基于软件定义网络(Software Defined Network,SDN)与网络功能虚拟化(Network Function Virtualization,NFV)带来的软件化优势,网络切片实现了网络功能软硬件解耦,能够提供灵活、经济且量身定制的服务,但同时也失去了专用硬件提供的高可靠性保障。为了在通用硬件平台上保证网络切片的高可靠性,自愈合技术得到了广泛的关注。自愈合技术即自动化的网络故障管理,旨在实现网络故障的自动检测、诊断与恢复,从而保证网络切片的高性能需求。网络异常被视为网络故障的前期症状,本文重点研究了网络切片场景中的异常检测与服务功能链愈合问题,主要研究内容和创新点总结如下:1.为了快速检测物理节点异常,从而保证网络切片的高性能需求,本文提出了网络切片中基于支持向量数据描述的分布式在线物理节点异常检测方法。首先,基于支持向量数据描述建立了一种分布式的物理节点异常检测模型;其次,为了解决分布式数据存储场景下的核函数计算问题,引入随机近似函数,从而实现观测数据的分布式处理;最后,为了解决离线训练带来的模型老化问题,提出了一种基于随机梯度下降的在线物理节点异常检测算法,保证模型动态更新,并减轻了异常数据导致的模型检测性能下降。仿真结果表明,该方法可在实现虚拟网络功能(Virtual Network Function,VNF)观测数据分布式处理的同时,有效检测物理节点异常。2.为了保证网络切片高可靠运行,实现服务功能链(Service Function Chain,SFC)异常后的迅速愈合,同时改善主动备份式SFC愈合方法的网络资源利用率低下问题,本文提出了一种基于资源预配置的SFC愈合算法。首先,建立了基于VNF重配置与状态迁移成本的VNF愈合开销模型,提出了一种最小化愈合开销的VNF愈合算法,旨在将VNF迁移到正常底层物理节点上;其次,为了减少瞬时异常导致的频繁迁移,引入节点异常指数,提出一种基于资源预配置的SFC愈合算法,从而减小网络切片整体愈合开销。仿真结果表明,算法能有效减少VNF迁移次数,进而降低网络切片整体愈合开销,同时拥有较高的资源利用率。