[發明專利]告警關聯方法、裝置、計算設備及計算機存儲介質

有效

• 申請號: 201910609186.3
• 申請日: 2019-07-08
• 公開（公告）號: CN112202584B
• 公開（公告）日: 2022-07-29
• 發明（設計）人: 邢彪;鄭屹峰;張卷卷;凌啼;章淑敏;劉夢晗
• 申請（專利權）人: 中國移動通信集團浙江有限公司;中國移動通信集團有限公司
• 主分類號: H04L41/14
• 分類號: H04L41/14;H04L41/06;G06N3/04;G06N3/08
• 代理公司: 北京市浩天知識產權代理事務所(普通合伙) 11276
• 代理人: 王廣濤

1.一種告警關聯方法，其特征在于，所述方法包括：

獲取預設時間窗口內的告警數據；

根據所述告警數據構建部分告警關聯圖，包括：根據所述告警數據確定告警發生的告警節點，根據每一告警節點的告警數據確定各告警節點之間的連接關系，根據各告警節點之間的連接關系構建部分告警關聯圖；根據所述部分告警關聯圖生成鄰接矩陣和特征矩陣，包括：根據各告警節點之間的連接關系生成鄰接矩陣；根據每一告警節點的告警數據生成特征矩陣；

將所述鄰接矩陣和特征矩陣輸入告警關聯模型，得到所述預設時間窗口內的完整告警關聯圖，所述告警關聯模型是通過多組訓練數據訓練得到的，所述多組訓練數據中的每一組均包含鄰接矩陣和特征矩陣；

根據所述完整告警關聯圖確定所述預設時間窗口內的告警關聯關系。

2.根據權利要求1所述的方法，其特征在于，所述方法還包括：

獲取歷史告警數據；

按照所述歷史告警數據中的告警發生時間將所述歷史告警數據劃分為多組告警數據；

根據所述多組告警數據得到所述多組訓練數據；

根據所述多組訓練數據訓練圖卷積神經網絡，得到所述告警關聯模型。

3.根據權利要求2所述的方法，其特征在于，根據所述多組訓練數據訓練圖卷積神經網絡，得到所述告警關聯模型，包括：

構建圖卷積神經網絡框架；

根據輸入的多組訓練數據對所述圖卷積神經網絡框架進行訓練，得到所述圖卷積神經網絡框架的權重；

將所述權重對應的圖卷積神經網絡框架作為所述告警關聯模型。

4.根據權利要求3所述的方法，其特征在于，所述構建圖卷積神經網絡框架，包括：

構建圖卷積神經網絡框架，所述圖卷積神經網絡框架包括編碼器和解碼器，所述編碼器用于根據輸入的鄰接矩陣和特征矩陣提取告警關聯特征，所述解碼器用于對輸入的鄰接矩陣進行重建。

5.根據權利要求4所述的方法，其特征在于，根據輸入的多組訓練數據對所述圖卷積神經網絡框架進行訓練，得到所述圖卷積神經網絡框架的權重，包括：

將每一組訓練數據輸入圖卷積神經網絡框架，得到所述每一組訓練數據對應的重建鄰接矩陣；

根據所述重建鄰接矩陣與所述鄰接矩陣之間的誤差更新權重，直至所述誤差最小；

將所述誤差最小的權重作為所述圖卷積神經網絡框架的權重。

6.一種告警關聯裝置，其特征在于，所述裝置包括：

獲取模塊，用于獲取預設時間窗口內的告警數據；

構建模塊，用于根據所述告警數據構建部分告警關聯圖，包括：根據所述告警數據確定告警發生的告警節點，根據每一告警節點的告警數據確定各告警節點之間的連接關系，根據各告警節點之間的連接關系構建部分告警關聯圖；

生成模塊，用于根據所述部分告警關聯圖生成鄰接矩陣和特征矩陣，包括：根據各告警節點之間的連接關系生成鄰接矩陣；根據每一告警節點的告警數據生成特征矩陣；

輸入模塊，用于將所述鄰接矩陣和特征矩陣輸入告警關聯模型，得到所述預設時間窗口內的完整告警關聯圖，所述告警關聯模型是通過多組訓練數據訓練得到的，所述多組訓練數據中的每一組均包含鄰接矩陣和特征矩陣；

確定模塊，用于根據所述完整告警關聯圖確定所述預設時間窗口內的告警關聯關系。

7.一種計算設備，包括：處理器、存儲器、通信接口和通信總線，所述處理器、所述存儲器和所述通信接口通過所述通信總線完成相互間的通信；

所述存儲器用于存放至少一可執行指令，所述可執行指令使所述處理器執行如權利要求1至5任一項所述的告警關聯方法對應的操作。

8.一種計算機存儲介質，所述存儲介質中存儲有至少一可執行指令，所述可執行指令使處理器執行如權利要求1至5任一項所述的告警關聯方法對應的操作。