[發明專利]故障識別模型訓練方法、故障識別方法、裝置及電子設備

在審

• 申請號: 202011164795.1
• 申請日: 2020-10-27
• 公開（公告）號: CN112308126A
• 公開（公告）日: 2021-02-02
• 發明（設計）人: 杜鶴然;胡盼盼;盧道和
• 申請（專利權）人: 深圳前海微眾銀行股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06F11/34;G06F16/35;G06F40/30
• 代理公司: 北京派特恩知識產權代理有限公司 11270
• 代理人: 趙翠萍;張穎玲

1.一種訓練故障識別模型的方法，其特征在于，包括：

基于至少一個第一時段中每個第一時段對應的時序數據，構建設定故障對應的至少一個正樣本和至少一個負樣本；

基于所述設定故障對應的至少一個正樣本和至少一個負樣本，對設定的二分類模型進行訓練，得到所述設定故障對應的故障識別模型；其中，

所述時序數據包括第一時序數據和第二時序數據；

第一時序數據表征對應的第一時段的每個時刻輸出的日志信息量；

第二時序數據表征至少一個性能指標中每個性能指標在對應的第一時段的每個時刻的監測數據。

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：

基于第一時段中每個時刻打印出的每條日志對應的第一信息量和第二信息量，計算出每條日志對應的總信息量；

基于第一時段中每個時刻打印出的每條日志對應的總信息量，得到對應的第一時段對應的第一時序數據；其中，

所述第一信息量表征日志對應的日志級別出現的第一概率；

所述第二信息量表征日志中包括的所有設定詞組中每個設定詞組在對應的日志級別中出現的第二概率。

3.根據權利要求2所述的方法，其特征在于，所述方法還包括：

基于至少一個第一日志樣本中每個日志級別出現的次數，確定出每個日志級別對應的第一概率；

基于所述至少一個第一日志樣本中每個設定詞組在每個日志級別下出現的次數，確定出每個設定詞組在對應的日志級別中對應的第二概率；其中，

所述至少一個第一日志樣本通過對歷史日志進行采樣得到。

4.根據權利要求3所述的方法，其特征在于，至少一個第一日志樣本中每個第一日志樣本均滿足以下條件：

第一日志樣本對應的日志級別對應的第一概率滿足設定條件；

第一日志樣本對應的告警類型為發生所述設定故障時監測到的告警類型；

第三概率與第四概率之間的差值小于或等于設定閾值；其中，所述第三概率表征第一日志樣本對應的告警類型在所述至少一個第一日志樣本中出現的概率；所述第四概率表征第一日志樣本對應的告警類型在發生所述設定故障時被監測到的概率。

5.根據權利要求1-4任一項所述的方法，其特征在于，所述基于至少一個第一時段對應的時序數據，構建設定故障對應的至少一個正樣本和至少一個負樣本，包括：

基于第一時段中的第二時段對應的時序數據，確定出與所述設定故障相關的第一指標；其中，所述第二時段表征對應的第一時段中發生所述設定故障的時段；

基于所述第一指標在所述第二時段對應的時序數據，構建所述設定故障對應的至少一個正樣本；

基于所述第一指標在所述第一時段中的第三時段對應的時序數據，構建所述設定故障對應的至少一個負樣本；其中，

所述第三時段表征對應的第一時段中未發生所述設定故障的時段；

所述第一指標包括以下至少之一：

在發生所述設定故障時告警的所有性能指標中的至少一個性能指標；

日志信息量。

6.根據權利要求5所述的方法，其特征在于，所述基于第一時段中的第二時段對應的時序數據，確定出與所述設定故障相關的第一指標，包括：

基于第二時段對應的時序數據，確定出至少兩個集合；其中，所述至少兩個集合包括一個第一集合和至少一個性能指標中每個性能指標對應的第二集合；所述第一集合中的元素表征相鄰兩個時刻輸出的日志信息量之間的差值；所述第二集合中的元素表征對應的性能指標在相鄰兩個時刻的監測數據之間的差值；

計算出所述至少兩個集合中每個集合對應的均值和標準差；

基于三西格瑪準則以及基于計算出的均值和標準差，確定出所述至少兩個集合中每個集合對應的第一區間；

基于所述至少兩個集合中每個集合對應的第一區間和對應集合中的最大值，確定出與所述設定故障相關的第一指標；其中，所述第一指標對應的集合中的最大值未處于對應的第一區間。