[发明专利]基于规则与模型增强的运维告警规则生成方法和系统

权利要求书

1.一种基于规则与模型增强的运维告警规则生成方法，其特征在于，包括：

规则库建立步骤：获取告警检测数据和操作命令，得到操作结果和告警检测规则；

规则模型化步骤：根据告警检测规则和原始监测数据，得到告警检测模型和标注后的原始监测数据；

模型检测强化步骤：根据告警检测模型和标注后的原始监测数据，得到增强告警检测模型和告警增强训练数据；

新规则辅助生成步骤：根据告警检测规则、增强告警检测模型、告警增强训练数据和原始监测数据，输出候选告警因子集合；

所述规则库建立步骤包括：

步骤1.1：通过API接口接收操作命令和告警检测数据；

步骤1.2：根据操作命令和告警检测数据操作进行相应操作，所述操作命令包括增、删、查、改；

步骤1.3：返回操作命令是否执行成功的反馈值和相应结果；

所述规则模型化步骤包括：

步骤2.1：通过API接口访问规则库模块并获取告警检测规则；

步骤2.2：获取原始监测数据；

步骤2.3：根据告警检测规则从原始监测数据中筛选出告警数据并进行标记；

步骤2.4：初始化深度神经网络分类模型，输入原始监测数据并进行训练，得出该原始监测数据是否触发告警的分类结果、告警检测模型和标注后的原始监测数据；

所述模型检测强化步骤包括：

步骤3.1：初始化深度神经网络生成模型，输入随机数字向量，输出与单条原始监测数据同格式的数据；

步骤3.2：将生成的数据与原始监测数据混合后对深度神经网络分类模型进行训练，训练过程采用对抗生成网络损失函数，得到训练后的深度神经网络生成模型；

步骤3.3：通过训练后深度神经网络生成模型生成伪告警检测数据，将伪告警检测数据与标注后的原始监测数据混合，构成告警增强训练数据；

步骤3.4：使用告警增强训练数据训练告警检测模型，获得增强告警检测模型；

所述新规则辅助生成步骤包括：

步骤4.1：加载增强告警检测模型，使用该模型对告警增强训练数据进行检测，筛选出模型判定告警数据；

步骤4.2：从规则库读取告警检测规则，使用规则对告警增强训练数据进行检测，筛选出规则判定告警数据；

步骤4.3：计算疑似告警数据：疑似告警数据＝模型判定告警数据-规则判定告警数据；

步骤4.4：对疑似告警数据中的所有特征进行独热编码；

步骤4.5：计算疑似告警数据编码后的中心R，采用公式：r是独热编码的疑似告警数据，n是数据的条目数，使用余弦相似度法找到疑似告警数据中与R相似度最高的数据，记为R^′；

步骤4.6：计算疑似告警数据中所有数据的独立编码与R^′的余弦相似度，将余弦相似度作为数据的权重，得到带权的疑似告警数据，将带权的疑似告警数据与标注后的原始监测数据混合，构成新规则训练数据；

步骤4.7：初始化Lasso线性回归模型，使用新规则训练数据训练该模型；

步骤4.8：在Lasso线性回归模型中，将权重大于0的特征取出作为候选告警正向因子，将权重小于0的特征取出作为候选告警负向因子，输出两类候选告警因子。

2.一种基于规则与模型增强的运维告警规则生成系统，其特征在于，包括：

规则库建立模块：获取告警检测数据和操作命令，得到操作结果和告警检测规则；

规则模型化模块：根据告警检测规则和原始监测数据，得到告警检测模型和标注后的原始监测数据；

模型检测强化模块：根据告警检测模型和标注后的原始监测数据，得到增强告警检测模型和告警增强训练数据；

新规则辅助生成模块：根据告警检测规则、增强告警检测模型、告警增强训练数据和原始监测数据，输出候选告警因子集合；

所述规则库建立模块包括：

模块M1.1：通过API接口接收操作命令和告警检测数据；

模块M1.2：根据操作命令和告警检测数据操作进行相应操作，所述操作命令包括增、删、查、改；

模块M1.3：返回操作命令是否执行成功的反馈值和相应结果；

所述规则模型化模块包括：

模块M2.1：通过API接口访问规则库模块并获取告警检测规则；

模块M2.2：获取原始监测数据；

模块M2.3：根据告警检测规则从原始监测数据中筛选出告警数据并进行标记；

模块M2.4：初始化深度神经网络分类模型，输入原始监测数据并进行训练，得出该原始监测数据是否触发告警的分类结果、告警检测模型和标注后的原始监测数据；

所述模型检测强化模块包括：

模块M3.1：初始化深度神经网络生成模型，输入随机数字向量，输出与单条原始监测数据同格式的数据；

模块M3.2：将生成的数据与原始监测数据混合后对深度神经网络分类模型进行训练，训练过程采用对抗生成网络损失函数，得到训练后的深度神经网络生成模型；

模块M3.3：通过训练后深度神经网络生成模型生成伪告警检测数据，将伪告警检测数据与标注后的原始监测数据混合，构成告警增强训练数据；

模块M3.4：使用告警增强训练数据训练告警检测模型，获得增强告警检测模型；

所述新规则辅助生成模块包括：

模块M4.1：加载增强告警检测模型，使用该模型对告警增强训练数据进行检测，筛选出模型判定告警数据；

模块M4.2：从规则库读取告警检测规则，使用规则对告警增强训练数据进行检测，筛选出规则判定告警数据；

模块M4.3：计算疑似告警数据：疑似告警数据＝模型判定告警数据-规则判定告警数据；

模块M4.4：对疑似告警数据中的所有特征进行独热编码；

模块M4.5：计算疑似告警数据编码后的中心R，采用公式：r是独热编码的疑似告警数据，n是数据的条目数，使用余弦相似度法找到疑似告警数据中与R相似度最高的数据，记为R^′；

模块M4.6：计算疑似告警数据中所有数据的独立编码与R^′的余弦相似度，将余弦相似度作为数据的权重，得到带权的疑似告警数据，将带权的疑似告警数据与标注后的原始监测数据混合，构成新规则训练数据；

模块M4.7：初始化Lasso线性回归模型，使用新规则训练数据训练该模型；

模块M4.8：在Lasso线性回归模型中，将权重大于0的特征取出作为候选告警正向因子，将权重小于0的特征取出作为候选告警负向因子，输出两类候选告警因子。