[发明专利]告警分析方法、装置、设备及存储介质

权利要求书

1.一种告警分析方法，其特征在于，所述方法包括：

获取第一时间窗内告警的特征；

将所述告警的特征输入预测模型，通过所述预测模型对所述告警的特征处理，输出预测时间窗的长度，所述预测模型是根据样本告警的特征以及所述样本告警对应的时间窗长度训练得到的；

根据所述预测时间窗的长度，调整所述第一时间窗的长度，得到第二时间窗；

对所述第二时间窗内的告警进行分析。

2.根据权利要求1所述的方法，其特征在于，所述将所述告警的特征输入预测模型，输出预测时间窗的长度之前，所述方法还包括：

获取样本告警的特征以及所述样本告警的标签，所述标签表示目标时间窗的长度，所述目标时间窗包括所述样本告警中的根因告警以及所述根因告警对应的每个衍生告警；

根据所述样本告警的特征以及所述样本告警的标签，训练得到所述预测模型。

3.根据权利要求1至2中任意一项所述的方法，其特征在于，所述预测模型包括神经网络模型、随机森林模型、逻辑回归模型以及岭回归模型中的至少一项；

所述神经网络模型中输入层的节点用于接收输入的告警的特征，所述神经网络模型中输出层的节点用于输出预测时间窗的长度；

所述随机森林模型中决策树的根节点用于接收输入的告警的特征，所述决策树的叶子节点用于输出预测时间窗的长度；

所述逻辑回归模型的自变量为告警的特征，所述逻辑回归模型的因变量为预测时间窗的长度；

所述岭回归模型的自变量为告警的特征，所述岭回归模型的因变量为预测时间窗的长度。

4.根据权利要求1所述的方法，其特征在于，所述告警的特征包括所述告警的名称、所述告警的级别、所述告警的事件类型、所述告警的发生时间点以及在所述发生时间点发生的告警数量中的至少一项。

5.根据权利要求1所述的方法，其特征在于，所述根据所述预测时间窗的长度，调整所述第一时间窗的长度，包括：

当所述预测时间窗的长度与所述第一时间窗的长度之间的差值在预设误差范围之外，根据所述预测时间窗的长度，调整所述第一时间窗的长度。

6.根据权利要求1所述的方法，其特征在于，所述根据所述预测时间窗的长度，调整所述第一时间窗的长度，得到第二时间窗，包括：

根据所述预测时间窗的长度以及所述告警的相对时长，获取目标长度，所述相对时长表示所述告警在所述第一时间窗中的位置；

将所述第一时间窗的长度调整至所述目标长度，得到所述第二时间窗。

7.根据权利要求6所述的方法，其特征在于，所述相对时长为所述告警的发生时间点与所述第一时间窗的起始时间点之间的差。

8.根据权利要求6或7所述的方法，其特征在于，所述根据所述预测时间窗的长度以及所述告警的相对时长，获取目标长度，包括下述任意一项：

获取所述预测时间窗的长度以及所述告警的相对时长之间的和，作为所述目标长度；

当所述告警的数量为多个时，对于多个告警中的每个告警，获取所述告警对应的预测时间窗的长度以及所述告警的相对时长之间的和，得到多个和，获取所述多个和中的最大值，作为所述目标长度。

9.一种告警分析装置，其特征在于，所述装置包括：

获取模块，用于获取第一时间窗内告警的特征；

所述获取模块，还用于将所述告警的特征输入预测模型，输出预测时间窗的长度，所述预测模型是根据样本告警的特征以及所述样本告警对应的时间窗长度训练得到的；

调整模块，用于根据所述预测时间窗的长度，调整所述第一时间窗的长度，得到第二时间窗；

分析模块，用于对所述第二时间窗内的告警进行分析。