[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

本發明實施例涉及通信技術領域，公開了一種告警關聯方法，該方法包括：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；根據所述部分告警關聯圖生成鄰接矩陣和特征矩陣；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。通過上述方式，本發明實施例實現了將未出現的告警關聯。

技術領域

本發明實施例涉及通信技術領域，具體涉及一種告警關聯方法、裝置、計算設備及計算機存儲介質。

背景技術

目前網絡告警關聯主要通過預設的關聯規則庫和知識庫的方式實現，具體的告警關聯業務處理流程如圖1所示，實時獲取的告警消息經過一個轉換器，轉換為內部告警對象；規則匹配過濾根據規則庫中的預設規則，把要參與規則運算的告警對象存入緩存中，同時通知延時處理器根據規則的判斷時限進行延時處理，達到延時處理的預設時間后，發送至規則判斷模塊；規則判斷模塊首先提取規則判斷用到的關鍵屬性，然后進行條件判斷，如果符合條件，則生成關聯對象，并將該關聯對象發送至關聯結果適配器；關聯結果適配器根據衍生告警的信息模板生成衍生告警消息存儲在關聯關系緩存中，并將該衍生告警消息發出。

現有的網絡告警關聯通過預設規則庫的形式進行告警關聯，無法對于未出現過的故障場景做出告警關聯。

發明內容

鑒于上述問題，本發明實施例提供了一種告警關聯方法、裝置、計算設備及計算機存儲介質，克服了上述問題或者至少部分地解決了上述問題。

根據本發明實施例的一個方面，提供了一種告警關聯方法，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；根據所述部分告警關聯圖生成鄰接矩陣和特征矩陣；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。

在一種可選的方式中，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。

在一種可選的方式中，根據所述部分告警關聯圖生成鄰接矩陣和特征矩陣，進一步包括：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。

在一種可選的方式中，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。

在一種可選的方式中，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。

在一種可選的方式中，所述構建圖卷積神經網絡框架，包括：構建圖自編碼器架構的圖卷積神經網絡框架，所述圖自編碼器架構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。

在一種可選的方式中，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。