[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

说明书

本发明提供了一种基于规则与模型增强的运维告警规则生成方法和系统，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。本发明使用业务经验规则初始化机器学习模型，无需接触真实数据，提高了数据安全性，降低了部署成本。

技术领域

本发明涉及数据处理、智能运维技术领域，具体地，涉及一种基于规则与模型增强的运维告警规则生成方法和系统。

背景技术

在IT运维中，各类告警监控系统发挥着巨大的作用，触发告警即异常检测的方法一般包含规则和模型两类。基于规则的方法的特点是易于理解、误报率极低，传统的专家知识库等都属于这类方法，这类方法缺点是泛化性较差，面对不断推陈出新的系统，规则显得更新不够及时，会有较多漏报，且编写规则对人力消耗较大。基于模型的方法一般将异常检测作为分类问题处理，通过标注样本训练检测模型，加入新的训练样例模型即可更新，基于模型的方法优点是准确性和泛化性均较好，缺点是数据标注成本高、存在一定的误报、主流深度学习模型可解释性较差等。目前，主流的两类异常检测方法均无法做到可解释性、泛化性、准确性、人力成本之间较好平衡。

专利文献CN112218126A(申请号：CN202011084443.5)公开了一种基于终端的内容推荐效果反馈方法、系统及设备，该专利需要通过每一个推荐终端收集每一次反馈作为优化依据，而本发明仅需要转化效果的抽样统计值；该专利需要保持推荐终端与推荐系统之间的联系以获取反馈数据，而本发明仅需要图形界面填写两个抽样统计值即可；该专利的推荐模型为规则模型，而本发明为基于规则模型拟合的机器学习模型，具备更好的泛化、平滑特性。

专利文献CN106897912A(申请号：CN201710034167.3)公开了一种基于epsilon反馈算法的推荐系统冷启动方法。该专利需要记录用户的每次反馈并用于后续的模型更新，而本发明仅需要使用采样后的转化率来进行模型更新；该专利使用用户的行为反馈来进行模型的初始化与冷启动，而本发明是使用业务经验规则来初始化模型。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种基于规则与模型增强的运维告警规则生成方法和系统。

根据本发明提供的基于规则与模型增强的运维告警规则生成方法，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。

优选的，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。

优选的，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；