[發明專利]一種基于機器學習的信息系統運行狀態風險預測方法

有效

• 申請號: 201811487389.1
• 申請日: 2018-12-06
• 公開（公告）號: CN109492826B
• 公開（公告）日: 2021-12-14
• 發明（設計）人: 李純;鄭滔;劉培鋒
• 申請（專利權）人: 遠光軟件股份有限公司
• 主分類號: G06F16/00
• 分類號: G06F16/00
• 代理公司: 北京天達知識產權代理事務所(普通合伙) 11386
• 代理人: 胡時冶;龐許倩

1.一種基于機器學習的信息系統運行狀態風險預測方法，其特征在于，包括以下步驟：

采集原始日志中的指標數據，選取多個維度的所述指標數據，得到每個維度指標數據的訓練集和測試集，選取多個維度的所述指標數據，具體包括：選取目標系統服務器指標數據中的CPU利用率、內存利用率，選取網絡指標數據中的實時網絡速度，選取應用程序指標數據中的SQL執行性能，選取中間件指標數據中的中間件線程池等待隊列中請求數，其中，SQL執行性能也可作為數據庫指標數據；

針對每個維度指標數據的訓練集和測試集，構建相應維度指標數據的維度值預測模型；

利用各維度值預測模型，預測得到對應維度指標數據預設未來時長的縱向預測值；

根據所述預設未來時長的縱向預測值，結合所述多個維度指標數據與風險結果值的對應關系，得到預設未來時長的風險預測結果，所述多個維度指標數據與風險結果值的對應關系通過下述步驟得到：采用決策樹學習算法，對所述多個維度指標數據按歷史時間節點分析，得到所述多個維度指標數據與風險結果值的對應關系；

針對每個維度指標數據的訓練集和測試集，構建相應維度指標數據的維度值預測模型，包括：針對每個維度的指標數據，分別采用不同的回歸方法進行訓練，將各自訓練得到的預測結果與各自的測試集進行對比，以正確率作為指標，確定每個維度指標數據最適合的回歸方法，將最合適的回歸方法作為相應維度指標數據的維度值預測模型，所述回歸方法包括線性回歸、樹回歸以及神經網絡回歸；

根據所述預設未來時長的縱向預測值，結合所述多個維度指標數據與風險結果值的對應關系，得到預設未來時長的風險預測結果，具體包括：根據所述預設未來時長的縱向預測值，結合所述多個維度指標數據與風險結果值的對應關系，按照未來的時間節點，生成未來每個時間節點的風險預測結果值，根據所述風險預測結果值得到風險級別。

2.根據權利要求1所述的方法，其特征在于，還包括，對采集得到的指標數據進行結構化對象存儲，得到結構化存儲后的指標數據。

3.根據權利要求1所述的方法，其特征在于，得到每個維度的所述指標數據的訓練集和測試集，具體包括：根據采集時間點，按照預設時間間隔，對所述指標數據進行篩選，得到選取的每個維度指標數據的訓練集和測試集。

4.根據權利要求1所述的方法，其特征在于，針對每個維度的指標數據，分別采用不同的回歸方法進行訓練，具體包括：針對每個維度的指標數據，分別采用線性回歸、樹回歸、神經網絡回歸方法進行訓練。

5.根據權利要求1所述的方法，其特征在于，還包括，間隔一段時間，重復采集原始日志中的指標數據，再次選取多個維度的所述指標數據，得到每個維度指標數據的訓練集和測試集，以對每個維度指標數據的訓練集和測試集進行增量調整。