基于人工智能的自愈方案确定方法、装置、设备及介质制造方法及图纸

本申请涉及人工智能技术领域，揭示了一种基于人工智能的自愈方案确定方法、装置、设备及介质，其中方法包括：获取目标告警数据和与所述目标告警数据对应的目标告警关联数据；将所述目标告警数据和所述目标告警关联数据进行目标共性标签向量生成；将所述目标告警数据和所述目标告警关联数据进行目标个性标签向量生成；根据所述目标共性标签向量和所述目标个性标签向量，从预设的标签及自愈方案库中进行自愈方案筛选，得到目标自愈方案。从而实现基于告警数据及告警关联数据的共性和个性进行自愈方案筛选，使筛选出的自愈方案适用于复杂、多链路的场景，提高了自愈效果，减少了对人工的依赖，减少了故障修复时间。减少了故障修复时间。减少了故障修复时间。

【技术实现步骤摘要】
基于人工智能的自愈方案确定方法、装置、设备及介质


[0001]本申请涉及到人工智能
，特别是涉及到一种基于人工智能的自愈方案确定方法、装置、设备及介质。

技术介绍

[0002]现有软件系统的故障和异常，业内的故障自愈处理方法大多数是基于固定、单一及不复杂场景的监控数据进行自愈方案确定，人工智能主要集中应用在监控数据的降噪方面，对基于固定、单一及不复杂场景的自愈效果较好。但是该故障自愈处理方法对于复杂、多链路的场景的自愈效果较差，导致需要依赖人工的判断和处理，延长了故障修复时间，增加了人力成本。

技术实现思路

[0003]本申请的主要目的为提供一种基于人工智能的自愈方案确定方法、装置、设备及介质，旨在解决现有技术的故障自愈处理方法对于复杂、多链路的场景的自愈效果较差，导致需要依赖人工的判断和处理，延长了故障修复时间。
[0004]为了实现上述专利技术目的，本申请提出一种基于人工智能的自愈方案确定方法，所述方法包括：
[0005]获取目标告警数据和与所述目标告警数据对应的目标告警关联数据；
[0006]将所述目标告警数据和所述目标告警关联数据进行目标共性标签向量生成；
[0007]将所述目标告警数据和所述目标告警关联数据进行目标个性标签向量生成；
[0008]根据所述目标共性标签向量和所述目标个性标签向量，从预设的标签及自愈方案库中进行自愈方案筛选，得到目标自愈方案。
[0009]进一步的，所述将所述目标告警数据和所述目标告警关联数据进行目标共性标签向量生成的步骤，包括：
[0010]将所述目标告警数据和所述目标告警关联数据输入预设的共性标签预测模型进行共性标签向量生成，得到所述目标共性标签向量，其中，所述共性标签预测模型是基于深度学习得到的多分类模型。
[0011]进一步的，所述将所述目标告警数据和所述目标告警关联数据进行目标个性标签向量生成的步骤，包括：
[0012]将所述目标告警数据和所述目标告警关联数据输入预设的个性标签预测模型进行个性标签向量生成，得到所述目标个性标签向量，其中，所述个性标签预测模型是基于深度学习得到的多分类模型。
[0013]进一步的，所述根据所述目标共性标签向量和所述目标个性标签向量，从预设的标签及自愈方案库中进行自愈方案筛选，得到目标自愈方案的步骤，包括：
[0014]分别计算所述目标共性标签向量与所述标签及自愈方案库中的每个自愈方案的标准共性标签向量之间的相似度，得到第一相似度集；
[0015]从所述第一相似度集中找出预设数量及值为最大的相似度作为候选相似度集；
[0016]分别计算所述目标个性标签向量和与所述候选相似度集对应的每个标准个性标签向量之间的相似度，得到第二相似度集；
[0017]根据所述第二相似度集中的值为最大的相似度对应的所述自愈方案确定所述目标自愈方案。
[0018]进一步的，所述根据所述目标共性标签向量和所述目标个性标签向量，从预设的标签及自愈方案库中进行自愈方案筛选，得到目标自愈方案的步骤之后，包括：
[0019]判断所述目标自愈方案对应的相似度是否小于预设相似度阈值，以及判断所述目标自愈方案对应的修改成功率是否小于预设成功率阈值；
[0020]若小于所述预设相似度阈值或小于所述预设成功率阈值，则将所述目标自愈方案的操作风险设置为高，根据所述目标自愈方案发送高操作风险电话预警。
[0021]进一步的，所述根据所述目标共性标签向量和所述目标个性标签向量，从预设的标签及自愈方案库中进行自愈方案筛选，得到目标自愈方案的步骤之后，包括：
[0022]将所述目标自愈方案，从上游重要应用列表中获取重要应用，得到上游重要应用集；
[0023]将所述目标自愈方案，从下游重要应用列表中获取所述重要应用，得到下游重要应用集；
[0024]将所述上游重要应用集和所述下游重要应用集进行合集及去重处理，得到目标重要应用集；
[0025]当所述目标重要应用集中的所述重要应用的数量大于预设重要应用阈值时，根据所述目标自愈方案和所述目标重要应用集发送重要系统超限电话预警。
[0026]进一步的，所述根据所述目标共性标签向量和所述目标个性标签向量，从预设的标签及自愈方案库中进行自愈方案筛选，得到目标自愈方案的步骤之后，包括：
[0027]对所述目标自愈方案进行执行，得到自愈结果；
[0028]当所述自愈结果为成功时，根据所述目标自愈方案、所述目标共性标签向量、所述目标个性标签向量更新所述标签及自愈方案库；
[0029]当所述自愈结果为失败时，将所述目标自愈方案、所述目标告警数据和所述目标告警关联数据发送给自愈失败处理端；
[0030]获取所述自愈失败处理端发送的人工处理数据；
[0031]根据所述人工处理数据生成待更新的人工处理补充方案；
[0032]将所述待更新的人工处理补充方案，添加到所述标签及自愈方案库中的与所述目标自愈方案对应的所述自愈方案的人工处理补充方案中，并且将所述标签及自愈方案库中的与所述目标自愈方案对应的所述自愈方案的人工执行标签设为是。
[0033]本申请还提出了一种基于人工智能的自愈方案确定装置，所述装置包括：
[0034]数据获取模块，用于获取目标告警数据和与所述目标告警数据对应的目标告警关联数据；
[0035]目标共性标签向量确定模块，用于将所述目标告警数据和所述目标告警关联数据进行目标共性标签向量生成；
[0036]目标个性标签向量确定模块，用于将所述目标告警数据和所述目标告警关联数据
进行目标个性标签向量生成；
[0037]目标自愈方案确定模块，用于根据所述目标共性标签向量和所述目标个性标签向量，从预设的标签及自愈方案库中进行自愈方案筛选，得到目标自愈方案。
[0038]本申请还提出了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。
[0039]本申请还提出了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的方法的步骤。
[0040]本申请的基于人工智能的自愈方案确定方法、装置、设备及介质，其中方法首先将所述目标告警数据和所述目标告警关联数据进行目标共性标签向量生成，然后将所述目标告警数据和所述目标告警关联数据进行目标个性标签向量生成，最后根据所述目标共性标签向量和所述目标个性标签向量，从预设的标签及自愈方案库中进行自愈方案筛选，得到目标自愈方案。从而实现基于告警数据及告警关联数据的共性和个性进行自愈方案筛选，使筛选出的自愈方案适用于复杂、多链路的场景，提高了自愈效果，减少了对人工的依赖，减少了故障修复时间。
附图说明
[0041]图1为本申请一实施例的基于人工智能的自愈方案确定方法的流程示意图；
[0042]图2为本申请一实施例的基于人工智能本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的自愈方案确定方法，其特征在于，所述方法包括：获取目标告警数据和与所述目标告警数据对应的目标告警关联数据；将所述目标告警数据和所述目标告警关联数据进行目标共性标签向量生成；将所述目标告警数据和所述目标告警关联数据进行目标个性标签向量生成；根据所述目标共性标签向量和所述目标个性标签向量，从预设的标签及自愈方案库中进行自愈方案筛选，得到目标自愈方案。2.根据权利要求1所述的基于人工智能的自愈方案确定方法，其特征在于，所述将所述目标告警数据和所述目标告警关联数据进行目标共性标签向量生成的步骤，包括：将所述目标告警数据和所述目标告警关联数据输入预设的共性标签预测模型进行共性标签向量生成，得到所述目标共性标签向量，其中，所述共性标签预测模型是基于深度学习得到的多分类模型。3.根据权利要求1所述的基于人工智能的自愈方案确定方法，其特征在于，所述将所述目标告警数据和所述目标告警关联数据进行目标个性标签向量生成的步骤，包括：将所述目标告警数据和所述目标告警关联数据输入预设的个性标签预测模型进行个性标签向量生成，得到所述目标个性标签向量，其中，所述个性标签预测模型是基于深度学习得到的多分类模型。4.根据权利要求1所述的基于人工智能的自愈方案确定方法，其特征在于，所述根据所述目标共性标签向量和所述目标个性标签向量，从预设的标签及自愈方案库中进行自愈方案筛选，得到目标自愈方案的步骤，包括：分别计算所述目标共性标签向量与所述标签及自愈方案库中的每个自愈方案的标准共性标签向量之间的相似度，得到第一相似度集；从所述第一相似度集中找出预设数量及值为最大的相似度作为候选相似度集；分别计算所述目标个性标签向量和与所述候选相似度集对应的每个标准个性标签向量之间的相似度，得到第二相似度集；根据所述第二相似度集中的值为最大的相似度对应的所述自愈方案确定所述目标自愈方案。5.根据权利要求1所述的基于人工智能的自愈方案确定方法，其特征在于，所述根据所述目标共性标签向量和所述目标个性标签向量，从预设的标签及自愈方案库中进行自愈方案筛选，得到目标自愈方案的步骤之后，包括：判断所述目标自愈方案对应的相似度是否小于预设相似度阈值，以及判断所述目标自愈方案对应的修改成功率是否小于预设成功率阈值；若小于所述预设相似度阈值或小于所述预设成功率阈值，则将所述目标自愈方案的操作风险设置为高，根据所述目标自愈方案发送高操作风险电话预警。6.根据权利要求1所述的基于人工智能的自...

【专利技术属性】
技术研发人员：徐弘，
申请(专利权)人：中国平安财产保险股份有限公司，
类型：发明
国别省市：