[發明專利]基于信息系統日志的故障時間空間預測方法及系統

有效

• 申請號: 202010568671.3
• 申請日: 2020-06-19
• 公開（公告）號: CN111858526B
• 公開（公告）日: 2022-08-16
• 發明（設計）人: 吳樹霖;朱京;趙子巖;李宏發;張江龍;高揚;李金鳳;吳小華;張天奇;趙云龍;胡心穎;郭慶;楊彬彬;李小威
• 申請（專利權）人: 國網福建省電力有限公司信息通信分公司;國網福建省電力有限公司;國家電網有限公司信息通信分公司;安徽繼遠軟件有限公司;國網信息通信產業集團有限公司
• 主分類號: G06F16/18
• 分類號: G06F16/18;G06F16/2458;G06N3/04
• 代理公司: 合肥維可專利代理事務所(普通合伙) 34135
• 代理人: 吳明華

本發明公開了基于信息系統日志的故障時間空間預測方法及系統，包括：獲取信息系統當前時刻t之前的n個時間段內的時序日志數據x₁；基于所述時序日志數據對未來是否會產生故障進行判斷：若不會產生故障，則不進一步處理；否則，進一步判斷產生故障的具體時間點和空間位置；所述判斷產生故障的具體時間點和空間位置采用多任務學習模型，對故障發生具體時間和位置這兩個任務進行聯合訓練，并同時返回產生故障的具體時間點和空間位置，本發明不僅在以往預測故障有無的基礎上，還能夠同時預測出故障發生時間及故障產生的空間位置，將兩個任務聯合訓練，利用故障信息之間的相關性只需一個流程就可實現，不必設置兩個模型分別進行，提高了效率。

技術領域

本發明涉及數據處理技術領域，具體涉及基于信息系統日志的故障時間空間預測方法及系統。

背景技術

日志是一種反映信息系統運行軌跡的信息源，是每個信息系統必不可少的一部分。日志數據具有全業務范圍、全時間類型、全時間維度的特性，蘊藏著信息系統運行的關鍵部分信息。在實際的生產工作中對運維人員進行系統維護和設備狀態監控等活動有著至關重要的指導作用，利用日志數據可以提煉出較為有用的故障信息。

現有技術中，基于日志數據進行故障預測只能預測出故障的有無，也就是在未來一段時間內是否會產生故障。雖然有很多改進的技術，旨在提高預測的準確性，比如利用組合分類器，通過組合多個分類器形成復合模型，最終分類結果通過各分類器投票表決，可以用集成學習的算法來得以實現。但是對于要產生的故障其他信息是未知的，比如什么時間產生故障、故障發生在信息系統的哪個位置，預知信息系統故障時間和空間，能提前采取相應策略以免故障的發生。

發明內容

針對上述現有技術存在的問題，本發明提供了基于信息系統日志的故障時間空間預測方法及系統，基于日志數據對未來一段時間內是否會產生故障進行預測，并基于預測會發生故障的日志數據進行進一步精準預測，比如故障發生時間和發生位置，以用于信息系統管理員提前采取相應策略避免故障的發生。

本發明提供了基于信息系統日志的故障時間空間預測方法，包括：

獲取信息系統當前時刻t之前的n個時間段(t-n*Δt，t)內的時序日志數據x₁，進行預處理；

基于所述時序日志數據對未來一個時間段(t，t+Δt)內信息系統是否會產生故障進行判斷：

若不會產生故障，則不進一步處理，并輸出信息系統運行正常信息；

否則，進一步判斷產生故障的具體時間點和空間位置，并輸出包含時間空間信息的故障預警信息；

所述判斷產生故障的具體時間點和空間位置采用多任務學習模型，對故障發生具體時間和位置這兩個任務進行聯合訓練，并同時返回產生故障的具體時間點和空間位置。

作為上述方案的進一步優化，所述基于所述時序日志數據獲取未來一個時間段內信息系統是否會產生故障進行判斷，采用基于分類的故障預測模型獲取，故障預測模型采用的算法包括但不限于關聯規則算法、決策樹、神經網絡、貝葉斯網絡、支持向量機。

作為上述方案的進一步優化，所述基于所述時序日志數據對未來一個時間段(t，t+Δt)內信息系統是否會產生故障進行判斷，采用第一深度神經網絡，

所述第一深度神經網絡的訓練過程為：采集歷史時序日志數據，提取第一特征向量，形成訓練樣本集，所述第一特征向量包括與日志級別關聯的特征，并將日志級別為alert、error、warning且持續時間大于第一預設閾值的日志作為故障日志數據進行標注，日志級別為notice、info、debug的日志作為非故障數據進行標注，進行故障預測訓練；