[发明专利]一种硬盘检测方法、装置、存储介质及设备

说明书

本发明实施例公开了硬盘检测方法、装置、存储介质以及终端，应用于硬件安全技术领域。该方法包括：获取硬盘数据；根据硬盘数据，通过最佳支持向量机模型获取所述硬盘的二分类输出，判断硬盘是否为第一类型硬盘；若是，获取所述第一类型硬盘的风险系数；其中，所述风险系数根据硬盘数据获得；将所述第一类型硬盘的硬盘数据和所述风险系数输入风险预估模型得到所述硬盘的损坏风险值。通过具体的损坏风险值可以判断硬盘损坏风险的大小，从而更加准确直观。

技术领域

本发明涉及计算机技术领域，特别涉及一种硬盘检测方法、装置、存储介质及设备。

背景技术

硬盘是集精密机械、微电子电路、电磁转换为一体的电脑存储设备，它存储着电脑系统资源和重要的信息及数据，这些因素使硬盘在PC机中成为最为重要的一个硬件设备之一。

对于硬盘的检测，现有的一种检测方法是目前业界普遍采用阈值判定方法，也就是线上监控S.M.A.R.T阈值的变化，如果超出阈值就告警。现有的另一种硬盘检测方法通过云计算平台硬盘故障预测，根据预测时间窗口内的硬盘维修记录将硬盘S.M.A.R.T日志数据标记为正常硬盘样本和故障硬盘样本，之后采用K-means聚类算法将去除噪音后的正常硬盘样本划分为K个不相交子集，并分别与故障硬盘样本结合，根据SMOTE过采样算法生成K组平衡训练集，以此训练得到K个支持向量机分类器，用于故障硬盘的预测。

由于阈值判定方法中的阈值是厂商设置的，厂商为了减少因误告导致的返厂检测维修的硬盘数量，会将阈值设置得相当严格，虽然误报率可以低至0.1％，但会导致只检测到很少数的硬盘故障。此外，在使用S.M.A.R.T数据时由于数据选择不当导致弱化故障相关特征，并且不同型号的硬盘的同种特性范围不一，不能简单填充缺失值，会导致预测模型产生严重偏差。投票模式容易导致误判，即利用多个“平衡”数据集上分别建立的模型，投票决出是否故障判断，容易受数据集分布的影响，而且通过K个支持向量机分类器模型投票得出每块盘是否即将故障的二值判断，但却没有对即将故障盘的风险进行评估，无法为硬盘属主提供一段时间内的故障概率的推断。

发明内容

本发明实施例提供一种硬盘检测方法、装置及存储介质，实现了准确高效地预测硬盘故障风险。

本发明实施例第一方面提供一种硬盘检测方法，包括：

获取硬盘数据；

根据硬盘数据，通过最佳支持向量机模型获取所述硬盘的二分类输出，判断硬盘是否为第一类型硬盘；

若是，获取所述第一类型硬盘的风险系数；其中，所述风险系数根据硬盘数据获得；

将所述第一类型硬盘的硬盘数据和所述风险系数输入风险预估模型得到所述硬盘的损坏风险值。本发明实施例第二方面提供一种硬盘检测装置，包括：

获取模块，用于获取硬盘数据；

第一判断模块，用于根据硬盘数据，通过最佳支持向量机模型获取所述硬盘的二分类输出，判断硬盘是否为第一类型硬盘；；

获取模块，获取所述第一类型硬盘的风险系数；

输出模块，用于将所述第一类型硬盘的硬盘数据和所述风险系数输入风险预估模型得到所述硬盘的损坏风险值。

本发明实施例第三方面提供一种存储介质，所述存储介质储存多条指令，所述指令适于由处理器加载并执行如本发明实施例第一方面所述的硬盘检测方法。

本发明实施例第四方面提供一种终端设备，包括处理器和存储介质，所述处理器，用于实现各个指令；所述存储介质储存多条指令，所述指令适于由处理器加载并执行如本发明实施例第一方面所述的硬盘检测方法。