计算机网络已经深入到社会的各个领域，其应用范围越来越广。计算机网络可靠性和可用性一直以来都是人们比较关心的问题，特别是在军事、金融、政府、高科技等领域应用时更是如此。提高网络可靠性的一个主要方法就是及时诊断出网络工作时出现故障的位置以及具体原因，以便于网络管理人员尽快修复故障。简单的网络监视手段诊断能力较弱，网络故障诊断专家系统在实际中应用较为广泛，但是又存在知识获取“瓶颈”和知识难以维护等不足。数据挖掘技术能够从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。将数据挖掘技术应用于计算机网络故障诊断能够提高网络管理的可靠性、稳定性、灵活性、故障诊断速度及正确性。实现网络故障自动诊断、预测和维护，并保证网络具有高服务质量和高可靠性。 本论文通过分析传统的网络故障诊断方法的不足，指出专家系统在网络故障诊断中的重要地位以及存在的不足。通过分析数据挖掘技术的特点，提出采用数据挖掘技术从网络告警及性能数据中提取潜在的信息用于建立和更新专家系统知识库的方法。 以往的研究主要针对各种网络设备出现的故障，研究的重点在于找出这些故障之间的关联关系以及定位故障设备。在计算机网络故障中，设备本身的故障所占比例较小，而由各种网络病毒或网络攻击等异常应用引起的如网络时延较大、冲突较多、掉包率较严重等“软故障”所占的比例较大，因此本论文重点研究计算机网络中除设备本身“硬故障”以外的其它故障的诊断。研究网络性能数据的选取，网络告警及性能数据的采集和预处理，数据挖掘技术的选择以及规则的描述等。 作者把该方法运用到具体的校园网环境中，通过实验测试，得到了相应的关联规则，通过分析这些关联规则，我们得出了各种网络应用与网络性能之间的一些关联关系，找出了某些网络故障的潜在的原因。这些是传统网络故障诊断方法难以实现的。这也证明了本论文研究的可行性、正确性以及实用意义。