[發明專利]軟件故障分析系統及其構建方法、系統

在審

• 申請號: 202111493442.0
• 申請日: 2021-12-08
• 公開（公告）號: CN114138539A
• 公開（公告）日: 2022-03-04
• 發明（設計）人: 未元;詹趙林;鄭文禮;張世豪;徐小斌;孫高翔;金晉明;李誠;林鑫;張汪
• 申請（專利權）人: 興業銀行股份有限公司;興業數字金融服務(上海)股份有限公司
• 主分類號: G06F11/07
• 分類號: G06F11/07;G06N3/04;G06N3/08;G06N5/02;G06N5/04
• 代理公司: 上海段和段律師事務所 31334
• 代理人: 祁春倪

本發明提供了一種軟件故障分析系統及其構建方法、系統，包括專家系統和神經網絡系統，其中：所述專家系統包括專家知識庫、推理機，專家知識庫用于收錄基于軟件故障的因果關系編寫的規則；所述推理機基于專家知識庫的規則，推理分析軟件出故障的原因；所述神經網絡系統通過專家系統的數據導入初始訓練集進行初始訓練進行構建，通過人工定位軟件故障，將數據結構導入到修正訓練集修正訓練進行修正。本發明通過軟件故障因果關系進行規則設定，并基于規則分析推理故障原因。本發明通過神經網絡實現了大量的，復雜的軟件故障數據分析。本發明通過不斷修正訓練集，能夠逐步提高軟件故障定位能力。

技術領域

本發明涉及軟件通信領域，具體地，涉及一種軟件故障分析系統及其構建方法、系統。

背景技術

軟件在運行過程中通過暴露各類運行指標給監控系統，開發人員也可添加各類業務指標。由于指標之間有錯綜復雜的內在聯系，在發生故障時會產生一系列異常指標，從而觸發多項報警。雖然種類繁多的指標提供了對軟件的全方位監控，但在定位故障時也會分散開發人員的注意力，無法明確定位方向。傳統軟件故障定位的效率絕大部分取決于運維人員排查問題的經驗，導致故障定位時間很長，人力成本和運維成本居高不下。

專利文獻為CN104461867B的發明專利公開了一種軟件演化過程故障分析方法，主要用于解決軟件在不斷演化過程中故障理解和分析問題，包括如下步驟：步驟1、使用AST分析器，構造演化修改程序的中間表示形式抽象語法樹EFAGM_AST；步驟2、基于演化修改，確立EFAGM的關鍵修改節點集，依次構建修改節點集的前向和后向影響節點和路徑；步驟3、根據計算EFAGM圖節點的域，生成EFAGM的靜態影響因子和動態影響因子，完成演化故障分析圖模型EFAGM的構建；在故障發生時，采用EFAGM實現對程序演化修改引起的故障分析。但是上述方案不適用復雜度高的情形。

發明內容

針對現有技術中的缺陷，本發明的目的是提供一種軟件故障分析系統及其構建系統、方法。

根據本發明提供的一種軟件故障分析系統，包括專家系統和神經網絡系統，其中：

所述專家系統包括專家知識庫、推理機，專家知識庫用于收錄基于軟件故障的因果關系編寫的規則；所述推理機基于專家知識庫的規則，推理分析軟件出故障的原因；

所述神經網絡系統通過專家系統的數據導入初始訓練集進行初始訓練進行構建，通過人工定位軟件故障，將數據結構導入到修正訓練集修正訓練進行修正。

優選地，所述規則的條件為軟件故障的特征指標，所述規則的結果為軟件故障原因。

優選地，所述特征指標包括統計類指標。

優選地，所述神經網絡模型采用深度前饋神經網絡。

優選地，專家系統中對軟件故障進行分析，同時將分析時使用的指標合集和對應的分析結果作為一個數據項導入到神經網絡的初始訓練集中，將訓練好的神經網絡作為專家系統的替換，完成神經網絡的構建。

根據本發明提供的一種基于上述的軟件故障分析系統的構建方法，包括如下步驟：

專家系統構建步驟：基于故障因果分析編寫規則，輸入至專家知識庫；通過推理機基于專家知識庫的規則，推理分析軟件出故障的原因；

神經網絡構建步驟：利用專家系統的數據導入初始訓練集進行初始訓練進行構建神經網絡；

神經網絡修正步驟：利用人工定位軟件故障，將數據結構導入到修正訓練集修正訓練進行神經網絡修正。

優選地，所述推理機基于專家知識庫的規則逐項推理分析故障原因。