成了巨大損失。如何從事故與失敗中總結(jié)知識經(jīng)驗，并有效的傳達給相關(guān)專業(yè)的人員，防止類似事故發(fā)生，是一項具有重要意義的工作。

在調(diào)查分析信息通信調(diào)度事故現(xiàn)狀及原因的基礎(chǔ)上，通過搜集事故案例，并對事故案例的經(jīng)驗進行挖掘運用，完成完整信息庫的建立從而對已有事故經(jīng)驗知識進行學習借鑒成為智能決策的重要研究思路。

相關(guān)研究表明人類學習和解決問題往往基于以往案例推理，基于案例推理（Case-Based Reasoning，CBR）[1]以人類認知心理學模型為基礎(chǔ)來解決專家問題。Schank[2]提出在動態(tài)的內(nèi)存結(jié)構(gòu)中保留過去的經(jīng)驗來進行學習和回憶的理論。Anderson[3]也認為人類學習、解決問題是將過去的案例作為模型來利用，也是專家最重要的解決問題的方法。本文采用案例推理方案，設(shè)計合理的信息通信調(diào)度事故案例庫，對案例信息進行存儲統(tǒng)計，可為應(yīng)急指揮人員實時指供與當時事故相似的案例信息進行輔助決策。

一、案例推理和決策相關(guān)理論及應(yīng)用

作為對人類思維經(jīng)驗的一種模擬，基于案例的推理是一種基于過去實際經(jīng)驗或經(jīng)歷的推理。完整的案例推理系統(tǒng)由案例組成，這些案例可以描述問題、結(jié)果、解決方案，并可對其效用進行評估。同時能夠通過修改和補充過去案例的解決方案以適應(yīng)新的類似案例。CBR推理的過程歸納為以下四個步驟：檢索、重用、修正、存儲。如圖1所示。

決策支持系統(tǒng)（Decision Support System，簡稱DSS）是用來處理半結(jié)構(gòu)化與非結(jié)構(gòu)化問題，允許決策者直接干預(yù)并能接受決策者的直觀判斷和經(jīng)驗的動態(tài)交互式計算機系統(tǒng)的計算機軟件系統(tǒng) [4]?；诎咐耐评硪言趹?yīng)急決策環(huán)境展現(xiàn)出其優(yōu)勢，該方法能通過與網(wǎng)絡(luò)海量數(shù)據(jù)的整合發(fā)揮其知識發(fā)現(xiàn)和學習的優(yōu)勢[ 5]。

考慮到基于案例推理的方法在理論層面的優(yōu)勢及其諸多領(lǐng)域的推廣應(yīng)用，本文以基于案例的推理為基礎(chǔ)，發(fā)揮其在非結(jié)構(gòu)化或結(jié)構(gòu)化程度低的領(lǐng)域中的優(yōu)勢，應(yīng)用于信息通信調(diào)度中完成事故決策。

二、基于案例推理的信息通信調(diào)度事故決策方案

信息通信調(diào)度事故的形成過程復(fù)雜，涉及面較廣，包括人員操作、線路故障及環(huán)境等各種因素綜合作用?？紤]到信息調(diào)度事故的發(fā)生具有隨機性、模糊性和不確定性，基于規(guī)則的推理方式無法對其進行決策和處理 [6]。領(lǐng)域?qū)＜乙言谑鹿侍幚碇幸逊e累了豐富的經(jīng)驗，存在大量的實際案例。采用CBR作為決策的基礎(chǔ)，符合人類的認知心理。

本文對照CBR模型中的任務(wù)流程，結(jié)合國網(wǎng)甘肅省電力公司信息通信調(diào)度事故知識特性對信息通信調(diào)度事故決策進行功能模塊策略設(shè)計，根據(jù)用戶所提交的事故情況，提供合適的事故解決方案，輔助工作人員進行智能決策[7]。

具體來說，首先，將信息通信調(diào)度事故按照特定知識表示方式進行規(guī)范化和統(tǒng)一化表示，形成信息通信調(diào)度事故案例存入案例庫 ；然后，用戶可限定某些檢索條件作為問題描述部分，案例推理系統(tǒng)通過特定相似性運算規(guī)則檢索出與當前問題相匹配的信息通信調(diào)度事故案例，如兩者問題描述部分完全相同，則輸出該信息通信調(diào)度事故案例，否則推薦相似度較高的信息通信調(diào)度事故案例。

此外，用戶還可參考經(jīng)過增、減的推薦信息通信調(diào)度事故處理方案直接執(zhí)行，或酌情參考相似信息通信調(diào)度事故案例，以此形成新的信息通信調(diào)度事故案例。用戶還可以反饋新案例是否具有可行性，再決定是否作為新案例加入案例庫，以便為以后問題的求解使用，如圖2所示。

2.1 信息通信調(diào)度事故案例表示

案例表示是建立CBR系統(tǒng)需要解決的基本問題，是案例推理實現(xiàn)的基礎(chǔ)，決定著推理的廣度和應(yīng)用范圍。案例表示的正確、恰當與否，直接影響著案例檢索的效率和診斷質(zhì)量。案例的表示目前尚無統(tǒng)一模式，當前主要采用的方法包括邏輯表示法、規(guī)則表示法、框架表示法、語義網(wǎng)絡(luò)表示法和面向?qū)ο蟊硎痉ǖ萚7]。

考慮到案例表示包括問題描述和對應(yīng)解決方案，本文用二元組形式進行表示，即<問題，解決方案>。也由此明確案例檢索和案例修正的執(zhí)行部分。具體來說采用案例特征屬性表示法，將案例特征屬性組成一個集合來表示相應(yīng)的案例，通過對信息調(diào)度通信事故不同特征屬性分析，可將事故發(fā)生時間、地點、原因、過程、結(jié)果和處理手段綜合，以上6方面基本可以完成對信息調(diào)度通信事故規(guī)范化和完整化描述。因此案例可以表示為：Case = { 時間，地點，原因，過程，結(jié)果，處理手段}，值得注意的是特征屬性對于案例檢索和匹配的貢獻程度不同，本文利用專家賦權(quán)法，事先由信息通信領(lǐng)域?qū)＜腋鶕?jù)經(jīng)驗進行判斷給定特征屬性不同的賦權(quán)策略[8]。

2.2 信息通信調(diào)度事故檢索策略

案例檢索是通過一種檢索機制，從案例庫中檢索出與目標案例相似的一個或若干個源案例，當系統(tǒng)需要解決一個目標案例時，CBR利用相似性知識和特征索引對案例庫進行查詢，返回若干符合目標案例要求的源案例，其中與特征最相關(guān)的若干源案例將返回成為目標案例的參考結(jié)果。

本文將整個案例檢索分為三個步驟[9]：

一是對目標案例進行分析，獲取與目標案例相關(guān)的特征屬性；

二是從案例庫中查找與目標案例相關(guān)的若干源案例；

三是從初步匹配得到的源案例中選取一個或若干個與目標案例最相似的源案例。整個過程利用基于聯(lián)想語義網(wǎng)絡(luò)的智能查詢技術(shù)實現(xiàn)。

由于案例各屬性類型多種多樣的，為了正確地進行匹配，須對不同類型的數(shù)值采用不同的相似度計算方法。屬性值的相似度計算方法一般可以分為數(shù)值、有序枚舉、無序枚舉三種類型[9]。

2.3 信息通信調(diào)度事故修正

經(jīng)過案例重用過程得到的建議方案，盡管與當前問題最相似，但可能還存在某些差別，從而導致建議方案中所記錄的解決問題的方法和求解策略不完全適合當前問題的求解，因此，需要根據(jù)當前問題的具體環(huán)境，做出一定的修正，以適合當前問題的求解，得到確認方案。案例修訂階段包括評價案例和案例調(diào)整與修改兩個階段。CBR系統(tǒng)在國網(wǎng)甘肅省電力公司是初期應(yīng)用，案例較少，修正準確率相應(yīng)較低。隨著新案例的不斷加入，系統(tǒng)能逐漸豐富自身內(nèi)容，形成增量式的自學習過程。對于已成功解決的案例以及案例的處理方法按照一定的數(shù)據(jù)格式存數(shù)到案例庫中，能為今后類似案例的解決提供相應(yīng)參考。

三、應(yīng)用實例—異常訪問案例化

基于案例的推理（CBR）是一種重要的人工智能方法，就是對新案例在案例庫中檢索出舊案例，并進行修改，給新案例提供一種解的推理模式。甘肅公司于2013年8月27日18：32分接到總部調(diào)控中心郵件通知“上海信息災(zāi)備中心通過IDS管理控制中心巡查發(fā)現(xiàn)以下一些IP對災(zāi)備內(nèi)進行異常訪問，顯示“UDP_MSSQL2000_遠程溢出[MS02-039]”。

源端通過掃描某一網(wǎng)段的1434端口來尋找SQL Server服務(wù)器的這種行為，可能會被某些病毒或者蠕蟲利用產(chǎn)生安全事件?；贑BR系統(tǒng)，可以將上述事故轉(zhuǎn)化成案例，如表1所示。

表1 事故案例庫

Tab .1 The accident case

時間地點原因過程結(jié)果處理手段

2013.8.27源端地址10.212.230.88源端數(shù)據(jù)庫服務(wù)器感染病毒源端通過掃描某一網(wǎng)段的1434端口來尋找SQL Server服務(wù)器及時啟用防護措施。進行系統(tǒng)補丁升級及病毒查殺。對源端地址進行排查，并且阻止主流的Web漏洞掃描和網(wǎng)絡(luò)爬蟲等行為。

通過上述案例化分析：在短時間間隔內(nèi)，如果一臺主機向其余主機的多個端口建立連接，出現(xiàn)“UDP_MSSQL2000_遠程溢出[MS02-039]”可以認為發(fā)生異常訪問，預(yù)處理器就會報警，通過案例及時啟用防護措施，可以通過以下方法快速處理安全隱患。

1）加強巡檢，提高管理措施，確保主機、數(shù)據(jù)庫系統(tǒng)、PC終端安全穩(wěn)定運行。

2）加強服務(wù)器、PC終端設(shè)備的維護，定期更新操作系統(tǒng)補丁，更新防病毒軟件。

3）加強對主機、數(shù)據(jù)庫系統(tǒng)、PC終端的安全防護漏洞掃描。

四、結(jié)束語

本文以國網(wǎng)甘肅省電力公司信息通信調(diào)度事故案例庫為背景，基于案例推理的方法運用到信息通信調(diào)度事故智能決策系統(tǒng)，不僅能夠通過合理的案例表示方法對事故信息進行結(jié)構(gòu)化處理，而且結(jié)合領(lǐng)域?qū)＜抑R、定性經(jīng)驗知識，通過相近算法的匹配計算，有效提供符合用戶搜索條件并且給出實際的決策方案。另外，也可以及時啟發(fā)現(xiàn)事故和快速啟用防護措施，快速處理安全隱患。

參 考 文 獻

[1] Sshank R， Abe lson R R. Go als and Understand ing[M] . E rlbanum：Eksevier S cience， 1977.

[2] Schank R C， Abelson R P. Scripts， plans， goals， and understanding： An inquiry into human knowledge structures[M]. Psychology Press， 2013.

[3] Anderson J R. The architecture of cognition[M]. Psychology Press， 2013.

[4] 羅賀， 楊善林， 丁帥. 云計算環(huán)境下的智能決策研究綜述. 系統(tǒng)工程學報[J]， 2013

[5] 張榮梅，周義，涂序彥.交通事故處理智能決策支持系統(tǒng)（YCIDSS）.計算機應(yīng)用，2002，22（9）：60-61.

[6] 李先鋒.融合CBR與RBR道路交通事故處理專家系統(tǒng)原型研究[M].合肥工業(yè)大學，2005.

[7] 金晨澤.基于Multi-Agent的瓦斯聯(lián)網(wǎng)系統(tǒng)的研究與應(yīng)用[D].天津工業(yè)大學，2007.

[8] 王義祥，鄔群勇.一種基于CBR的特征屬性權(quán)重選取與自修正方法[J]. 微型機與應(yīng)用，2012，31（10）：71-75.

[9] 賁志岳.基于案例推理的裝備車輛故障診斷系統(tǒng)[M]，中南大學，2007.