[发明专利]告警根因识别方法、装置、设备和存储介质

权利要求书

1.一种告警根因识别方法，其特征在于，包括：

接收各个告警源的告警流信息；

对所述告警流信息进行去噪处理，生成预选告警集合；

对所述预选告警集合进行聚类；

基于对所述预选告警集合的聚类结果信息，识别所述预选告警集合的根因信息。

2.根据权利要求1所述的方法，其特征在于，所述对所述告警流信息进行去噪处理，生成预选告警集合，包括：

去除所述告警流信息中每个告警信息的来源信息；

分别对剩余的每个告警信息进行分词处理，并基于分词结果，分别生成每个所述告警信息的当前词频向量；

根据所述当前词频向量和预设的历史词频向量，从所述剩余的每个告警信息中选取至少一个预选告警生成所述预选告警集合。

3.根据权利要求2所述的方法，其特征在于，所述根据所述当前词频向量和预设的历史词频向量，从所述剩余的每个告警信息中选取至少一个预选告警生成所述预选告警集合，包括：

分别计算每个所述当前词频向量与所述历史词频向量之间的交叉熵；

将所述交叉熵与预设阈值进行比对，从所述剩余的每个告警信息中，选取所述交叉熵大于所述预设阈值的所述告警信息生成所述预选告警集合。

4.根据权利要求1所述的方法，其特征在于，所述对所述预选告警集合进行聚类，包括：

针对每个所述预选告警，分别计算所述预选告警与已聚类告警库中每个告警簇在网络拓扑上的拓扑距离；

判断所述已聚类告警库中是否存在使得所述拓扑距离小于距离阈值的第一告警簇集合；

当所述已聚类告警库中存在所述第一告警簇集合时，分别计算所述预选告警与所述第一告警簇集合中每个所述第一告警簇的相似度；

判断在所述第一告警簇集合中，是否存在使得所述相似度大于相似阈值的目标告警簇集合；

当在所述第一告警簇集合中，存在所述目标告警簇集合时，选取所述目标告警簇集合中使得所述相似度最大的目标告警簇，将所述预选告警归入所述目标告警簇。

5.根据权利要求4所述的方法，其特征在于，所述对所述预选告警进行聚类，还包括：

当所述已聚类告警库中不存在使得所述拓扑距离小于所述距离阈值的所述第一告警簇集合时，建立第一告警簇，将所述预选告警归入所述第一告警簇。

6.根据权利要求4所述的方法，其特征在于，所述对所述预选告警进行聚类，还包括：

当在所述第一告警簇集合中，不存在使得所述相似度大于所述相似阈值的所述目标告警簇集合时，建立第二告警簇，将所述预选告警归入所述第二告警簇。

7.根据权利要求1所述的方法，其特征在于，所述基于对所述预选告警集合的聚类结果信息，识别所述预选告警集合的根因信息，包括：

获取预设的历史告警的因果图谱；

针对所述聚类结果信息中的每个告警簇，分别将所述告警簇中所有的所述预选告警，按照预设字段信息映射到所述历史告警的因果图谱中；

从所述历史告警的因果图谱中，提取所述告警簇所在的因果子图，所述告警簇的根因为所述因果子图的根节点。

8.根据权利要求7所述的方法，其特征在于，预设所述历史告警的因果图谱的步骤，包括：

获取所述各个告警源的历史告警数据；

按照所述预设字段信息和时间顺序，将所述历史告警数据中每个历史告警划分为一个时间序列，所述时间序列中至少包括所述历史告警的发生状态；

将多个所述时间序列输入预设的结构学习模型进行训练后，生成所述历史告警的因果图谱。

9.一种告警根因识别装置，其特征在于，包括：

接收模块，用于接收各个告警源的告警流信息；

去噪模块，用于对所述告警流信息进行去噪处理，生成预选告警集合；

聚类模块，用于对所述预选告警集合进行聚类；

识别模块，用于基于对所述预选告警集合的聚类结果信息，识别所述预选告警集合的根因信息。