本发明专利技术涉及人工智能技术领域，提供一种业务系统异常数据的处理方法、装置、设备及存储介质，用于提高业务系统异常数据的故障归因分析准确性。业务系统异常数据的处理方法包括：对初始业务系统样本数据依次进行特征矢量融合和特征矢量叠加，得到目标虚拟特征矢量，初始业务系统样本数据用于指示业务系统的调用异常数据和运行异常数据；通过目标虚拟特征矢量，对预置的初始故障归因模型进行训练得到目标故障归因模型；调用目标故障归因模型对待处理的业务系统异常数据进行故障归因分析，得到初始分析结果；通过参考故障信息对初始分析结果进行验证得到目标分析结果。此外，本发明专利技术还涉及区块链技术，待处理的业务系统异常数据可存储于区块链中。存储于区块链中。存储于区块链中。
【技术实现步骤摘要】
业务系统异常数据的处理方法、装置、设备及存储介质
[0001]本专利技术涉及人工智能的智能决策领域，尤其涉及一种业务系统异常数据的处理方法、装置、设备及存储介质。
技术介绍
[0002]大数据的时代，随着业务需求的逐渐增大，各业务系统被广泛运用，而业务系统的故障处理也成为了一个关注的方向。目前，一般都是通过故障分析模型，对业务系统的数据进行故障分析，来实现业务系统的故障处理。
[0003]但是，故障分析模型在训练时，只应用了单个样本和深度学习模型当前状态的信息，没有利用原始的样本与其它样本之间关联的信息，导致了故障分析模型的特征辨别能力和显著性判断能力较低，从而导致了业务系统异常数据的故障归因分析准确性低。
技术实现思路
[0004]本专利技术提供一种业务系统异常数据的处理方法、装置、设备及存储介质，用于提高业务系统异常数据的故障归因分析准确性。
[0005]本专利技术第一方面提供了一种业务系统异常数据的处理方法，包括：
[0006]获取初始业务系统样本数据，对所述初始业务系统样本数据依次进行特征矢量融合和特征矢量叠加，得到目标虚拟特征矢量，所述初始业务系统样本数据用于指示业务系统的调用异常数据和运行异常数据；
[0007]通过所述目标虚拟特征矢量，对预置的初始故障归因模型进行训练，得到目标故障归因模型；
[0008]获取待处理的业务系统异常数据，调用所述目标故障归因模型，对所述待处理的业务系统异常数据进行故障归因分析，得到初始分析结果；
[0009]获取参考故障信息，通过所述参考故障信息对所述初始分析结果进行验证，得到目标分析结果。
[0010]可选的，在本专利技术第一方面的第一种实现方式中，所述获取初始业务系统样本数据，对所述初始业务系统样本数据依次进行特征矢量融合和特征矢量叠加，得到目标虚拟特征矢量，所述初始业务系统样本数据用于指示业务系统的调用异常数据和运行异常数据，包括：
[0011]获取初始业务系统样本数据，对所述初始业务系统样本数据依次进行预处理、特征提取和特征矢量运算，得到初始特征矢量，所述初始业务系统样本数据用于指示业务系统的调用异常数据和运行异常数据；
[0012]对所述初始特征矢量进行均值计算，得到已融合特征矢量，并按照预设比例，将所述已融合特征矢量叠加至所述初始特征矢量，得到目标虚拟特征矢量。
[0013]可选的，在本专利技术第一方面的第二种实现方式中，所述通过所述目标虚拟特征矢量，对预置的初始故障归因模型进行训练，得到目标故障归因模型，包括：
[0014]通过预置的初始故障归因模型，对所述目标虚拟特征矢量进行故障的前向预测和故障信息匹配，得到故障预测结果，所述故障预测结果包括故障概率值、故障原因和故障类型；
[0015]获取所述初始业务系统样本数据的标签故障信息，将所述故障预测结果与所述标签故障信息进行对比，得到新损失函数值，所述标签故障信息用于指示标签信息中标记的故障信息；
[0016]获取基于所述初始业务系统样本数据的原始损失函数值，根据所述新损失函数值和所述原始损失函数值确定目标损失函数值；
[0017]调用预置的梯度反向传播算法，基于所述目标损失函数值，对所述初始故障归因模型进行参数调整，得到目标故障归因模型。
[0018]可选的，在本专利技术第一方面的第三种实现方式中，所述获取参考故障信息，通过所述参考故障信息对所述初始分析结果进行验证，得到目标分析结果，包括：
[0019]获取参考故障信息，并将所述初始分析结果与所述参考故障信息进行匹配，得到目标匹配度；
[0020]判断所述目标匹配度是否大于预设阈值，若所述目标匹配度大于预设阈值，则将所述初始分析结果确定为目标分析结果。
[0021]可选的，在本专利技术第一方面的第四种实现方式中，所述获取参考故障信息，并将所述初始分析结果与所述参考故障信息进行匹配，得到目标匹配度，包括：
[0022]对所述待处理的业务系统异常数据依次进行分类和故障贡献度的计算，得到目标故障贡献度；
[0023]从预置故障信息库中匹配与所述目标故障贡献度对应的参考故障信息，并通过预置的相似度算法，计算所述初始分析结果与所述参考故障信息的相似度，得到目标匹配度。
[0024]可选的，在本专利技术第一方面的第五种实现方式中，所述获取待处理的业务系统异常数据，调用所述目标故障归因模型，对所述待处理的业务系统异常数据进行故障归因分析，得到初始分析结果，包括：
[0025]获取待处理的业务系统异常数据，调用所述目标故障归因模型，对所述待处理的业务系统异常数据进行特征提取，得到异常特征信息；
[0026]按照预设的多个故障指标因子计算所述异常特征信息的故障概率值；
[0027]将所述故障概率值与各预置故障信息对应的故障值进行对比，并将大于或等于所述故障概率值的故障值对应的预置故障信息确定为初始分析结果。
[0028]可选的，在本专利技术第一方面的第六种实现方式中，所述获取参考故障信息，通过所述参考故障信息对所述初始分析结果进行验证，得到目标分析结果之后，还包括：
[0029]根据所述目标分析结果匹配对应的系统故障处理策略，并获取所述系统故障处理策略执行后的反馈信息；
[0030]根据所述反馈信息，对所述目标故障归因模型以及与所述目标分析结果对应的执行过程进行优化。
[0031]本专利技术第二方面提供了一种业务系统异常数据的处理装置，包括：
[0032]融合叠加模块，用于获取初始业务系统样本数据，对所述初始业务系统样本数据依次进行特征矢量融合和特征矢量叠加，得到目标虚拟特征矢量，所述初始业务系统样本
数据用于指示业务系统的调用异常数据和运行异常数据；
[0033]训练模块，用于通过所述目标虚拟特征矢量，对预置的初始故障归因模型进行训练，得到目标故障归因模型；
[0034]分析模块，用于获取待处理的业务系统异常数据，调用所述目标故障归因模型，对所述待处理的业务系统异常数据进行故障归因分析，得到初始分析结果；
[0035]验证模块，用于获取参考故障信息，通过所述参考故障信息对所述初始分析结果进行验证，得到目标分析结果。
[0036]可选的，在本专利技术第二方面的第一种实现方式中，所述融合叠加模块包括：
[0037]运算单元，用于获取初始业务系统样本数据，对所述初始业务系统样本数据依次进行预处理、特征提取和特征矢量运算，得到初始特征矢量，所述初始业务系统样本数据用于指示业务系统的调用异常数据和运行异常数据；
[0038]叠加单元，用于对所述初始特征矢量进行均值计算，得到已融合特征矢量，并按照预设比例，将所述已融合特征矢量叠加至所述初始特征矢量，得到目标虚拟特征矢量。
[0039]可选的，在本专利技术第二方面的第二种实现方式中，所述训练模块具体用于：
[0040]通过预置的初始故障归因模型，对所述目标虚拟特征矢量进行故障的前向预测和故障信息匹配，得本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种业务系统异常数据的处理方法，其特征在于，所述业务系统异常数据的处理方法包括：获取初始业务系统样本数据，对所述初始业务系统样本数据依次进行特征矢量融合和特征矢量叠加，得到目标虚拟特征矢量，所述初始业务系统样本数据用于指示业务系统的调用异常数据和运行异常数据；通过所述目标虚拟特征矢量，对预置的初始故障归因模型进行训练，得到目标故障归因模型；获取待处理的业务系统异常数据，调用所述目标故障归因模型，对所述待处理的业务系统异常数据进行故障归因分析，得到初始分析结果；获取参考故障信息，通过所述参考故障信息对所述初始分析结果进行验证，得到目标分析结果。2.根据权利要求1所述的业务系统异常数据的处理方法，其特征在于，所述获取初始业务系统样本数据，对所述初始业务系统样本数据依次进行特征矢量融合和特征矢量叠加，得到目标虚拟特征矢量，所述初始业务系统样本数据用于指示业务系统的调用异常数据和运行异常数据，包括：获取初始业务系统样本数据，对所述初始业务系统样本数据依次进行预处理、特征提取和特征矢量运算，得到初始特征矢量，所述初始业务系统样本数据用于指示业务系统的调用异常数据和运行异常数据；对所述初始特征矢量进行均值计算，得到已融合特征矢量，并按照预设比例，将所述已融合特征矢量叠加至所述初始特征矢量，得到目标虚拟特征矢量。3.根据权利要求1所述的业务系统异常数据的处理方法，其特征在于，所述通过所述目标虚拟特征矢量，对预置的初始故障归因模型进行训练，得到目标故障归因模型，包括：通过预置的初始故障归因模型，对所述目标虚拟特征矢量进行故障的前向预测和故障信息匹配，得到故障预测结果，所述故障预测结果包括故障概率值、故障原因和故障类型；获取所述初始业务系统样本数据的标签故障信息，将所述故障预测结果与所述标签故障信息进行对比，得到新损失函数值，所述标签故障信息用于指示标签信息中标记的故障信息；获取基于所述初始业务系统样本数据的原始损失函数值，根据所述新损失函数值和所述原始损失函数值确定目标损失函数值；调用预置的梯度反向传播算法，基于所述目标损失函数值，对所述初始故障归因模型进行参数调整，得到目标故障归因模型。4.根据权利要求1所述的业务系统异常数据的处理方法，其特征在于，所述获取参考故障信息，通过所述参考故障信息对所述初始分析结果进行验证，得到目标分析结果，包括：获取参考故障信息，并将所述初始分析结果与所述参考故障信息进行匹配，得到目标匹配度；判断所述目标匹配度是否大于预设阈值，若所述目标匹配度大于预设阈值，则将所述初始分析结果确定为目标分析结果。5.根据权利要求4所述的业务系统异常数据的处理方法，其特征在于，所述获取参考故障信息，并将所述初始分析结果与所述参考故障信息进行匹配，得到...
【专利技术属性】
技术研发人员：李明凡，
申请(专利权)人：中国平安人寿保险股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。