【技术实现步骤摘要】
本专利技术涉及网络运维，尤其涉及一种告警识别的方法和装置。
技术介绍
1、集团客户专线网络(简称集客专线)在各大通信运营商中占据着十分重要的地位。在集客专线客户使用网络的过程中，在一些场景下会存在主导关机、断电等行为，例如在午间休息、晚上下班等场景下。但是这样的行为会产生大量的告警信息，而产生告警信息，就会生成故障工单，并将故障工单派发给一线运维人员。这样就导致了运维人员的工作量大大增加，也就降低了网络运维的效率。
技术实现思路
1、为了解决现有技术中存在的问题，本申请实施例提供了一种告警识别的方法、装置、计算设备、计算机存储介质及包含计算机程序的产品，能够提升网络运维的效率。
2、第一方面，本申请实施例提供一种告警识别方法，用户设备通过集客专线接入运营商所提供的的服务端，服务端在用户设备接入状态异常的情况下，产生告警数据，方法包括：通过预先训练的告警数据界定模型对服务端产生的实时告警数据进行处理，得到告警概率；其中，告警数据界定模型通过历史告警数据训练；基于告警概率，确定告警数据的类型，在告警概率小于阈值的情况下，派发故障工单。
3、在一些可能的实现方式中，方法还包括：在告警概率大于阈值的情况下，判定实时告警数据为正常数据，拦截故障工单，其中，正常数据包括工作日午间规律断电产生的告警数据、工作日下班规律断电产生的告警数据，以及节假日断电产生的告警数据。
4、在一些可能的实现方式中，方法还包括：对服务器产生的历史告警数据进行处理，得到第一数据集；
5、在一些可能的实现方式中，对历史告警数据进行处理，得到第一数据集，包括：筛选告警数据中告警类型为脱管类的告警数据，对其中的告警数据进行打标签。
6、在一些可能的实现方式中，对其中的告警数据进行打标签，标签包括：工作日午间规律断电标签、工作日下班规律断电标签、节假日规律断电标签、以及其他标签；告警概率为标签对应概率的最大值。
7、在一些可能的实现方式中，对历史告警数据进行处理，还包括：对历史告警数据进行归一化处理，归一化处理依据公式
8、
9、式中，l'表示归一化后的值；l表示当前告警数据值；lmax及lmin分别表示当前告警数据所在字段中的最大值和最小值。
10、在一些可能的实现方式中，告警数据的字段包括：告警流水号、告警唯一标识、客户名称、产品实例标识、业务类型、告警对象名称、告警标题、告警发生时间、告警消除时间、告警历时、告警时间标签、是否节假日前一天、告警时间段、是否工作日告警、是否工作日午间告警、是否工作日下班告警、是否节假日前一天告警、当天告警发生次数、本周工作日午间告警次数、本周工作日下班告警次数、前一周工作日午间告警次数、前一周工作日下班告警次数、前一周节假日告警次数、前两周工作日午间告警次数、前两周工作日下班告警次数、前两周工作日下班告警次数、前三周工作日下班告警次数、前三周工作日午间告警次数、前三周工作日下班告警次数、累计一个月工作日下班告警次数、累计一个月工作日午间告警次数、累计一个月节假日告警次数。
11、在一些可能的实现方式中，告警标题包括：dying_gasp、gpon ont掉电(dgi)、dg、[gpon告警]onu电源掉电、设备掉电、[gpon告警]onu掉/关电、ne_not_login、ne_commu_break、承载网管系统告警网元断链、eth_los、以太网物理接口(etpi)信号丢失(los)、以太网物理接口(etpi)ethernet端口未连接、rlos、link_los、r_los、t_alos。
12、在一些可能的实现方式中，基于训练集中的数据，训练告警数据界定模型，包括：将训练集中的数据分为训练集与测试集；构建随机森林模型，通过训练集中的数据对随机森林模型进行训练；将随机森林模型输出的最佳参数传递给测试集，通过测试集中的数据对随机森林模型的效果进行验证；通过auc对训练过的随机森林模型进行评估，选择其中auc指标最大的随机森林模型作为告警数据界定模型。
13、第二方面，本申请实施例提供一种告警装置，包括：获取模块，用于获取告警数据，告警数据包括历史告警数据以及实时告警数据；处理模块，用于对历史告警数据进行处理，得到第一数据集；处理模块，还用于基于训练集中的数据，训练告警数据界定模型，其中，训练集为第一数据集中的数据；处理模块，还用于通过训练完成的告警数据界定模型对实时告警数据进行处理，得到告警概率，在告警概率小于阈值的情况下，派发故障工单。
14、第三方面，本申请实施例提供一种计算机可读存储介质，包括计算机可读指令，当计算机读取并执行所述计算机可读指令时，使得计算机执行如第一方面任一项所述的方法。
15、第四方面，本申请实施例提供一种计算设备，包括处理器和存储器，其中，所述存储器中存储有计算机程序指令，所述计算机程序指令被所述处理器运行时，执行如第一方面任一项所述的方法。
16、第五方面，本申请实施例提供一种包含计算机程序的产品，当计算机程序产品在处理器上运行时，使得所述处理器执行如第一方面任一项所述的方法。
17、本方法通过集客专线的历史告警数据，训练告警数据界定模型，以通过告警数据界定模型对客户主动断电的行为产生的告警信息进行识别，抑制客户主动断电行为下的故障派单，这样可以提升派单精准性，提升网络运维的效率。
本文档来自技高网...【技术保护点】
1.一种告警识别方法，其特征在于，用户设备通过集客专线接入运营商所提供的的服务端，所述服务端在所述用户设备接入状态异常的情况下，产生告警数据，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：在所述告警概率大于阈值的情况下，判定所述实时告警数据为正常数据，拦截故障工单，其中，所述正常数据包括工作日午间规律断电产生的告警数据、工作日下班规律断电产生的告警数据，以及节假日断电产生的告警数据。
3.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：
4.根据权利要求3所述的方法，其特征在于，所述对历史告警数据进行处理，得到第一数据集，包括：筛选所述告警数据中告警类型为脱管类的告警数据，对其中的告警数据进行打标签。
5.根据权利要求4所述的方法，其特征在于，所述对其中的告警数据进行打标签，标签包括：工作日午间规律断电标签、工作日下班规律断电标签、节假日规律断电标签、以及其他标签；
6.根据权利要求1-5任一所述的方法，其特征在于，所述对历史告警数据进行处理，还包括：对所述历史告警数据进行归一化处理
7.根据权利要求1所述的方法，其特征在于，所述告警数据的字段包括：告警流水号、告警唯一标识、客户名称、产品实例标识、业务类型、告警对象名称、告警标题、告警发生时间、告警消除时间、告警历时、告警时间标签、是否节假日前一天、告警时间段、是否工作日告警、是否工作日午间告警、是否工作日下班告警、是否节假日前一天告警、当天告警发生次数、本周工作日午间告警次数、本周工作日下班告警次数、前一周工作日午间告警次数、前一周工作日下班告警次数、前一周节假日告警次数、前两周工作日午间告警次数、前两周工作日下班告警次数、前两周工作日下班告警次数、前三周工作日下班告警次数、前三周工作日午间告警次数、前三周工作日下班告警次数、累计一个月工作日下班告警次数、累计一个月工作日午间告警次数、累计一个月节假日告警次数。
8.根据权利要求7所述的方法，其特征在于，所述告警标题包括：DYING_GASP、GPON ONT掉电(DGi)、DG、[GPON告警]ONU电源掉电、设备掉电、[GPON告警]ONU掉/关电、NE_NOT_LOGIN、NE_COMMU_BREAK、承载网管系统告警网元断链、ETH_LOS、以太网物理接口(ETPI)信号丢失(LOS)、以太网物理接口(ETPI)Ethernet端口未连接、RLOS、LINK_LOS、R_LOS、T_ALOS。
9.根据权利要求3所述的方法，其特征在于，所述基于训练集中的数据，训练告警数据界定模型，包括：
10.一种告警装置，其特征在于，所述装置包括：
...【技术特征摘要】
1.一种告警识别方法，其特征在于，用户设备通过集客专线接入运营商所提供的的服务端，所述服务端在所述用户设备接入状态异常的情况下，产生告警数据，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：在所述告警概率大于阈值的情况下，判定所述实时告警数据为正常数据，拦截故障工单，其中，所述正常数据包括工作日午间规律断电产生的告警数据、工作日下班规律断电产生的告警数据，以及节假日断电产生的告警数据。
3.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：
4.根据权利要求3所述的方法，其特征在于，所述对历史告警数据进行处理，得到第一数据集，包括：筛选所述告警数据中告警类型为脱管类的告警数据，对其中的告警数据进行打标签。
5.根据权利要求4所述的方法，其特征在于，所述对其中的告警数据进行打标签，标签包括：工作日午间规律断电标签、工作日下班规律断电标签、节假日规律断电标签、以及其他标签；
6.根据权利要求1-5任一所述的方法，其特征在于，所述对历史告警数据进行处理，还包括：对所述历史告警数据进行归一化处理，所述归一化处理依据公式
7.根据权利要求1所述的方法，其特征在于，所述告警数据的字段包括：告警流水号、告警唯一标识、客户名称、产品实例标识、业务类型、告警对象名称、告警...
【专利技术属性】
技术研发人员：严枫，万波，范文明，朱俊，孙莎莎，
申请(专利权)人：杭州东方通信软件技术有限公司，
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。