网络告警事件识别模型的训练方法、设备及存储介质技术

本申请提供一种网络告警事件识别模型的训练方法、设备及存储介质。该方法包括获取待训练的网络告警事件；确定所述网络告警事件的历史相关性，所述历史相关性为所述网络告警事件之间的伴生概率；确定所述网络告警事件的拓扑相关性，所述拓扑相关性为发生所述网络告警事件的网络设备的相关性；对所述历史相关性和所述拓扑相关性进行训练，获取所述网络告警事件的事件相关性；对所述事件相关性进行聚类和根因识别，得到网络告警事件识别模型。由于网络告警事件识别模型是基于由历史相关性和拓扑相关性得到的网络告警事件的事件相关性得到的，通过网络告警事件识别模型对网络告警事件进行根因识别，提高了网络告警事件的识别准确率。确率。确率。

【技术实现步骤摘要】
网络告警事件识别模型的训练方法、设备及存储介质


[0001]本申请涉及运维
，尤其涉及一种网络告警事件识别模型的训练方法、设备及存储介质。

技术介绍

[0002]由于网络系统规模逐渐增大，发生故障的频率也越来越高。为保证网络系统的正常运行，需要识别发生故障的根因事件。
[0003]目前，现有的网络告警事件识别方法是基于告警事件聚类结果进行根因事件的识别。然而，在对告警事件进行聚类时，仅采用时间窗口聚类的方式，即对一定时间内发生的告警事件进行聚类。
[0004]由于仅基于时间窗口对告警事件进行聚类会受到干扰事件的影响，聚类结果准确率较低，从而导致根因事件的识别准确率较低。

技术实现思路

[0005]本申请提供一种网络告警事件识别模型的训练方法、设备及存储介质，用以解决网络告警事件识别准确率较低的问题。
[0006]第一方面，本申请提供一种网络告警事件识别模型的训练方法，包括：
[0007]获取待训练的网络告警事件；
[0008]确定网络告警事件的历史相关性，历史相关性为网络告警事件之间的伴生概率；
[0009]确定网络告警事件的拓扑相关性，拓扑相关性为发生网络告警事件的网络设备的相关性；
[0010]对历史相关性和拓扑相关性进行训练，获取网络告警事件的事件相关性；
[0011]对事件相关性进行聚类和根因识别，得到网络告警事件识别模型。
[0012]第二方面，本申请提供一种网络告警事件识别模型的训练装置，包括：
[0013]获取模块，用于获取待训练的网络告警事件；
[0014]确定模块，用于确定网络告警事件的历史相关性，历史相关性为网络告警事件之间的伴生概率；
[0015]确定模块，还用于确定网络告警事件的拓扑相关性，拓扑相关性为发生网络告警事件的网络设备的相关性；
[0016]训练模块，用于对历史相关性和拓扑相关性进行训练；
[0017]获取模块，还用于获取网络告警事件的事件相关性；
[0018]聚类和根因识别模块，用于对事件相关性进行聚类和根因识别，得到网络告警事件识别模型。
[0019]第三方面，本申请提供一种网络告警事件识别模型的训练装置，包括：处理器、存储器，存储器中存储代码，处理器运行存储器中存储的代码，以执行如第一方面任一项的网络告警事件识别模型的训练方法。
[0020]第四方面，本申请提供一种计算机可读存储介质，计算机可读存储介质中存储有计算机执行指令，计算机执行指令被处理器执行时用于实现如第一方面任一项的网络告警事件识别模型的训练方法。
[0021]本申请提供的一种网络告警事件识别模型的训练方法，获取待训练的网络告警事件，确定网络告警事件的历史相关性和拓扑相关性，其中历史相关性为网络告警事件之间的伴生概率，拓扑相关性为发生网络告警事件的网络设备的相关性。对历史相关性和拓扑相关性进行训练，获取网络告警事件的事件相关性，对事件相关性进行聚类和根因识别，得到可以识别网络告警事件的网络告警事件识别模型。当需要识别某一网络告警事件的根因事件时，可将该网络告警事件输入至网络告警事件识别模型中，网络告警事件识别模型则输出该网络告警事件的根因识别结果。事件相关性是由历史相关性和拓扑相关性共同确定的，因此提高了网络告警事件聚类的准确度，进而提高了网络告警事件的识别准确率。
附图说明
[0022]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
[0023]图1为本申请实施例提供的一种网络告警事件识别模型的应用场景图；
[0024]图2为本申请实施例提供的一种网络告警事件识别模型的训练方法流程图一；
[0025]图3为本申请实施例提供的一种网络告警事件识别模型的训练方法流程图二；
[0026]图4为本申请实施例提供的OSPF down与接口down网络告警事件分布关系模型图；
[0027]图5为本申请实施例提供的一种网络告警事件识别模型应用方法流程图；
[0028]图6为本申请实施例提供的一种网络告警事件识别系统架构示意图一；
[0029]图7为本申请实施例提供的一种事件集群引擎对网络告警事件进行聚类和根因识别的示意图；
[0030]图8为本申请实施例提供的一种网络告警事件识别系统架构示意图二；
[0031]图9为本申请实施例提供的一种网络告警事件识别模型的训练设备示意图一；
[0032]图10为本申请实施例提供的一种网络告警事件识别模型的训练设备示意图二。
[0033]通过上述附图，已示出本申请明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围，而是通过参考特定实施例为本领域技术人员说明本申请的概念。
具体实施方式
[0034]这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
[0035]本申请提供一种网络告警事件识别模型的训练方法，首先获取待训练的网络告警事件，由于网络告警事件的事件相关性与历史相关性有关外，还会受到网络告警事件拓扑相关性大小的影响，因此为了提高网络告警事件的识别效率，需要确定网络告警事件的历史相关性和拓扑相关性。通过对历史相关性和拓扑相关性进行训练，获取网络告警事件的
事件相关性，最终对事件相关性进行聚类和根因识别，得到网络告警识别模型。当产生网络告警事件后，将需要识别的网络告警事件输入至网络告警识别模型，网络告警事件识别模型可输出网络告警事件的聚类和根因识别结果。由于事件相关性是通过历史相关性和拓扑相关性共同得到的，因此可以提高事件相关性的准确率，从而提高了网络告警事件的识别准确率。
[0036]图1为本申请实施例提供的一种网络告警事件识别模型的应用场景图，如图1所示，当发生网络告警事件后，可将网络告警事件输入至网络告警事件识别模型，网络告警事件识别模型对网络告警事件进行识别，输出该网络告警事件聚类和根因识别的结果。
[0037]下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本申请的实施例进行描述。
[0038]图2为本申请实施例提供的一种网络告警事件识别模型的训练方法流程图一，本方法的执行主体可以是网络告警事件识别模型的训练设备，网络告警事件识别模型的训练设备可以为任意具有数据处理功能的设备，例如计算机等。本实施例中的方法可以通过软件、硬件或者软硬件结合的方式来实现。
[0039]如图2所示，本方法可以包本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种网络告警事件识别模型的训练方法，其特征在于，包括：获取待训练的网络告警事件；确定所述网络告警事件的历史相关性，所述历史相关性为所述网络告警事件之间的伴生概率；确定所述网络告警事件的拓扑相关性，所述拓扑相关性为发生所述网络告警事件的网络设备的相关性；对所述历史相关性和所述拓扑相关性进行训练，获取所述网络告警事件的事件相关性；对所述事件相关性进行聚类和根因识别，得到网络告警事件识别模型。2.根据权利要求1所述的方法，其特征在于，所述对所述事件相关性进行聚类和根因识别，得到网络告警事件识别模型，包括：基于所述事件相关性，生成所述网络告警事件的概率分布矩阵；对所述概率分布矩阵进行聚类和根因识别，得到网络告警事件识别模型。3.根据权利要求1所述的方法，其特征在于，所述获取所述网络告警事件的拓扑相关性，包括：根据网络设备的组网架构和网络协议配置，获取所述网络告警事件的拓扑相关性。4.根据权利要求3所述的方法，其特征在于，所述根据网络设备的组网架构和网络协议配置，获取所述网络告警事件的拓扑相关性，包括：根据网络设备的组网架构和网络协议配置确定所述网络告警事件发生设备的拓扑位置；根据发生所述网络告警事件的网络设备的拓扑位置计算所述网络告警事件发生设备之间的拓扑距离；根据所述拓扑距离，获取所述网络告警事件的拓扑相关性。5.根据权利要求1所述的方法，其特征在于，所述确定所述网络告警事件的历史相关性包括：基于设定的时间窗口获取所述网络告警事件的历史相关性。6.根据权利要求1所述的方法，其特征在于，所述对所述历史相关性和所述拓扑相关性进行训练，获取所述网络告警事件的事件相关性，包括：对所述网络告警事件进行训练，生成所述网络告警事件之间的告警传播关系；基于设定的时间窗口，对所述网络告警传播关系进行训练，获...

【专利技术属性】
技术研发人员：臧寅，徐立平，任云龙，邵阳，刘洪东，
申请(专利权)人：中国联合网络通信集团有限公司，
类型：发明
国别省市：