顯示網路異常很可能是因為您的網路環境不穩定，建議更換穩定的網路環境後重試。
華為P30 Pro是華為研發的智能手機，搭載麒麟980處理器，預裝EMUI 9.1操作系統，6.47英寸OLED曲面屏，取消劉海屏採用後置四攝設計，支持屏幕發聲和IP68級防塵防水。
華為技術有限公司，成立於1987年，總部位於廣東省深圳市龍崗區。華為是全球領先的信息與通信技術（ICT）解決方案供應商，專注於ICT領域，堅持穩健經營、持續創新、開放合作，在電信運營商、企業、終端和雲計算等領域構築了端到端的解決方案優勢，為運營商客戶、企業客戶和消費者提供有競爭力的ICT解決方案、產品和服務，並致力於實現未來信息社會、構建更美好的全聯接世界。2013年，華為首超全球第一大電信設備商愛立信，排名《財富》世界500強第315位。華為的產品和解決方案已經應用於全球170多個國家，服務全球運營商50強中的45家及全球1/3的人口。
❷ 我的筆記本聯網的時候顯示dns伺服器異常，這是網路服務商的問題還是我的本設置有問題
、背景
域名系統(Domain Name System，DNS)是互聯網的重要基礎設施之一，負責提供域名和IP地址之間的映射和解析，是網頁瀏覽、電子郵件等幾乎所有互聯網應用中的關鍵環節。因此，域名系統的穩定運行是實現互聯網正常服務的前提。近年來，針對域名系統的網路攻擊行為日益猖獗，DNS濫用現象層出不窮，再加上DNS協議本身固有的局限性，域名系統的安全問題正面臨著嚴峻的考驗。如何快速有效的檢測域名系統的行為異常，避免災難性事件的發生，是當今域名系統乃至整個互聯網所面臨的一個重要議題。
DNS伺服器通過對其所接收的DNS查詢請求進行應答來實現對外域名解析服務，因此DNS查詢數據流直接反映了DNS伺服器對外服務的整個過程，通過對DNS流量異常情況的檢測可以對DNS伺服器服務狀況進行有效的評估。由於導致DNS流量異常的原因是多方面的，有些是由針對DNS伺服器的網路攻擊導致的，有些是由於DNS服務系統的軟體缺陷或配置錯誤造成的。不同的原因所引起的DNS流量異常所具備的特徵也各不相同，這給DNS流量異常檢測帶來了諸多困難。
目前，在DNS異常流量檢測方面，比較傳統的方法是對發往DNS伺服器端的DNS查詢請求數據流中的一個或多個測量指標進行實時檢測，一旦某時刻某一指標超過規定的閾值，即做出流量異常報警。這種方法雖然實現簡單，但是僅僅通過對這些指標的獨立測量來判定流量是否異常過於片面，誤報率通常也很高，不能有效的實現異常流量的檢測。
近年來，隨著模式識別、數據挖掘技術的發展，開始有越來越多的數據模型被引入到DNS異常流量檢測領域，如在[Tracking]中，研究人員通過一種基於關聯特徵分析的檢測方法，來實現對異常DNS伺服器的識別和定位；[Context]則引入了一種上下文相關聚類的方法，用於DNS數據流的不同類別的劃分；此外，像貝葉斯分類[Bayesian]、時間序列分析[Similarity]等方法也被先後引入到DNS異常流量檢測中來。
不難發現，目前在DNS異常流量檢測方面，已有諸多可供參考利用的方法。但是，每種方法所對應的應用場合往往各不相同，通常都是面向某種特定的網路攻擊活動的檢測。此外，每種方法所採用的數據模型往往也比較復雜，存在計算代價大，部署成本高的弊端。基於目前DNS異常流量檢測領域的技術現狀，本文給出了兩種新型的DNS流量異常檢測方法。該兩種方法能夠有效的克服目前DNS異常流量檢測技術所存在的弊端，經驗證，它們都能夠對DNS流量異常實施有效的檢測。
2、具體技術方案
1）利用Heap』sLaw檢測DNS流量異常
第一種方法是通過利用Heap』s定律來實現DNS流量異常檢測。該方法創新性的將DNS數據流的多個測量指標進行聯合分析，發現它們在正常網路狀況下所表現出來的堆積定律的特性，然後根據這種特性對未來的流量特徵進行預測，通過預測值和實際觀測值的比較，實現網路異常流量實時檢測的目的。該方法避免了因為採用某些獨立測量指標進行檢測所導致的片面性和誤報率高的缺點，同時，該方法具有計算量小，部署成本低的特點，特別適合部署在大型DNS伺服器上。
堆積定律(Heap』sLaw)[Heap』s]最早起源於計算語言學中，用於描述文檔集合中所含單詞總量與不同單詞個數之間的關系：即通過對大量的英文文檔進行統計發現，對於給定的語料，其獨立的單詞數（vocabulary的size）V大致是語料大小N的一個指數函數。隨著文本數量的增加，其中涉及的獨立單詞（vocabulary）的個數占語料大小的比例先是突然增大然後增速放緩但是一直在提高，即隨著觀察到的文本越來越多，新單詞一直在出現，但發現整個字典的可能性在降低。
DNS伺服器通過對其所接收的DNS查詢請求進行應答來實現對外域名解析服務。一個典型的DNS查詢請求包由時間戳，來源IP地址，埠號，查詢域名，資源類型等欄位構成。我們發現，在正常網路狀況下，某時間段內DNS伺服器端所接收的DNS查詢請求數和查詢域名集合的大小兩者間遵循堆積定律的特性，同樣的，DNS查詢請求數和來源IP地址集合的大小兩者間也存在這種特性。因此，如果在某個時刻這種增長關系發生突變，那麼網路流量發生異常的概率也會比較高。由於在正常網路狀況下DNS伺服器端所接收的查詢域名集合的大小可以根據這種增長關系由DNS查詢請求數推算得到。通過將推算得到的查詢域名集合大小與實際觀測到的查詢域名集合的大小進行對比，如果兩者的差值超過一定的閾值，則可以認為有流量異常情況的發生，從而做出預警。類似的，通過將推算得到的來源IP地址集合大小與實際觀測到的來源IP地址集合的大小進行對比，同樣可以達到異常流量檢測的目的。
由於DNS流量異常發生時，DNS伺服器端接收的DNS查詢請求通常會異常增多，但是單純憑此就做出流量異常的警報很可能會導致誤報的發生。此時就可以根據觀測查詢域名空間大小的相應變化情況來做出判斷。如果觀測到的域名空間大小與推算得到的預測值的差值在允許的閾值范圍之內，則可以認定DNS查詢請求量的增多是由於DNS業務量的正常增長所致。相反，如果觀測到的域名空間大小未發生相應比例的增長，或者增長的幅度異常加大，則做出流量異常報警。例如，當拒絕服務攻擊(DenialofService)發生時，攻擊方為了降低本地DNS緩存命中率，提高攻擊效果，發往攻擊對象的查詢域名往往是隨機生成的任意域名，這些域名通常情況下不存在。因此當該類攻擊發生時，會導致所攻擊的DNS伺服器端當前實際查詢域名空間大小異常增大，與根據堆積定律所推算出預測值會存在較大的差距，即原先的增長關系會發生突變。如果兩者間的差距超過一定的閾值，就可以據此做出流量異常報警。
通過在真實數據上的測試和網路攻擊實驗的模擬驗證得知，該方法能夠對常見的流量異常情況進行實時高效的檢測。
2）利用熵分析檢測DDoS攻擊
通過分析各種網路攻擊數據包的特徵，我們可以看出：不論DDoS攻擊的手段如何改進，一般來說，各種DDoS工具軟體所製造出的攻擊都要符合如下兩個基本規律：
1、攻擊者製造的攻擊數據包會或多或少地修改包中的信息；
2、攻擊手段產生的攻擊流量的統計特徵不可能與正常流量一模一樣。
因此，我們可以做出一個大膽的假設：利用一些相對比較簡單的統計方法，可以檢測出專門針對DNS伺服器的DDoS攻擊，並且這中檢測方法也可以具有比較理想的精確度。
「熵」（Entropy）是德國物理學家克勞修斯(RudolfClausius，1822～1888)在1850年提出的一個術語，用來表示任何一種能量在空間中分布的均勻程度，也可以用來表示系統的混亂、無序程度。信息理論創始人香農（ClaudeElwoodShannon，1916～2001）在1948年將熵的概念引入到資訊理論中，並在其經典著作《通信的數學原理》中提出了建立在概率統計模型上的信息度量，也就是「信息熵」。熵在資訊理論中的定義如下：
如果在一個系統S中存在一個事件集合E={E1,E2,…,En}，且每個事件的概率分布P={P1,P2,…,Pn}，則每個事件本身所具有的信息量可由公式（1）表示如下：
熵表示整個系統S的平均信息量，其計算方法如公式（2）所示：
在資訊理論中，熵表示的是信息的不確定性，具有高信息度的系統信息熵是很低的，反過來低信息度系統則具有較高的熵值。具體說來，凡是導致隨機事件集合的肯定性，組織性，法則性或有序性等增加或減少的活動過程，都可以用信息熵的改變數這個統一的標尺來度量。熵值表示了系統的穩定情況，熵值越小，表示系統越穩定，反之，當系統中出現的不確定因素增多時，熵值也會升高。如果某個隨機變數的取值與系統的異常情況具有很強的相關性，那麼系統異常時刻該隨機變數的平均信息量就會與系統穩定時刻不同。如果某一時刻該異常情況大量出現，則系統的熵值會出現較大幅度的變化。這就使我們有可能通過系統熵值的變化情況檢測系統中是否存在異常現象，而且這種強相關性也使得檢測方法能夠具有相對較高的准確度。
將熵的理論運用到DNS系統的DDoS攻擊檢測中來，就是通過測量DNS數據包的某些特定屬性的統計特性（熵），從而判斷系統是否正在遭受攻擊。這里的熵值提供了一種對DNS的查詢數據屬性的描述。這些屬性包括目標域名長度、查詢類型、各種錯誤查詢的分布以及源IP地址的分布，等等。熵值越大，表示這些屬性的分布越隨機；相反，熵值越小，屬性分布范圍越小，某些屬性值出現的概率高。在正常穩定運行的DNS系統中，如果把查詢數據作為信息流，以每條DNS查詢請求中的某種查詢類型的出現作為隨機事件，那麼在一段時間之內，查詢類型這個隨機變數的熵應該是一個比較穩定的值，當攻擊者利用DNS查詢發起DDoS攻擊時，網路中會出現大量的攻擊數據包，勢必引起與查詢類型、查詢源地址等相關屬性的統計特性發生變化。即便是黑客在發動攻擊時，對於發送的查詢請求的類型和數量進行過精心設計，可以使從攻擊者到目標伺服器之間某一路徑上的熵值維持在穩定的水平，但絕不可能在所有的路徑上都做到這一點。因此通過檢測熵值的變化情況來檢測DNS系統中異常狀況的發生，不僅是一種簡便可行的方案，而且還可以具有很好的檢測效果。
DNS系統是通過資源記錄（ResourceRecord，RR）來記錄域名和IP地址信息的，每個資源記錄都有一個記錄類型（QType），用來標識資源記錄所包含的信息種類，如A記錄表示該資源記錄是域名到IP地址的映射，PTR記錄IP地址到域名的映射，NS記錄表示域名的授權信息等，用戶在查詢DNS相關信息時，需要指定相應的查詢類型。按照前述思想，我們可以採用DNS查詢數據中查詢類型的出現情況作為隨機事件來計算熵的變化情況，從而檢測DDoS攻擊是否存在。檢測方法的主要內容如圖1所示。可以看出，通過比較H1和H2之間的差別是否大於某一個設定的閾值，可以判定系統是否正在遭受DDoS攻擊。隨著查詢量窗口的不斷滑動，這種比較會隨著數據的不斷更新而不斷繼續下去。檢測演算法的具體步驟如下所示：
1、設定一個查詢量窗口，大小為W，表示窗口覆蓋了W條記錄。
2、統計窗口中出現的所有查詢類型及其在所屬窗口中出現的概率，根據公式（2）計算出該窗口的熵H1。
圖1熵分析檢測方法
3、獲取當前窗口中第一條查詢記錄所屬的查詢類型出現的概率，求出該類型所對應的增量
4、將窗口向後滑動一條記錄，此時新窗口中的第一條記錄為窗口滑動前的第二條記錄。
5、獲得窗口移動過程中加入的最後一條記錄所代表的查詢類型在原窗口中出現的概率以及對應的增量
6、計算新窗口中第一條記錄所對應的查詢類型出現在新窗口中出現的概率，以及對應的增量
7、計算新窗口中最後一條記錄所屬的查詢類型在當前窗口出現的概率以及對應的增量
8、根據前面的結果計算窗口移動後的熵：
重復步驟2至步驟8的過程，得到一系列的熵值，觀察熵值的變化曲線，當熵值曲線出現劇烈波動時，可以斷定此時的DNS查詢中出現了異常。
窗口的設定是影響檢測演算法的一個重要因素，窗口越大，熵值的變化越平緩，能夠有效降低誤檢測的情況發生，但同時也降低了對異常的敏感度，漏檢率上升；反之，能夠增加檢測的靈敏度，但准確性相應的會降低。因此，窗口大小的選擇，需要根據實際中查詢速率的大小進行調整。
2009年5月19日，多省市的遞歸伺服器由於收到超負荷的DNS查詢而失效，中國互聯網出現了大范圍的網路癱瘓事故，這起事故可以看作是一起典型的利用DNS查詢發起的分布式拒絕服務攻擊，這種突發的大量異常查詢混入到正常的DNS查詢中，必然會使DNS查詢中查詢類型的組成發生變化。我們利用從某頂級結點的DNS權威伺服器上採集到的2009年5月19日9:00-24:00之間的查詢日誌，來檢驗演算法是否能夠對DNS中的異常行為做出反應。圖2和圖3分別是窗口大小為1,000和10,000時所得到的熵變化曲線，圖4是該節點的查詢率曲線。
圖2窗口大小為1,000時熵的變化情況
圖3窗口大小為10,000時熵的變化情況
圖4查詢率曲線
從圖2和圖3中可以發現，大約從16:00時開始，熵值劇烈上升，這是由於此時系統中查詢類型為A和NS的查詢請求大量湧入，打破了系統原有的穩定態勢，在經歷較大的波動之後，又回復到一個穩定值。隨著系統中緩存失效的遞歸伺服器不斷增多，該根伺服器收到的異常數據量逐漸增大，在16:45左右熵值達到一個較低點，此時系統中已經混入了大量的異常查詢數據。由於各省遞歸伺服器的緩存設置的不一致，不斷的有遞歸伺服器崩潰，同時不斷緩存失效的遞歸伺服器加入，一直到21:00左右，這種異常查詢量到達峰值，表現為熵值到達一個極低的位置，隨著大批遞歸伺服器在巨大的壓力下癱瘓，查詢數據的組成再次發生劇烈波動，接下來隨著大面積斷網的發生，異常查詢無法到達該根伺服器，熵值在經歷波動之後又重新回到較穩定的狀態，圖4中的流量變化也證實了這一點。
圖2和圖3分別將查詢窗口設為1,000和10,000，對比兩圖可以看出，圖2中的熵值變化較為頻繁，反映出對DNS異常更加敏感，但同時誤檢測的幾率也較高，圖3中熵值的變化相對平緩，對異常情況敏感程度較低，同時誤檢率也相對較低。
上述例子表明該方法能夠及時發現DNS查詢中針對DNS伺服器的DDoS攻擊。將該演算法應用到DNS查詢流量的實時監測中，可以做到准實時的發現DNS異常從而能夠及早採取應對措施。此外，結合使用錯誤查詢類型或者源IP地址等其他屬性的分布來計算熵，或是採用時間窗口劃分流量等，可以進一步提高異常檢測的准確率。
3）利用人工神經網路分類器檢測DDoS攻擊
針對DDoS攻擊檢測這樣一個典型的入侵檢測問題，可以轉換為模式識別中的二元分類問題。利用人工神經網路分類器和DNS查詢數據可以有效檢測針對DNS名字伺服器的DDoS攻擊。通過分析DNS權威或者遞歸伺服器的查詢數據，針對DDoS攻擊在日誌中所表現出來的特性，提取出若干特徵向量，這些特徵向量用作分類器的輸入向量。分類器選擇使用多層感知器，屬於神經網路中的多層前饋神經網路。人工神經網路在用於DDoS攻擊檢測時具有以下顯著優點：
1、靈活性。能夠處理不完整的、畸變的、甚至非線性數據。由於DDoS攻擊是由許多攻擊者聯手實施的，因此以非線性的方式處理來自多個數據源的數據顯得尤其重要；
2、處理速度。神經網路方法的這一固有優勢使得入侵響應可以在被保護系統遭到毀滅性破壞之前發出，甚至對入侵行為進行預測；
3、學習性。該分類器的最大優點是能夠通過學習總結各種攻擊行為的特徵，並能識別出與當前正常行為模式不匹配的各種行為。
由於多層感知器具有上述不可替代的優點，因此選擇它作為分類器。分類器的輸出分為「服務正常」和「遭受攻擊」兩個結果，這個結果直接反應出DNS伺服器是否將要或者正在遭受DDoS攻擊。如果檢測結果是「遭受攻擊」，則相關人員可以及時採取措施，避免攻擊行為的進一步發展。
圖5DDoS攻擊檢測
如圖5所示，本檢測方法主要分為特徵提取、模型訓練和線上分類三個階段。在特徵提取階段，需要利用DNS查詢數據中已有的信息，結合各種DNSDDoS攻擊的特點，提取出對分類有用的特徵。模型訓練階段是通過大量的特徵數據，模擬出上百甚至上千的DDoS攻擊序列，對多層感知器進行訓練，多層感知器在訓練過程中學習攻擊行為的特徵，增強識別率。線上分類屬於應用階段，利用軟體實現將本方法部署在DNS權威或遞歸伺服器上。通過實時讀取DNS查詢數據，並將經過提取的特徵輸入到多層感知器中，就可以快速地識別出本伺服器是否將要或正在遭受DDoS攻擊，以便採取進一步防範措施。
多層感知器分類的精確率，在很大程度上取決於作為輸入的特徵向量是否能夠真正概括、體現出DDoS攻擊的特徵。本方法通過仔細分析各種DNSDDoS攻擊，以分鍾為時間粒度提取出八種能夠單獨或者聯合反映出攻擊的特徵：
1、每秒鍾DNS查詢量。這個特徵通過對每分鍾查詢量進行平均獲得；
2、每分鍾時間窗口內查詢率的標准差。公式如下：
其中，n表示每分鍾內查詢數據中記錄的秒數，Xi表示某一秒鍾的查詢量，m表示一分鍾內每秒鍾查詢量的均值；
3、IP空間大小。表示一分鍾內有多少個主機發出了DNS查詢請求；
4、域名空間大小。表示一分鍾內有多少域名被訪問；
5、源埠設置為53的查詢數量。由於某些針對DNS的DDoS攻擊將源埠設置為53，因此對這一設置進行跟蹤十分必要；
6、查詢記錄類型的熵的變化情況。公式如下：
其中n表示時間窗口內記錄類型的種類數，Pi表示某種記錄類型出現的概率，Xi表示某種記錄類型。
7、設置遞歸查詢的比例。由於某些DDoS攻擊會通過將查詢設置為遞歸查詢來增大攻擊效果，因此對這一設置進行跟蹤十分必要；
8、域名的平均長度。由於某些DDoS攻擊所查詢的域名是由程序隨機產生的，這必然在查詢數據上引起域名平均長度的變化，因此對域名的平均長度進行跟蹤也很有意義。
圖6人工神經網路分類器的結構
神經網路分類器的大致結構如圖6所示。如圖中所示，本分類器分為三個層次，一個輸入層，一個隱藏層，一個輸出層。輸入層包含八個單元，隱藏層包含20個單元，按照神經網路理論[3]，隱藏層的單元數和輸入層的單元數應滿足以下關系：
H表示隱藏層單元數，N表示輸入層單元數。輸出層只含有一個單元，輸出值包含兩個：「1」表示「遭受攻擊」，「0」表示「服務正常」。
本檢測方法的關鍵技術點包括以下兩個方面：
1、特徵的抽取。這些特徵必須能夠充分、足夠地反映DDos攻擊發生時帶來的查詢狀況的改變；
2、學習、分類方法。選取多層感知器作為分類器，設計調整了該分類器的具體結構和相關參數，並利用後向傳播演算法對分類器進行訓練。通過將DDoS攻擊檢測問題轉化為包含「服務正常」和「遭受攻擊」兩種類別的二元分類問題，能夠有效地對DNSDDoS攻擊進行實時檢測。
❸ 網路異常，無法獲取數據怎麼弄
1、可能是因為手機所在的網路信號不好，可以換另外一個地方再上網。
2、手機網路設置沒設置好，可以換另外一個接入點來上網，比較原來用CMNET來上網，可以換成用CMWAP接入點來上網。
❹ 為什麼登錄猜歌星球時說QQ賬號異常
登錄時賬號異常說明你的賬號頻繁登錄，或者時當時的網路狀況不佳，異常登錄，如果可以聯系該軟體的客服，或者查找該賬號的登錄情況，尋找客服幫助。
❺ 米游社用郵箱換綁安全手機為什麼老顯示網路異常
可能是系統bug，可以更新一下版本。
米游社為廣大青少年兒童營造「綠色健康的互聯網應用平台」積極響應國家相關政策，引導青少年積極創新，在未來的「智慧城市、電子商務、互聯網+」的建設中提供平台讓他們發揮聰明才智。盡早躋身於世界網路安全強國行列。
網路故障是指網路因為某些原因而不能正常、有效地工作，或者網路連接出現中斷。導致網路故障可能是硬體的問題、軟體的漏洞、病毒的侵入等，這些因素都可以引起網路的故障。
❻ 為什麼未來教育的計算機二級軟體安裝後顯示網路通訊異常而打�
就是程序文件的默認路徑錯誤了，重裝是由軟體系統重新配置了，所以正確了。
所有二級科目的筆試時間統一為90分鍾，上機時間統一為90分鍾。
系統環境：二級各科目上機考試應用軟體為：中文專業版Access 2000、中文專業版Visual Basic 6.0、中文專業版Visual FoxPro 6.0、Visual C++ 6.0，二級C上機應用軟體由Turbo C 2.0改為 Visual C++6.0，二級Java由現在的Java JDK 1.4.2改為專用集成開發環境「NetBeans 中國教育考試版2007」，二級Delphi使用Delphi7.0版本。
❼ 奧拉星星球數據解析失敗
1.包損壞
有可能是本地的包出現了損壞的情況，玩家可以把游戲卸載重裝一下，記得在官方渠道下載。
2.登錄人數過多
登錄游戲提示「網路請求失敗」的情況，有可能是因為當前連接游戲伺服器的人數過多，導致我們無法擠進去，所以就會出現網路請求失敗的情況，可以等等再進。
2.網路異常
檢查自己連接的網路是否有問題，可以切換數據或者WiFi試試，仍然無法進入檢查是否是因為手機欠費的問題
❽ 科目一預約，出現核查部級核查庫限制申請信息時發生錯誤：網路異常！是什麼原因
預約的時候網路癱瘓
這不僅僅是父母所要做的，子女們也應積極了解，相互適應相處。貴孝通《鄉土中國》中有一句這樣的話：做子女的得在日常接觸中去觸摸父母的性格，然後去承他的歡，做到自己的心安。知道對方喜歡什麼不喜歡什麼，這樣能避免許多不必要的爭吵，理解父母的用心，聽從他們的指導，在該陪伴的時候陪伴，該離開的時候離開。
但這並不意味著子女們要一味的順從，還應有自己的思考。許多人在面臨選科的時候都犯了難，一學生在這面臨選科的時候與父母之間發生了矛盾沖突。父母希望他選物理而他堅持選了歷史。為此父母非常生氣說他不聽勸告，而該生委屈的說父母不理解自己。
在這件事情上，雙方都有過錯，該生的父母是否有考慮過該生是否喜歡物理，如果該生討厭物理而喜歡歷史，並在歷史方面有一定的熱愛，那麼父母的「希望」變成了「壓迫」。該生是否有思考過父母因為什麼堅持希望自己考物理而不是歷史？是否是因為物理學科更好就業，並且他們不希望自己在未來生活中受苦。
相信大家都知道《變形記》這是一個城市與農村主人公交換住處而改變城市叛逆少年們的性格。使得他們更好與家庭相處。這些人許多都曾是家中的一塊寶，是傳說中別人家的孩子，而父母們對孩子的溺愛或是對孩子們過少的關心使得孩子不得不換一種方式生活。但是轉換過程過後，他們不僅之前是家中寶，之後更是。
❾ 為什麼微信登錄葫蘆星球顯示設備異常
因為你在這個軟體上登陸過好幾個微信，就會顯示設備異常，或者是你在其他手機上登陸過這個軟體。
❿ 拉卡拉網路連接異常怎麼回事
POS機常見故障處理（電話線路類）
故障現象故障原因建議處理辦法1POS顯示「無撥號音」；電話線未接好或電話線不好1、換一根電話線試試接電話機也無法向外打電話2、檢查電話線路是否有問題2POS顯示「無撥號音」，接電話機，可向外打電話1、 電話線未接好或電話線接觸不良1、 檢查電話線是否正確插入 POS的「電話/網路」插口2、 該 POS使用的電話線上並接設備太多2、換一根電話線試試3、 該電話線上的其它設備對 POS產生干擾3、斷開其它並接設備試試4、 POS中參數設置錯誤4、打電話報修 3POS顯示「電話忙」1、 大型商戶多台 POS 共用有限數量的電話外線，易發生電話擠占線路1、稍等幾分鍾再作交易2、 銀行後台主機電話忙2、電話線路故障請找電工或電信局人員維修3、 電話線路因故障處於忙狀態3、請總機開通分機的外線4、 分機未開外線4POS多次撥號及撥號延時後仍顯示「外線無撥號音」。多發生於電話分機線串7電話忙，無法撥出外線1、與總機室聯系，開通分機電話外線1、 分機外線未打開或加鎖2、盡快聯系裝機公司重新設置分機前綴2、 交換機工作不穩定或出現故障3、盡快通知電工解決交換機的問題3、 POS分機前綴設置錯誤 5POS顯示「撥號延時」多次或「無載波」3次以上後，才能完成交易。多發生於電話分機線 1、總機未開通外線1、請總機開通外線2、 該電話機被鎖，或有防盜功能2、解鎖或關掉防盜開關3、 POS分機前綴設置錯誤3、打電話報修，重新設置 POS參數