[发明专利]一种故障关联方法、装置及计算机可读存储介质

说明书

本发明提供一种故障关联方法、装置及计算机可读存储介质，所述方法包括：获取一个或多个设备的告警日志，并对所述告警日志进行词向量编码；将编码后的告警日志输入预训练的深度神经网络模型，得到所述编码后的告警日志所关联的第一故障分类；根据所述第一故障分类以及预设的工单模板生成故障单，并确定所述故障单对应的设备维修人员；接收所述设备维修人员基于所述故障单发送的反馈工单，并根据所述反馈工单中的第二故障分类以及对应的所述编码后的告警日志对所述预训练的深度神经网络模型进行再训练。该方法、装置及计算机可读存储介质能够解决现有的基于规则库的网络故障方法鲁棒性差，且未将告警与故障相关联的问题。

技术领域

本发明涉及网络安全技术领域，尤其涉及一种故障关联方法、装置及计算机可读存储介质。

背景技术

网络的稳定和安全关系到人民日常工作生活的方方面面，这一问题也是电信运营商关注的焦点问题。如何在故障出现前利用设备告警进行故障预测，是当前运营商的研究重点。现有方法多为基于规则的方法，通过算法挖掘告警之间的关联规则或加入专家经验形成规则库，再依赖规则库进行告警压缩溯源；使用规则库的方法，如果遇到新的不在规则库的告警则需要更新规则库，

鲁棒性较差，此外，现有方法通常在挖掘到根源告警后结束，并未将告警与故障相关联。

发明内容

本发明所要解决的技术问题是针对现有技术的上述不足，提供一种故障关联方法、装置及计算机可读存储介质，用以解决现有的基于规则库的网络故障方法鲁棒性差，且未将告警与故障相关联的问题。

第一方面，本发明提供一种故障关联方法，包括：

获取一个或多个设备的告警日志，并对所述告警日志进行词向量编码；

将编码后的告警日志输入预训练的深度神经网络模型，得到所述编码后的告警日志所关联的第一故障分类；

根据所述第一故障分类以及预设的工单模板生成故障单，并确定所述故障单对应的设备维修人员；

接收所述设备维修人员基于所述故障单发送的反馈工单，并根据所述反馈工单中的第二故障分类以及对应的所述编码后的告警日志对所述预训练的深度神经网络模型进行再训练。

优选地，所述获取一个或多个设备的告警日志，具体包括：

根据预先存储的目标网络的拓扑信息以及预设的广搜轮次获取所述一个或多个设备的告警日志。

优选地，所述根据预先存储的目标网络的拓扑信息以及预设的广搜轮次获取所述一个或多个设备的告警日志，具体包括：

获取所述广搜轮次，并判断所述广搜轮次是否为0；

若所述广搜轮次为0，则获取待分析设备的告警日志；

若所述广搜轮次不为0，则获取所述待分析设备以及根据所述拓扑信息和所述广搜轮次得到的所述待分析设备的一个或多个相邻设备的告警日志。

优选地，每个设备的所述告警日志均包括一条或多条告警信息，每条告警信息均包括告警时间、告警位置和告警内容，所述对所述告警日志进行词向量编码，具体包括：

针对每一个设备的告警日志，对所述告警日志中的每条告警信息的告警时间、告警位置和告警内容分别进行编码，形成一个长度为m*n大小的特征矩阵，其中，m为编码后的告警时间、告警位置和告警内容的位数之和，n为告警信息的条数；

根据预设的统一尺寸对所有设备的特征矩阵进行组合，形成M*N*k的3阶张量，其中，M*N为预设的统一尺寸，k为所有特征矩阵的个数。

优选地，所述将编码后的告警日志输入预训练的深度神经网络模型，得到所述编码后的告警日志所关联的第一故障分类之前，所述方法还包括：