[发明专利]设备异常的检测方法、装置及电子设备

说明书

本申请公开了一种设备异常的检测方法、装置及电子设备。其中，该方法包括：获取对光线路终端设备中的数据进行分类后得到的业务数据；依据业务数据对应的指标数据，从业务数据中确定目标业务数据；依据目标业务数据，采用目标检测模型对光线路终端设备进行异常检测，得到异常得分，其中，目标检测模型通过隔离目标业务数据中的异常数据识别异常；在异常得分大于预设得分的情况下，确定光线路终端设备存在异常。本申请解决了传统的设备运维异常检测存在处理时间长、效率低的技术问题。

技术领域

本申请涉及智能运维领域，具体而言，涉及一种设备异常的检测方法、装置及电子设备。

背景技术

随着数字化发展的逐渐深入，各单位所使用的设备逐渐增加，相较于十年前设备增长10～100倍，即便运维已经在从手工运维向工具运维和平台运维发展，但仍然无法满足当前大型组网对运维的要求。传统运维模式和智能运维模式存在很大区别。在智能化水平上，传统运维包括检测、分析、发现(告警)、处置4个步骤，均未涉及智能技术，从而存在设备运维异常检测的处理时间长、效率低的技术问题。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本申请实施例提供了一种设备异常的检测方法、装置及电子设备，以至少解决传统的设备运维异常检测存在处理时间长、效率低的技术问题。

根据本申请实施例的一个方面，提供了一种设备异常的检测方法，包括：获取对光线路终端设备中的数据进行分类后得到的业务数据；依据业务数据对应的指标数据，从业务数据中确定目标业务数据；依据目标业务数据，采用目标检测模型对光线路终端设备进行异常检测，得到异常得分，其中，目标检测模型通过隔离目标业务数据中的异常数据识别异常；在异常得分大于预设得分的情况下，确定光线路终端设备存在异常。

可选地，获取对光线路终端设备中的数据进行分类后得到的业务数据，包括：确定由光线路终端设备中的数据组成的多个决策向量，以及确定多个业务类型，其中，每个决策向量的向量长度相同，多个业务类型为业务数据所属的业务类型；从多个决策向量中确定第一决策向量和第二决策向量，其中，第一决策向量和第二决策向量均为多个决策向量中的任意一个决策向量；确定第一决策向量对应的第一函数和第二决策向量对应的第二函数之间的支配关系，其中，第一函数为第一决策向量属于第一业务类型的函数，第二函数为第二决策向量属于第二业务类型的函数，第一业务类型和第二业务类型为多个业务类型中的任意两个业务类型；将满足预设条件的第一决策向量中的数据，确定为与第一业务类型对应的业务数据，其中，预设条件为第一决策向量不被第二决策向量支配。

可选地，确定第一决策向量对应的第一函数和第二决策向量对应的第二函数之间的支配关系，包括：在第一函数中的第一函数值均小于或等于第二函数中的第二函数值，且第一函数值中至少有一个值小于第二函数值中的值的情况下，确定第一决策向量和第二决策向量之间存在支配关系；在第一函数值和第二函数值均相等的情况下，确定第一决策向量和第二决策向量之间存在等价关系。

可选地，确定第一决策向量对应的第一函数和第二决策向量对应的第二函数之间的支配关系之后，方法还包括：在第一决策向量和第二决策向量之间不存在支配关系和等价关系的情况下，确定第一决策向量和第二决策向量之间无法进行比较。

可选地，业务数据包括以下至少之一：交互式网络电视感知数据、网页浏览感知数据、视频体验感知数据和游戏体验感知数据；指标数据包括以下至少之一：告警时段占比、丢包数、抖动次数、错误码次数、播放抖动时段占比、多类时延数据。

可选地，依据业务数据对应的指标数据，从业务数据中确定目标业务数据，包括：将业务数据对应的指标数据大于对应预设阈值的数据，确定为目标业务数据。

可选地，目标检测模型是通过以下方式得到的：依据训练集中的历史业务数据，构建与历史业务数据中的异常数据对应的孤立树；确定每个孤立树对应的路径长度；至少依据孤立树的高度、路径长度的平均值，确定历史业务数据的异常得分，其中，异常得分的值与异常程度呈正相关。