CN110955585A - 一种智能系统风险预警方法、装置、设备、介质 - Google Patents
一种智能系统风险预警方法、装置、设备、介质 Download PDFInfo
- Publication number
- CN110955585A CN110955585A CN201911122484.6A CN201911122484A CN110955585A CN 110955585 A CN110955585 A CN 110955585A CN 201911122484 A CN201911122484 A CN 201911122484A CN 110955585 A CN110955585 A CN 110955585A
- Authority
- CN
- China
- Prior art keywords
- alarm
- preset
- early warning
- group
- reference library
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3409—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment for performance assessment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3466—Performance evaluation by tracing or monitoring
- G06F11/3495—Performance evaluation by tracing or monitoring for systems
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Debugging And Monitoring (AREA)
Abstract
本申请公开了一种智能系统风险预警方法、装置、设备、介质，该方法包括：在预设周期内，按照预设频率采集目标系统中的目标部分的实时运行数据；利用所述目标部分的预设权重和所述实时运行数据确定所述目标系统的运行瞬态值组；将所述运行瞬态值组与预先得到的告警特征基准库中的特征数据组进行连续匹配，当连续匹配的比例达到第一预设值时，进行相应的预警；将所述运行瞬态值组与所述特征数据组进行连续匹配，当连续匹配的比例达到第二预设值时，进行相应的正式告警。这样以一段时间周期内系统的运行瞬态值组来判断是否要进行相应的告警，可以减少告警的错误率，提高告警的准确度，且通过扩大告警特征基准库可以扩大系统自身告警范围。
Description
技术领域
本申请涉及系统安全技术及领域，特别涉及一种智能系统风险预警方法、装置、设备、介质。
背景技术
在系统的运行过程中，会出现不正常的情况，如果不能及时发现这些不正常的情况，会由此造成系统故障，继而影响正常的系统服务。在现有的系统预警方法中，主要是采集系统某一时刻相应部位的运行数据，如果此刻的运行数据达到预先设定的相应指标，则进行对应的预警或正式告警，预警错误率高，且预警范围小。
发明内容
有鉴于此，本申请的目的在于提供一种智能系统风险预警方法、装置、设备、介质，能够提高告警的准确度，扩大系统自身告警范围。其具体方案如下：
第一方面，本申请公开了一种智能系统风险预警方法，包括：
在预设周期内，按照预设频率采集目标系统中的目标部分的实时运行数据；
利用所述目标部分的预设权重和所述实时运行数据确定所述目标系统的运行瞬态值组；
将所述运行瞬态值组与预先得到的告警特征基准库中的特征数据组进行连续匹配，当连续匹配的比例达到第一预设值时，进行相应的预警；
将所述运行瞬态值组与所述特征数据组进行连续匹配，当连续匹配的比例达到第二预设值时，进行相应的正式告警。
可选的，所述将所述运行瞬态值组与预先得到的告警特征基准库中的特征数据组进行连续匹配之前，还包括：
在第一采集时刻，采集当前所述目标系统的第一告警类型和所述第一告警类型对应的第一特征数据组；
对所述第一告警类型和所述第一特征数据组进行存储，得到告警特征基准库。
可选的，所述对所述第一告警类型和所述第一特征数据组进行存储，得到告警特征基准库之后，还包括：
在第二采集时刻，采集当前所述目标系统的第二告警类型和所述第二告警类型对应的第二特征数据组，以完善所述告警特征基准库。
可选的，所述在第二采集时刻，采集当前所述目标系统的第二告警类型和所述第二告警类型对应的第二特征数据组，以完善所述告警特征基准库，包括：
如果所述第二告警类型未保存在所述告警特征基准库中，则将所述第二告警类型和所述第二特征数据组增加到所述告警特征基准库。
可选的，所述在第二采集时刻，采集当前所述目标系统的第二告警类型和所述第二告警类型对应的第二特征数据组，以完善所述告警特征基准库，包括：
如果所述第二告警类型已保存在所述告警特征基准库中，则将所述第二特征数据组与所述第一特征数据组求平均值，以得到目标特征数据组，并利用所述目标特征数据组更新所述第一特征数据组。
可选的，所述在预设周期内，按照预设频率采集目标系统中的目标部分的实时运行数据，包括：
在预设周期内，按照预设频率采集目标系统中的CPU、内存、硬盘以及系统日志的实时运行数据。
可选的，所述将所述运行瞬态值组与所述特征数据组进行连续匹配，当匹配的比例达到第二预设值时，进行相应的正式告警之后，还包括：
如果所述正式告警的危险等级超过预设危险等级，则按照预设策略，进行相应的系统处理。
第二方面，本申请公开了一种智能系统风险预警装置，包括：
数据采集模块，用于在预设周期内，按照预设频率采集目标系统中的目标部分的实时运行数据；
瞬态值组确定模块，用于利用所述目标部分的预设权重和所述实时运行数据确定所述目标系统的运行瞬态值组；
第一告警模块，用于将所述运行瞬态值组与预先得到的告警特征基准库中的特征数据组进行连续匹配，当匹配的比例达到第一预设值时，进行相应的预警；
第二告警模块，用于将所述运行瞬态值组与所述特征数据组进行连续匹配，当匹配的比例达到第二预设值时，进行相应的正式告警。
第三方面，本申请公开了一种智能系统风险预警设备，包括：
存储器和处理器；
其中，所述存储器，用于存储计算机程序；
所述处理器，用于执行所述计算机程序，以实现前述公开的智能系统风险预警方法。
第四方面，本申请公开了一种计算机可读存储介质，用于保存计算机程序，其中，所述计算机程序被处理器执行时实现前述公开的智能系统风险预警方法。
可见，本申请先在预设周期内，按照预设频率采集目标系统中的目标部分的实时运行数据；再利用所述目标部分的预设权重和所述实时运行数据确定所述目标系统的运行瞬态值组，并将所述运行瞬态值组与预先得到的告警特征基准库中的特征数据组进行连续匹配，当连续匹配的比例达到第一预设值时，进行相应的预警；将所述运行瞬态值组与所述特征数据组进行连续匹配，当连续匹配的比例达到第二预设值时，进行相应的正式告警。由此可见，本申请需要先按照预设频率采集预设周期内目标系统中的目标部分的实时运行数据，再利用所述目标部分的预设权重和所述实时运行数据确定所述目标系统的运行瞬态值组，然后将所述运行瞬态值组与预先得到的告警特征基准库中的特征数据组进行连续匹配，当连续匹配的比例达到第一预设值时进行相应的预警，当连续匹配的比例达到第二预设值时，进行相应的正式告警。这样以一段时间周期内系统的运行瞬态值组来判断是否要进行相应的预警或正式告警，可以减少告警的错误率，提高告警的准确度，且通过扩大告警特征基准库可以扩大系统自身告警范围。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本申请公开的一种智能系统风险预警方法流程图；
图2为本申请公开的一种具体的智能系统风险预警方法流程图；
图3为本申请公开的一种智能系统风险预警装置结构示意图；
图4为本申请公开的一种智能系统风险预警设备结构图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
在系统的运行过程中，会出现不正常的情况，如果不能及时发现这些不正常的情况，会由此造成系统故障，继而影响正常的系统服务。在现有的系统预警方法中，主要是采集系统某一时刻相应部位的运行数据，如果此刻的运行数据达到预先设定的相应指标，则进行对应的预警或正式告警，预警错误率高，且预警范围小。有鉴于此，本申请提供了一种智能系统风险预警方法，能够减少预警和正式告警的错误率，提高预警和正式告警的准确度，且通过扩大告警特征基准库可以扩大系统自身告警范围。
本申请实施例公开了一种智能系统风险预警方法，参见图1所示，该方法包括：
步骤S11：在预设周期内，按照预设频率采集目标系统中的目标部分的实时运行数据。
本实施例中，需要先在预设周期内，按照预设频率采集目标系统中的目标部分的实时运行情况，以获得表示所述目标系统在当前周期内的实际运行情况，例如，预设周期为15分钟，预设采集频率为30秒一次，则在当前预设周期内可以采集到30组所述目标系统的实时运行数据。
步骤S12：利用所述目标部分的预设权重和所述实时运行数据确定所述目标系统的运行瞬态值组。
在具体的实施过程中，需要给所述目标系统中的目标部分赋予相应的预设权重，所述预设权重可以表示相应部分对所述目标系统运行的影响。在采集到所述目标系统当前周期内的实时运行数据后，利用所述预设权重和所述实时运行数据确定所述目标系统的运行瞬态值组。其中，每个所述目标部分的所述预设权重大于0且小于1，且所述目标系统中的各个所述目标部分的所述预设权重之和为1。具体的，将各个所述目标部分某一时刻的实时运行数据与其相对应的预设权重相乘，再将得到的各个所述目标部分的乘积相加，得到此时刻所述目标系统的运行瞬态值。例如，采集到目标系统在某一时刻的实时运行数据包括：x1、x2、x3，对应的预设权重，依次为p1、p2、p3，其中，0＜p1＜1，0＜p2＜1，0＜p3＜1，且p1+p2+p3＝1。则此时刻所述目标系统对应的运行瞬态值为Y＝x1*p1+x2*p2+x3*p3。
步骤S13：将所述运行瞬态值组与预先得到的告警特征基准库中的特征数据组进行连续匹配，当连续匹配的比例达到第一预设值时，进行相应的预警。
在具体的实施过程中，在确定出所述目标系统的所述运行瞬态值组后，需要将所述运行瞬态值组与预先得到的告警特征基准库中的特征数据组进行连续匹配，当连续匹配的比例达到第一预设值时，进行与所述特征数据组相应的预警。例如，第一预设值为50％，所述目标系统在某一预设周期内的运行瞬态值组为0.5、0.7、1.0、0.8，所述告警特征基准库中的所述特征数据库为0.5、0.7、1.0、0.8、0.9、1.1、1.2、0.3，将所述运行瞬态值与所述特征数据库进行连续匹配，可得所述运行瞬态值组和所述特征数据组的前4个数据能够连续匹配，则得到连续匹配的比例为50％，达到所述第一预设值，则进行与所述特征数据组相对应的预警。
步骤S14：将所述运行瞬态值组与所述特征数据组进行连续匹配，当连续匹配的比例达到第二预设值时，进行相应的正式告警。
本实施例中，当所述运行瞬态值组与所述特征数据组的连续匹配的比例得到所述第一预设值之后，需要继续将所述运行瞬态值组与所述告警特征基准库中的所述特征数据组进行连续匹配，当连续匹配的比例达到第二预设值时，进行相应的正式告警。其中，所述第二预设值大于所述第一预设值。例如，例如，第一预设值为50％，第二预设值为90％，所述目标系统在某一预设周期内的运行瞬态值组为0.5、0.7、1.0、0.8、0.9、1.1、1.2、0.3、1.3，所述告警特征基准库中的所述特征数据库为0.5、0.7、1.0、0.8、0.9、1.1、1.2、0.3、1.3、0.4，将所述运行瞬态值与所述特征数据库进行连续匹配，可得所述运行瞬态值组的前5运行瞬态值和所述特征数据组的前5个数据能够连续匹配，则得到连续匹配的比例为50％，达到所述第一预设值，则进行与所述特征数据组相对应的预警，接着进行连续匹配，所述运行瞬态值组与所述特征数据组前9个数据能够连续匹配，得到连续匹配率为90％，得到所述第二预设值，则进行相应的正式告警。进一步的，所述告警基准库中的所述特征数据组可以包括很多组，当所述特征数据组包括很多组时，将所述运行瞬态值组与所述特征数据组逐一进行连续匹配即可。
可见，本申请先在预设周期内，按照预设频率采集目标系统中的目标部分的实时运行数据；再利用所述目标部分的预设权重和所述实时运行数据确定所述目标系统的运行瞬态值组，并将所述运行瞬态值组与预先得到的告警特征基准库中的特征数据组进行连续匹配，当连续匹配的比例达到第一预设值时，进行相应的预警；将所述运行瞬态值组与所述特征数据组进行连续匹配，当连续匹配的比例达到第二预设值时，进行相应的正式告警。由此可见，本申请需要先按照预设频率采集预设周期内目标系统中的目标部分的实时运行数据，再利用所述目标部分的预设权重和所述实时运行数据确定所述目标系统的运行瞬态值组，然后将所述运行瞬态值组与预先得到的告警特征基准库中的特征数据组进行连续匹配，当连续匹配的比例达到第一预设值时进行相应的预警，当连续匹配的比例达到第二预设值时，进行相应的正式告警。这样以一段时间周期内系统的运行瞬态值组来判断是否要进行相应的预警或正式告警，可以减少告警的错误率，提高告警的准确度，且通过扩大告警特征基准库可以扩大系统自身告警范围。
参见图2所示，本申请实施例公开了一种具体的智能系统风险预警方法，应用于，该方法包括：
步骤S21：在第一采集时刻，采集当前所述目标系统的第一告警类型和所述第一告警类型对应的第一特征数据组。
本实施例中，在正式对目标系统进行风险预警之前，需要先对所述目标系统的告警类型和相应的特征数据组进行大量的收集，以构建告警特征基准库，以便利用所述告警特征基准库确定所述目标系统可能存在的风险，并进行相应的预警和正式告警。在一开始构建完所述告警特征基准库后，还要继续收集所述目标系统的告警类型和与告警类型对应的特征数据组，以完善所述告警特征基准库，有利于提高告警的准确度和扩大告警范围。
步骤S22：对所述第一告警类型和所述第一特征数据组进行存储，得到告警特征基准库。
在具体的实施过程中，在第一采集时刻，采集到当前目标系统的第一告警类型和所述第一告警类型对应的第一特征数据组之后，对所述第一告警类型和所述第一特征数据进行存储，得到告警特征基准库。
步骤S23：在第二采集时刻，采集当前所述目标系统的第二告警类型和所述第二告警类型对应的第二特征数据组，以完善所述告警特征基准库。
在具体的实施过程中，得到所述告警特征基准库后，还需要对所述告警特征基准库进行完善，包括：使所述第一特征数据组更准确；增加所述告警特征基准库中的告警类型和对应的特征数据组，以扩大告警范围。具体的，在第二采集时刻，采集当前时刻所述目标系统的第二告警类型和所述第二告警类型对应的第二特征数据组，以完善所述告警特征基准库，在不断完善过程中，所述告警特征基准库的告警类型覆盖范围逐渐扩大，所述特征数据组越来越精确。所述在第二采集时刻，采集当前所述目标系统的第二告警类型和所述第二告警类型对应的第二特征数据组，以完善所述告警特征基准库，包括：如果所述第二告警类型未保存在所述告警特征基准库中，则将所述第二告警类型和所述第二特征数据组增加到所述告警特征基准库；如果所述第二告警类型已保存在所述告警特征基准库中，则将所述第二特征数据组与所述第一特征数据组求平均值，以得到目标特征数据组，并利用所述目标特征数据组更新所述第一特征数据组。具体的，在第二采集时刻，采集当前所述目标系统的第二告警类型和所述第二告警类型对应的第二特征数据组之后，如果所述第二告警类型为保存在所述告警特征基准库中，则将所述第二告警类型和所述第二特征数据组增加到所述告警特征基准库，以扩大所述告警特征基准库的范围；如果所述第二告警类型已保存在所述告警特征基准库中，则将所述第二特征数据组与所述第一特征数据组求平均值，以得到目标特征数据组，并利用所述目标特征数据组更新所述第一特征数据组。其中，在将所述第二特征数据组与所述第一特征数据组求平均值的过程中，可以将所述第二特征数据组中偏差较大的数据删除，去掉的数据对应位置上的特征数据采用所述第一特征数据组中的相应数据，其他数据对应求平均值。例如，告警类型A对应的第一特征数据组为0.2、0.5、0.7、0.4，所述告警类型A对应的第二特征数据组为0.3、0.3、0.001、0.3，则将所述第二特征数据组中的0.001去掉，得到目标特征数据组为0.25、0.4、0.7、0.35。
步骤S24：在预设周期内，按照预设频率采集目标系统中的目标部分的实时运行数据。
本实施例，所述在预设周期内，按照预设频率采集目标系统中的目标部分的实时运行数据，包括：在预设周期内，按照预设频率采集目标系统中的CPU、内存、硬盘以及系统日志的实时运行数据。在具体的实施过程中，所述目标部分包括但不限于CPU、内存、硬盘以及系统日志等。
步骤S25：利用所述目标部分的预设权重和所述实时运行数据确定所述目标系统的运行瞬态值组。
步骤S26：将所述运行瞬态值组与所述告警特征基准库中的第一特征数据组进行连续匹配，当连续匹配的比例达到第一预设值时，进行相应的预警。
步骤S27：将所述运行瞬态值组与所述第一特征数据组进行连续匹配，当连续匹配的比例达到第二预设值时，进行相应的正式告警。
步骤S28：如果所述正式告警的危险等级超过预设危险等级，则按照预设策略，进行相应的系统处理。
在具体的实施过程中，需要进行相应的正式告警时，存在部分高危告警，需要及时对这部分高危告警采取相应的对策，以避免系统崩溃。具体的，如果所述正式告警的危险等级超过预设危险等级，则按照预设策略，进行相应的系统处理，如关闭高消耗进程等。或者，在正式告警时显示相应的操作提示信息，用户可以选择手动操作或者自动操作，以处理所述正式告警。
参见图3所示，本申请实施例公开了一种智能系统风险预警装置，包括：
数据采集模块11，用于在预设周期内，按照预设频率采集目标系统中的目标部分的实时运行数据；
瞬态值组确定模块12，用于利用所述目标部分的预设权重和所述实时运行数据确定所述目标系统的运行瞬态值组；
第一告警模块13，用于将所述运行瞬态值组与预先得到的告警特征基准库中的特征数据组进行连续匹配，当匹配的比例达到第一预设值时，进行相应的预警；
第二告警模块14，用于将所述运行瞬态值组与所述特征数据组进行连续匹配，当匹配的比例达到第二预设值时，进行相应的正式告警。
可见，本申请先在预设周期内，按照预设频率采集目标系统中的目标部分的实时运行数据；再利用所述目标部分的预设权重和所述实时运行数据确定所述目标系统的运行瞬态值组，并将所述运行瞬态值组与预先得到的告警特征基准库中的特征数据组进行连续匹配，当连续匹配的比例达到第一预设值时，进行相应的预警；将所述运行瞬态值组与所述特征数据组进行连续匹配，当连续匹配的比例达到第二预设值时，进行相应的正式告警。由此可见，本申请需要先按照预设频率采集预设周期内目标系统中的目标部分的实时运行数据，再利用所述目标部分的预设权重和所述实时运行数据确定所述目标系统的运行瞬态值组，然后将所述运行瞬态值组与预先得到的告警特征基准库中的特征数据组进行连续匹配，当连续匹配的比例达到第一预设值时进行相应的预警，当连续匹配的比例达到第二预设值时，进行相应的正式告警。这样以一段时间周期内系统的运行瞬态值组来判断是否要进行相应的预警或正式告警，可以减少告警的错误率，提高告警的准确度，且通过扩大告警特征基准库可以扩大系统自身告警范围。
进一步的，参见图4所示，本申请实施例还公开了一种设备，包括：处理器21和存储器22。
其中，所述存储器22，用于存储计算机程序；所述处理器21，用于执行所述计算机程序，以实现前述实施例中公开的智能系统风险预警方法。
其中，关于上述智能系统风险预警方法的具体过程可以参考前述实施例中公开的相应内容，在此不再进行赘述。
进一步的，本申请实施例还公开了一种计算机可读存储介质，用于保存计算机程序，其中，所述计算机程序被处理器执行时实现以下步骤：
在预设周期内，按照预设频率采集目标系统中的目标部分的实时运行数据；利用所述目标部分的预设权重和所述实时运行数据确定所述目标系统的运行瞬态值组；将所述运行瞬态值组与预先得到的告警特征基准库中的特征数据组进行连续匹配，当连续匹配的比例达到第一预设值时，进行相应的预警；将所述运行瞬态值组与所述特征数据组进行连续匹配，当连续匹配的比例达到第二预设值时，进行相应的正式告警。
可见，本申请先在预设周期内，按照预设频率采集目标系统中的目标部分的实时运行数据；再利用所述目标部分的预设权重和所述实时运行数据确定所述目标系统的运行瞬态值组，并将所述运行瞬态值组与预先得到的告警特征基准库中的特征数据组进行连续匹配，当连续匹配的比例达到第一预设值时，进行相应的预警；将所述运行瞬态值组与所述特征数据组进行连续匹配，当连续匹配的比例达到第二预设值时，进行相应的正式告警。由此可见，本申请需要先按照预设频率采集预设周期内目标系统中的目标部分的实时运行数据，再利用所述目标部分的预设权重和所述实时运行数据确定所述目标系统的运行瞬态值组，然后将所述运行瞬态值组与预先得到的告警特征基准库中的特征数据组进行连续匹配，当连续匹配的比例达到第一预设值时进行相应的预警，当连续匹配的比例达到第二预设值时，进行相应的正式告警。这样以一段时间周期内系统的运行瞬态值组来判断是否要进行相应的预警或正式告警，可以减少告警的错误率，提高告警的准确度，且通过扩大告警特征基准库可以扩大系统自身告警范围。
本实施例中，所述计算机可读存储介质中保存的计算机子程序被处理器执行时，可以具体实现以下步骤：在第一采集时刻，采集当前所述目标系统的第一告警类型和所述第一告警类型对应的第一特征数据组；对所述第一告警类型和所述第一特征数据组进行存储，得到告警特征基准库。
本实施例中，所述计算机可读存储介质中保存的计算机子程序被处理器执行时，可以具体实现以下步骤：在第二采集时刻，采集当前所述目标系统的第二告警类型和所述第二告警类型对应的第二特征数据组，以完善所述告警特征基准库。
本实施例中，所述计算机可读存储介质中保存的计算机子程序被处理器执行时，可以具体实现以下步骤：如果所述第二告警类型未保存在所述告警特征基准库中，则将所述第二告警类型和所述第二特征数据组增加到所述告警特征基准库。
本实施例中，所述计算机可读存储介质中保存的计算机子程序被处理器执行时，可以具体实现以下步骤：如果所述第二告警类型已保存在所述告警特征基准库中，则将所述第二特征数据组与所述第一特征数据组求平均值，以得到目标特征数据组，并利用所述目标特征数据组更新所述第一特征数据组。
本实施例中，所述计算机可读存储介质中保存的计算机子程序被处理器执行时，可以具体实现以下步骤：在预设周期内，按照预设频率采集目标系统中的CPU、内存、硬盘以及系统日志的实时运行数据。
本实施例中，所述计算机可读存储介质中保存的计算机子程序被处理器执行时，可以具体实现以下步骤：如果所述正式告警的危险等级超过预设危险等级，则按照预设策略，进行相应的系统处理。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
最后，还需要说明的是，在本文中，诸如第一和第二之类的关系术语仅仅用来将一个实体或者操作与另一个实体或者操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得一系列包含其他要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上对本申请所提供的一种智能系统风险预警方法、装置、设备、介质进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种智能系统风险预警方法，其特征在于，包括：
在预设周期内，按照预设频率采集目标系统中的目标部分的实时运行数据；
利用所述目标部分的预设权重和所述实时运行数据确定所述目标系统的运行瞬态值组；
将所述运行瞬态值组与预先得到的告警特征基准库中的特征数据组进行连续匹配，当连续匹配的比例达到第一预设值时，进行相应的预警；
将所述运行瞬态值组与所述特征数据组进行连续匹配，当连续匹配的比例达到第二预设值时，进行相应的正式告警。
2.根据权利要求1所述的智能系统风险预警方法，其特征在于，所述将所述运行瞬态值组与预先得到的告警特征基准库中的特征数据组进行连续匹配之前，还包括：
在第一采集时刻，采集当前所述目标系统的第一告警类型和所述第一告警类型对应的第一特征数据组；
对所述第一告警类型和所述第一特征数据组进行存储，得到告警特征基准库。
3.根据权利要求2所述的智能系统风险预警方法，其特征在于，所述对所述第一告警类型和所述第一特征数据组进行存储，得到告警特征基准库之后，还包括：
在第二采集时刻，采集当前所述目标系统的第二告警类型和所述第二告警类型对应的第二特征数据组，以完善所述告警特征基准库。
4.根据权利要求3所述的智能系统风险预警方法，其特征在于，所述在第二采集时刻，采集当前所述目标系统的第二告警类型和所述第二告警类型对应的第二特征数据组，以完善所述告警特征基准库，包括：
如果所述第二告警类型未保存在所述告警特征基准库中，则将所述第二告警类型和所述第二特征数据组增加到所述告警特征基准库。
5.根据权利要求3所述的智能系统风险预警方法，其特征在于，所述在第二采集时刻，采集当前所述目标系统的第二告警类型和所述第二告警类型对应的第二特征数据组，以完善所述告警特征基准库，包括：
如果所述第二告警类型已保存在所述告警特征基准库中，则将所述第二特征数据组与所述第一特征数据组求平均值，以得到目标特征数据组，并利用所述目标特征数据组更新所述第一特征数据组。
6.根据权利要求1所述的智能系统风险预警方法，其特征在于，所述在预设周期内，按照预设频率采集目标系统中的目标部分的实时运行数据，包括：
在预设周期内，按照预设频率采集目标系统中的CPU、内存、硬盘以及系统日志的实时运行数据。
7.根据权利要求1至6任一项所述的智能系统风险预警方法，其特征在于，所述将所述运行瞬态值组与所述特征数据组进行连续匹配，当匹配的比例达到第二预设值时，进行相应的正式告警之后，还包括：
如果所述正式告警的危险等级超过预设危险等级，则按照预设策略，进行相应的系统处理。
8.一种智能系统风险预警装置，其特征在于，包括：
数据采集模块，用于在预设周期内，按照预设频率采集目标系统中的目标部分的实时运行数据；
瞬态值组确定模块，用于利用所述目标部分的预设权重和所述实时运行数据确定所述目标系统的运行瞬态值组；
第一告警模块，用于将所述运行瞬态值组与预先得到的告警特征基准库中的特征数据组进行连续匹配，当匹配的比例达到第一预设值时，进行相应的预警；
第二告警模块，用于将所述运行瞬态值组与所述特征数据组进行连续匹配，当匹配的比例达到第二预设值时，进行相应的正式告警。
9.一种智能系统风险预警设备，包括：
存储器和处理器；
其中，所述存储器，用于存储计算机程序；
所述处理器，用于执行所述计算机程序，以实现权利要求1至7任一项所述的智能系统风险预警方法。
10.一种计算机可读存储介质，用于保存计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的智能系统风险预警方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911122484.6A CN110955585A (zh) | 2019-11-15 | 2019-11-15 | 一种智能系统风险预警方法、装置、设备、介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911122484.6A CN110955585A (zh) | 2019-11-15 | 2019-11-15 | 一种智能系统风险预警方法、装置、设备、介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110955585A true CN110955585A (zh) | 2020-04-03 |
Family
ID=69977682
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911122484.6A Pending CN110955585A (zh) | 2019-11-15 | 2019-11-15 | 一种智能系统风险预警方法、装置、设备、介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110955585A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111737102A (zh) * | 2020-08-21 | 2020-10-02 | 北京志翔科技股份有限公司 | 一种安全预警方法及计算机可读存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104572401A (zh) * | 2015-02-09 | 2015-04-29 | 浪潮软件股份有限公司 | 一种告警方法及告警系统 |
| CN105183614A (zh) * | 2015-11-03 | 2015-12-23 | 华夏银行股份有限公司 | 一种数据库故障预测方法及装置 |
| WO2017117964A1 (zh) * | 2016-01-05 | 2017-07-13 | 中兴通讯股份有限公司 | 一种告警监控方法及装置 |
| CN108055144A (zh) * | 2017-10-23 | 2018-05-18 | 北京迈特力德信息技术有限公司 | 一种网络设备的监控方法及系统 |
| US20190305589A1 (en) * | 2016-11-10 | 2019-10-03 | China Electric Power Research Institute Company Limited | Distribution network risk identification system and method and computer storage medium |
-
2019
- 2019-11-15 CN CN201911122484.6A patent/CN110955585A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104572401A (zh) * | 2015-02-09 | 2015-04-29 | 浪潮软件股份有限公司 | 一种告警方法及告警系统 |
| CN105183614A (zh) * | 2015-11-03 | 2015-12-23 | 华夏银行股份有限公司 | 一种数据库故障预测方法及装置 |
| WO2017117964A1 (zh) * | 2016-01-05 | 2017-07-13 | 中兴通讯股份有限公司 | 一种告警监控方法及装置 |
| US20190305589A1 (en) * | 2016-11-10 | 2019-10-03 | China Electric Power Research Institute Company Limited | Distribution network risk identification system and method and computer storage medium |
| CN108055144A (zh) * | 2017-10-23 | 2018-05-18 | 北京迈特力德信息技术有限公司 | 一种网络设备的监控方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 杨剑梅等: "基于时标量测的电网实时分析告警的处理方法", 《自动化与仪器仪表》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111737102A (zh) * | 2020-08-21 | 2020-10-02 | 北京志翔科技股份有限公司 | 一种安全预警方法及计算机可读存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110967646B (zh) | Soc修正方法和装置、电池管理系统和存储介质 | |
| CN116433009A (zh) | 一种用于变电设备的异常监测方法、装置及存储介质 | |
| CN104811344A (zh) | 网络动态业务监控方法及装置 | |
| US20210232106A1 (en) | Method and apparatus for adjusting process control prediction model and process controller | |
| CN112630805A (zh) | 卫星钟差预报方法及其系统 | |
| CN110955585A (zh) | 一种智能系统风险预警方法、装置、设备、介质 | |
| CN108366274B (zh) | 一种刷播放量的检测方法和装置 | |
| CN102930178B (zh) | 一种负荷数据异常检测方法 | |
| CN115081969A (zh) | 异常数据确定方法及相关装置 | |
| CN110727602A (zh) | 覆盖率数据的处理方法、装置及存储介质 | |
| CN116256059B (zh) | 振动状态监测方法、装置、存储介质及设备 | |
| TWI586982B (zh) | 電池內阻計算方法 | |
| CN107085544B (zh) | 一种系统错误定位方法及装置 | |
| CN113704698A (zh) | 一种非介入式负荷辨识的事件检测方法及系统 | |
| CN115923592A (zh) | 电动车的电池状态检测方法及装置 | |
| CN111104383B (zh) | 一种检测事件日志突发漂移变化的方法及装置 | |
| CN112445679B (zh) | 一种信息检测方法、装置、服务器及存储介质 | |
| KR101600744B1 (ko) | 미지의 시간 가변 지연을 가지는 비선형 피드백 시스템 및 이에 있어서 고장 검출 및 보상 방법 | |
| CN113934458A (zh) | 一种时序指标乱序检测方法、装置及介质 | |
| CN111626523A (zh) | 一种测试风险预警方法及系统 | |
| CN106709251A (zh) | 一种评估方法及装置 | |
| CN115112962A (zh) | 一种非侵入式负荷辨识方法、系统、存储介质及设备 | |
| KR101946826B1 (ko) | 신호 처리 장치 및 방법 | |
| CN108362922B (zh) | 基于遗传算法选频的ct二次回路窃电监测方法 | |
| CN114666148B (zh) | 风险评估方法、装置及相关设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200403 |