CN112804104A - 一种预警方法、装置、设备及介质 - Google Patents
一种预警方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN112804104A CN112804104A CN202110053523.2A CN202110053523A CN112804104A CN 112804104 A CN112804104 A CN 112804104A CN 202110053523 A CN202110053523 A CN 202110053523A CN 112804104 A CN112804104 A CN 112804104A
- Authority
- CN
- China
- Prior art keywords
- abnormal operation
- information
- webpage
- prediction model
- abnormal
- 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
- 238000000034 method Methods 0.000 title claims abstract description 49
- 230000002159 abnormal effect Effects 0.000 claims abstract description 256
- 238000012544 monitoring process Methods 0.000 claims abstract description 18
- 230000004044 response Effects 0.000 claims description 38
- 230000005856 abnormality Effects 0.000 claims description 28
- 238000004590 computer program Methods 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 14
- 238000012549 training Methods 0.000 claims description 12
- 238000003860 storage Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 19
- 238000012806 monitoring device Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000006399 behavior Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/06—Management of faults, events, alarms or notifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/06—Management of faults, events, alarms or notifications
- H04L41/0631—Management of faults, events, alarms or notifications using root cause analysis; using analysis of correlation between notifications, alarms or events based on decision criteria, e.g. hierarchy, tree or time analysis
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Environmental & Geological Engineering (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明实施例提供了一种预警方法、装置、设备及介质,由于本发明实施例获取当前加载的网页的信息和所述网页最终是否被成功加载的状态信息,将该网页的信息及该状态信息输入到预先训练完成的预测模型中,获取该预测模型输出的预测结果,若根据该预测结果,确定当前操作为异常操作,则向目标电子设备发送告警信息。由于本发明实施例通过将当前加载的网页的信息和所述网页最终是否被成功加载的状态信息输入到预先训练完成的预测模型中,根据该预测模型输出的预测结果,判断当前操作是否为异常操作,当当前操作为异常操作时,则向目标电子设备发送告警信息,实现了对异常操作的监控,提高了系统的安全性,提高了用户的使用感受。
Description
技术领域
本发明涉及信息安全技术领域,尤其涉及一种预警方法、装置、设备及介质。
背景技术
目前市场有较多前端监控设备,一种是针对用户行为数据采集的运营监控设备,用于分析用户、用户活跃度以及用户的操作轨迹,还有一种是针对系统性能、系统异常的采集分析,用于提供给研发人员定位异常及性能优化。但是现有的前端监控设备只是停留在数据的采集阶段,并没有对用户的操作是否为异常进行判断。同时,当系统正常,但是出现非正常操作,如爬虫行为时,前端监控设备不会进行报警,导致了前端监控设备的监控效果差,导致系统的安全性低。
发明内容
本发明实施例提供了一种预警方法、装置、设备及介质,用以解决现有技术中前端监控设备无法监控异常操作,监控效果差,导致系统的安全性低的问题。
本发明实施例提供了一种预警方法,所述方法包括:
获取当前加载的网页的信息和所述网页最终是否被成功加载的状态信息;
将所述网页的信息及所述状态信息输入到预先训练完成的预测模型中,获取所述预测模型输出的预测结果;
若根据所述预测结果,确定当前操作为异常操作,则向目标电子设备发送告警信息,其中所述异常操作为网页逻辑异常操作或后台服务响应异常操作。
进一步地,所述确定当前操作为异常操作之后,进行告警之前,所述方法还包括:
确定所述异常操作的类型,对已接收的所述类型的异常操作的数量进行更新;
所述向目标电子设备发送告警信息包括:
判断更新后的数量是否大于所述类型对应的预设告警规则中保存的预设数量阈值;
若是,且未针对所述异常操作进行告警时,向目标电子设备发送告警信息。
进一步地,所述方法还包括:
若所述数量不大于所述类型对应的预设告警规则中保存的预设数量阈值,则不进行告警。
进一步地,所述预测模型的训练过程包括:
获取目标样本信息,其中该目标样本信息携带有加载的目标网页的信息和所述目标网页最终是否被成功加载的目标状态信息;
将该目标样本信息输入到原始预测模型中,获取所述原始预测模型输出的所述目标样本信息为异常操作的预测结果;
根据所述预测结果,对所述预测模型的参数进行调整。
进一步地,所述向目标电子设备发送告警信息包括:
若所述异常操作为网页逻辑异常操作,则向目标电子设备发送携带所述异常操作的类型的告警信息;
若所述异常操作为后台服务响应异常操作,则向目标电子设备发送携带所述异常操作的类型以及响应时间的告警信息。
进一步地,所述获取所述预测模型输出的预测结果包括:
获取所述预测模型输出的当前操作为异常操作的异常度;
所述根据所述预测结果,确定当前操作为异常操作包括:
若所述当前操作的异常度超过预设的异常度阈值,则确定所述当前操作为异常操作。
进一步地,所述确定当前操作为异常操作包括:
若所述当前加载的网页的信息缺失,或所述当前加载的网页的信息出现逻辑错误,则确定所述异常操作是否为网页逻辑异常操作;
若所述网页加载失败,或所述网页加载时间超过预设时长阈值,则确定所述异常操作是否为后台服务响应异常操作。
本发明实施例还提供了一种预警装置,所述装置包括:
获取模块,用于获取当前加载的网页的信息和所述网页最终是否被成功加载的状态信息;
预测模块,用于将所述网页的信息及所述状态信息输入到预先训练完成的预测模型中,获取所述预测模型输出的预测结果;
告警模块,用于若根据所述预测结果,确定当前操作为异常操作,则向目标电子设备发送告警信息,其中所述异常操作为网页逻辑异常操作或后台服务响应异常操作。
进一步地,所述装置还包括:
更新模块,用于确定所述异常操作的类型,对已接收的所述类型的异常操作的数量进行更新;
所述告警模块,具体用于判断更新后的数量是否大于所述类型对应的预设告警规则中保存的预设数量阈值;若是,且未针对所述异常操作进行告警时,向目标电子设备发送告警信息。
进一步地,所述告警模块,还用于若所述数量不大于所述类型对应的预设告警规则中保存的预设数量阈值,则不进行告警。
进一步地,所述装置还包括:
训练模块,用于获取目标样本信息,其中该目标样本信息携带有加载的目标网页的信息和所述目标网页最终是否被成功加载的目标状态信息;将该目标样本信息输入到原始预测模型中,获取所述原始预测模型输出的所述目标样本信息为异常操作的预测结果;根据所述预测结果,对所述预测模型的参数进行调整。
进一步地,所述告警模块,具体用于若所述异常操作为网页逻辑异常操作,则向目标电子设备发送携带所述异常操作的类型的告警信息;若所述异常操作为后台服务响应异常操作,则向目标电子设备发送携带所述异常操作的类型以及响应时间的告警信息。
进一步地,所述预测模块,具体用于获取所述预测模型输出的当前操作为异常操作的异常度;
所述告警模块,具体用于若所述当前操作的异常度超过预设的异常度阈值,则确定所述当前操作为异常操作。
进一步地,所述告警模块,具体用于若所述当前加载的网页的信息缺失,或所述当前加载的网页的信息出现逻辑错误,则确定所述异常操作是否为网页逻辑异常操作;若所述网页加载失败,或所述网页加载时间超过预设时长阈值,则确定所述异常操作是否为后台服务响应异常操作。
本发明实施例还提供了一种电子设备,所述电子设备至少包括处理器和存储器,所述处理器用于执行存储器中存储的计算机程序时实现根据上述任一所述的预警方法的步骤。
本发明实施例还提供了一种计算机可读存储介质,其存储有计算机程序,所述计算机程序被处理器执行时实现根据上述任一所述的预警方法的步骤。
由于本发明实施例获取当前加载的网页的信息和所述网页最终是否被成功加载的状态信息,将该网页的信息及该状态信息输入到预先训练完成的预测模型中,获取该预测模型输出的预测结果,若根据该预测结果,确定当前操作为异常操作,则向目标电子设备发送告警信息,其中该异常操作为网页逻辑异常操作或后台服务响应异常操作。由于本发明实施例通过将当前加载的网页的信息和所述网页最终是否被成功加载的状态信息输入到预先训练完成的预测模型中,根据该预测模型输出的预测结果,判断当前操作是否为异常操作,当当前操作为异常操作时,则向目标电子设备发送告警信息,实现了对异常操作的监控,提高了系统的安全性,提高了用户的使用感受。
附图说明
为了更清楚地说明本发明的技术方案,下面将对实施例描述中所需要使用的附图作简要介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种预警过程示意图;
图2为本发明实施例提供的对异常操作进行告警的流程示意图;
图3为本发明实施例提供的预测模型训练的示意图;
图4为本发明实施例提供的预警过程的示意图;
图5为本发明实施例提供的一种预警装置的结构示意图:
图6为本发明实施例提供的一种电子设备结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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它实施例,都属于本发明保护的范围。
为了对异常操作的监控,提高系统的安全性,提高用户的使用感受,本发明实施例提供了一种预警方法、装置、设备及介质。
实施例1:
图1为本发明实施例提供的一种预警过程示意图,该过程包括以下步骤:
S101:获取当前加载的网页的信息和所述网页最终是否被成功加载的状态信息。
本发明实施例的一种预警方法应用于前端监控设备,该前端监控设备可以与Web服务系统进行连接。
在本发明实施例中,当访问网页时,针对本次访问,前端监控设备可以获取Web服务系统当前加载的网页的信息,以及该网页最终是否被成功加载的状态信息,其中,该网页的信息为该网页的内容信息,该网页最终是否被成功加载的状态信息为该网页被成功加载,或该网页未被成功加载。
在本发明实施例中,还可以统计每个账号信息对应的已经加载的网页的信息,根据该每个账号信息对应的已经加载的网页的信息,确定该账号信息对应的用户行为报告。其中,根据该每个账号信息对应的已经加载的网页的信息,确定该账号信息对应的用户行为报告为现有技术,在此不再进行赘述。
S102:将所述网页的信息及所述状态信息输入到预先训练完成的预测模型中,获取所述预测模型输出的预测结果。
在本发明实施例中,针对任一操作,可以根据当前加载的网页的信息以及该网页最终是否被成功加载的状态信息,判断当前操作是否为异常操作。
其中,在本发明实施例中,通过预先训练完成的预测模型实现对当前操作是否为异常操作的判断。具体的,在获取到当前加载的网页的信息以及该网页是否被成功加载的状态信息后,将该当前加载的网页的信息以及该网页是否被成功加载的状态信息输入到预先训练完成的预测模型中,其中该当前加载的网页的信息为该当前网页的内容信息,获取该预测模型输出的预测结果。其中,该预测结果为当前操作为异常操作的异常度。
S103:若根据所述预测结果,确定当前操作为异常操作,则向目标电子设备发送告警信息,其中所述异常操作为网页逻辑异常操作或后台服务响应异常操作。
在本发明实施例中,在获取到预测模型输出的预测结果后,根据该预测结果确定当前操作是否为异常操作,若确定当前操作为异常操作,则向目标电子设备发送告警信息。
具体的,在本发明实施例中,该预测模型输出的预测结果为该当前操作为异常操作的异常度,在前端监控设备中配置有预先设置好的异常度阈值,当该预测模型输出的异常度大于该异常度阈值时,确定该当前操作为异常操作,则目标电子设备发送告警信息。其中,该异常度阈值可以根据用户的需求进行调整。在本发明实施例中,该目标电子设备为管理员对应的电子设备,该前端监控设备中预先保存有该目标电子设备对应的IP地址,可以根据该IP地址向该目标电子设备发送告警信息。
由于本发明实施例通过将当前加载的网页的信息和所述网页最终是否被成功加载的状态信息输入到预先训练完成的预测模型中,根据该预测模型输出的预测结果,判断当前操作是否为异常操作,当当前操作为异常操作时,则向目标电子设备发送告警信息,实现了对异常操作的监控,提高了系统的安全性,提高了用户的使用感受。
实施例2:
为了实现对异常操作的监控,提高系统的安全性,提高用户的使用感受,在上述实施例的基础上,在本发明实施例中,所述确定当前操作为异常操作之后,进行告警之前,所述方法还包括:
确定所述异常操作的类型,对已接收的所述类型的异常操作的数量进行更新;
所述向目标电子设备发送告警信息包括:
判断更新后的数量是否大于所述类型对应的预设告警规则中保存的预设数量阈值;
若是,且未针对所述异常操作进行告警时,向目标电子设备发送告警信息。
在本发明实施例中,该前端监控设备中记录有异常操作的数量,并实时地对该异常操作的数量进行更新。具体的,在确定该当前操作为异常操作之后,确定该异常操作对应的类型,然后对记录的该类型中已接收的所述异常操作的数量进行更新,例如将记录的异常操作数量增加一个。
此外,该前端监控设备中还保存有预先设置好的告警规则,并且每种类型都对应一个告警规则,该前端监控设备可以根据该告警规则,对异常操作进行告警。具体的,确定该异常操作所在的类型对应的告警规则,在该告警规则中保存有预设数量阈值,当对该类型中已接收的异常操作的数量进行更新后,判断该更新后的数量是否大于该告警规则中保存的预设数量阈值,若是,并且没有针对该异常操作进行告警时,则进行告警,即向目标电子设备发送告警信息。若该更新后的数量大于该告警规则中保存的预设数量阈值,但是已经针对该异常操作进行告警,则不再进行告警。
例如,该类型中已接收的异常操作的更新后的数量为15,该类型对应的告警规则中的预设数量阈值为14,更新后的数量大于该预设数量阈值,并且已经确定未针对该异常操作进行过告警,则前端监控设备进行告警。在进行告警后,该类型中的异常操作的数量清零。
为了实现对异常操作的监控,提高系统的安全性,提高用户的使用感受,在上述各实施例的基础上,在本发明实施例中,所述方法还包括:
若所述数量不大于告警规则中保存的预设数量阈值,则不进行告警。
在本发明实施例中,若该前端监控设备中更新后的数量不大于该告警规则中保存的预设数量阈值,则不进行告警。
例如,该类型中已接收的异常操作的更新后的数量为15,该类型对应的告警规则中的预设数量阈值为20,更新后的数量小于该预设数量阈值,则前端监控设备不进行告警。
图2为本发明实施例提供的对异常操作进行告警的流程示意图,如图2所示,在该过程中,预先在前端监控设备中设置好告警规则,然后每隔半小时,查询该预先设置好的告警规则,确定每个类型中当前的异常操作的数量,并判断每个类型是否满足对应的告警规则,即该类型中的异常操作的数量是否超过其对应的告警规则中的预设数量阈值,若未超过,则不进行告警,若超过,则判断是否针对该类型中的异常操作进行告警,若是,则不进行告警,若否,则进行告警。其中,在进行告警时,需要查询告警发送对象,然后向该对象发送告警。
实施例3:
为了实现对异常操作的监控,提高系统的安全性,提高用户的使用感受,在上述各实施例的基础上,在本发明实施例中,所述预测模型的训练过程包括:
获取目标样本信息,其中该目标样本信息携带有加载的目标网页的信息和所述目标网页最终是否被成功加载的目标状态信息;
将该目标样本信息输入到原始预测模型中,获取所述原始预测模型输出的所述目标样本信息为异常操作的预测结果;
根据所述预测结果,对所述预测模型的参数进行调整。
在本发明实施例中,在对异常操作进行预测之前,需要对预测模型进行训练。具体的,获取目标样本信息,其中该目标样本信息携带有加载的目标网页的信息和该目标网页最终是否被成功加载的目标状态信息,其中该目标样本信息中,部分目标样本信息对应的操作为非异常操作,剩下的一部分目标样本信息对应的操作为异常操作。在获取到目标样本信息后,将该目标样本信息输入到原始预测模型中,获取该原始预测模型输出的该目标样本信息为异常操作的预测结果,然后根据该预测结果,对该预测模型的参数进行调整。其中,该预测模型输出的预测结果为该目标样本信息对应的操作是否为异常操作的异常度。由于在本发明实施例中,在对预测模型进行训练时,输入的目标样本信息对应的操作为非异常操作时,该目标样本信息输入到预测模型后,输出的异常度应该为0;输入的目标样本信息对应的操作为非异常操作时,该目标样本信息输入到预测模型后,输出的异常度应高于预设的异常度阈值。可以基于此,实现对预测模型参数的调整,最终完成对预测模型的训练。
图3为本发明实施例提供的预测模型训练的示意图,如图3所示,在对预测模型的训练过程中,将目标样本信息输入到原始预测模型中,然后获取该原始预测模型输出的该目标样本信息为异常操作的预测结果,根据该预测结果对预测模型的参数进行调整,其中,在图3中,该预测模型为径向基神经网络模型。
实施例4:
为了实现对异常操作的监控,提高系统的安全性,提高用户的使用感受,在上述各实施例的基础上,在本发明实施例中,所述向目标电子设备发送告警信息包括:
若所述异常操作为网页逻辑异常操作,则向目标电子设备发送携带所述异常操作的类型的告警信息;
若所述异常操作为后台服务响应异常操作,则向目标电子设备发送携带所述异常操作的类型以及响应时间的告警信息。
在本发明实施例中,若该异常操作为网页逻辑异常操作,则向目标电子设备发送的告警信息中携带有该异常操作的类型的告警信息,即向目标电子设备发送的告警信息中携带有该异常操作为网页逻辑异常操作的信息。
若该异常操作为后台服务响应异常操作,则向目标电子设备发送携带有该异常操作的类型以及响应时间的告警信息,即向目标电子设备发送的告警信息中携带有该异常操作为该后台服务响应异常操作,以及对该异常操作的响应时间。
为了实现对异常操作的监控,提高系统的安全性,提高用户的使用感受,在上述各实施例的基础上,在本发明实施例中,所述获取所述预测模型输出的预测结果包括:
获取所述预测模型输出的当前操作为异常操作的异常度;
所述根据所述预测结果,确定当前操作为异常操作包括:
若所述当前操作的异常度超过预设的异常度阈值,则确定所述当前操作为异常操作。
在本发明实施例中,该预测模型输出的预测结果为该当前操作时异常操作的异常度。在根据预测模型输出的预测结果,确定当前操作是否为异常操作时,在该前端监控设备中预先设置有异常度阈值,当该预测模型输出的当前操作的异常度超过该异常度阈值时,则确定该当前操作为异常操作。其中,用户可以根据自己的需求对该异常度阈值进行调整。
为了实现对异常操作的监控,提高系统的安全性,提高用户的使用感受,在上述各实施例的基础上,在本发明实施例中,所述确定所述异常操作的类型包括:
若所述当前加载的网页的信息缺失,或所述当前加载的网页的信息出现逻辑错误,则确定所述异常操作是否为网页逻辑异常操作;
若所述网页加载失败,或所述网页加载时间超过预设时长阈值,则确定所述异常操作是否为后台服务响应异常操作。
其中,可以根据获取的当前加载的网页的信息以及该网页最终是否被成功加载的状态信息,确定该异常操作的类型,该异常操作的类型可以是后台服务响应异常操作和网页逻辑异常操作等。其中,可以根据当前加载的网页的信息确定该异常操作是否为网页逻辑异常操作,根据该网页最终是否被成功加载的状态信息确定该异常操作是否为后台服务响应异常操作。具体的,当当前加载的网页的信息缺失,即当前加载的网页的信息显示不完全时,确定该异常操作的类型为网页逻辑异常操作;当当前加载的网页的信息出现逻辑错误时,确定该异常操作的类型为网页逻辑异常操作。当该网页最终是否被成功加载的状态信息为该网页加载失败时,确定该异常操作的类型为后台服务响应异常操作;当当前的网页加载时间超过预设时长阈值时,确定该异常操作的类型为后台服务响应异常。
图4为本发明实施例提供的预警过程的示意图,如图4所示,在本发明实施例中,通过设置需要采集的前端运行信息,并实时生成软件开发工具包(Software DevelopmentKit,SDK),然后通过内容分发网络(Content Delivery Network,CDN)或者网络管理电源控制器(Network Power Manager,NPM)的方式引入该sdk。其中该前端运行信息为前加载的网页的信息以及该网页的最终是否被成功加载的状态信息。同时还会将页面加载性能、运行时异常以及应用程序接口(Application Program Interface,API)调用状态以及耗时等数据,并这些数据上报到日志服务器。将该网页的信息及该状态信息输入到预先训练完成的预测模型中,获取该预测模型输出的预测结果,若根据该预测结果,确定当前操作为异常操作,则进行告警。
实施例4:
图5为本发明实施例提供的一种预警装置的结构示意图,该装置包括:
获取模块501,用于获取当前加载的网页的信息和所述网页最终是否被成功加载的状态信息;
预测模块502,用于将所述网页的信息及所述状态信息输入到预先训练完成的预测模型中,获取所述预测模型输出的预测结果;
告警模块503,用于若根据所述预测结果,确定当前操作为异常操作,则向目标电子设备发送告警信息,其中所述异常操作为网页逻辑异常操作或后台服务响应异常操作。
在一种可能的实施方式中,所述装置还包括:
更新模块504,用于确定所述异常操作的类型,对已接收的所述类型的异常操作的数量进行更新;
所述告警模块503,具体用于判断更新后的数量是否大于所述类型对应的预设告警规则中保存的预设数量阈值;若是,且未针对所述异常操作进行告警时,向目标电子设备发送告警信息。
在一种可能的实施方式中,所述告警模块503,还用于若所述数量不大于所述类型对应的预设告警规则中保存的预设数量阈值,则不进行告警。
在一种可能的实施方式中,所述装置还包括:
训练模块505,用于获取目标样本信息,其中该目标样本信息携带有加载的目标网页的信息和所述目标网页最终是否被成功加载的目标状态信息;将该目标样本信息输入到原始预测模型中,获取所述原始预测模型输出的所述目标样本信息为异常操作的预测结果;根据所述预测结果,对所述预测模型的参数进行调整。
进一步地,所述告警模块503,具体用于若所述异常操作为网页逻辑异常操作,则向目标电子设备发送携带所述异常操作的类型的告警信息;若所述异常操作为后台服务响应异常操作,则向目标电子设备发送携带所述异常操作的类型以及响应时间的告警信息。
进一步地,所述预测模块502,具体用于获取所述预测模型输出的当前操作为异常操作的异常度;
所述告警模块503,具体用于若所述当前操作的异常度超过预设的异常度阈值,则确定所述当前操作为异常操作。
进一步地,所述告警模块503,具体用于若所述当前加载的网页的信息缺失,或所述当前加载的网页的信息出现逻辑错误,则确定所述异常操作是否为网页逻辑异常操作;若所述网页加载失败,或所述网页加载时间超过预设时长阈值,则确定所述异常操作是否为后台服务响应异常操作。
实施例5:
图6为本发明实施例提供的一种电子设备结构示意图,在上述各实施例的基础上,本发明实施例还提供了一种电子设备,如图6所示,包括:处理器601、通信接口602、存储器603和通信总线604,其中,处理器601,通信接口602,存储器603通过通信总线604完成相互间的通信;
所述存储器603中存储有计算机程序,当所述程序被所述处理器601执行时,使得所述处理器601执行如下步骤:
获取当前加载的网页的信息和所述网页最终是否被成功加载的状态信息;
将所述网页的信息及所述状态信息输入到预先训练完成的预测模型中,获取所述预测模型输出的预测结果;
若根据所述预测结果,确定当前操作为异常操作,则向目标电子设备发送告警信息,其中所述异常操作为网页逻辑异常操作或后台服务响应异常操作。
在一种可能的实施方式中,所述确定当前操作为异常操作之后,进行告警之前,所述方法还包括:
确定所述异常操作的类型,对已接收的所述类型的异常操作的数量进行更新;
所述向目标电子设备发送告警信息包括:
判断更新后的数量是否大于所述类型对应的预设告警规则中保存的预设数量阈值;
若是,且未针对所述异常操作进行告警时,向目标电子设备发送告警信息。
在一种可能的实施方式中,所述方法还包括:
若所述数量不大于所述类型对应的预设告警规则中保存的预设数量阈值,则不进行告警。
在一种可能的实施方式中,所述预测模型的训练过程包括:
获取目标样本信息,其中该目标样本信息携带有加载的目标网页的信息和所述目标网页最终是否被成功加载的目标状态信息;
将该目标样本信息输入到原始预测模型中,获取所述原始预测模型输出的所述目标样本信息为异常操作的预测结果;
根据所述预测结果,对所述预测模型的参数进行调整。
在一种可能的实施方式中,所述向目标电子设备发送告警信息包括:
若所述异常操作为网页逻辑异常操作,则向目标电子设备发送携带所述异常操作的类型的告警信息;
若所述异常操作为后台服务响应异常操作,则向目标电子设备发送携带所述异常操作的类型以及响应时间的告警信息。
在一种可能的实施方式中,所述获取所述预测模型输出的预测结果包括:
获取所述预测模型输出的当前操作为异常操作的异常度;
所述根据所述预测结果,确定当前操作为异常操作包括:
若所述当前操作的异常度超过预设的异常度阈值,则确定所述当前操作为异常操作。
在一种可能的实施方式中,所述确定当前操作为异常操作包括:
若所述当前加载的网页的信息缺失,或所述当前加载的网页的信息出现逻辑错误,则确定所述异常操作是否为网页逻辑异常操作;
若所述网页加载失败,或所述网页加载时间超过预设时长阈值,则确定所述异常操作是否为后台服务响应异常操作。
由于上述电子设备解决问题的原理与预警方法相似,因此上述电子设备的实施可以参见方法的实施,重复之处不再赘述。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect,PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口602用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory,RAM),也可以包括非易失性存储器(Non-Volatile Memory,NVM),例如至少一个磁盘存储器。可选地,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述处理器可以是通用处理器,包括中央处理器、网络处理器(NetworkProcessor,NP)等;还可以是数字指令处理器(Digital Signal Processing,DSP)、专用集成电路、现场可编程门陈列或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。
实施例6:
在上述各实施例的基础上,本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质内存储有可由处理器执行的计算机程序,当所述程序在所述处理器上运行时,使得所述处理器执行时实现如下步骤:
获取当前加载的网页的信息和所述网页最终是否被成功加载的状态信息;
将所述网页的信息及所述状态信息输入到预先训练完成的预测模型中,获取所述预测模型输出的预测结果;
若根据所述预测结果,确定当前操作为异常操作,则向目标电子设备发送告警信息,其中所述异常操作为网页逻辑异常操作或后台服务响应异常操作。
在一种可能的实施方式中,所述确定当前操作为异常操作之后,进行告警之前,所述方法还包括:
确定所述异常操作的类型,对已接收的所述类型的异常操作的数量进行更新;
所述向目标电子设备发送告警信息包括:
判断更新后的数量是否大于所述类型对应的预设告警规则中保存的预设数量阈值;
若是,且未针对所述异常操作进行告警时,向目标电子设备发送告警信息。
在一种可能的实施方式中,所述方法还包括:
若所述数量不大于所述类型对应的预设告警规则中保存的预设数量阈值,则不进行告警。
在一种可能的实施方式中,所述预测模型的训练过程包括:
获取目标样本信息,其中该目标样本信息携带有加载的目标网页的信息和所述目标网页最终是否被成功加载的目标状态信息;
将该目标样本信息输入到原始预测模型中,获取所述原始预测模型输出的所述目标样本信息为异常操作的预测结果;
根据所述预测结果,对所述预测模型的参数进行调整。
在一种可能的实施方式中,所述向目标电子设备发送告警信息包括:
若所述异常操作为网页逻辑异常操作,则向目标电子设备发送携带所述异常操作的类型的告警信息;
若所述异常操作为后台服务响应异常操作,则向目标电子设备发送携带所述异常操作的类型以及响应时间的告警信息。
在一种可能的实施方式中,所述获取所述预测模型输出的预测结果包括:
获取所述预测模型输出的当前操作为异常操作的异常度;
所述根据所述预测结果,确定当前操作为异常操作包括:
若所述当前操作的异常度超过预设的异常度阈值,则确定所述当前操作为异常操作。
在一种可能的实施方式中,所述确定当前操作为异常操作包括:
若所述当前加载的网页的信息缺失,或所述当前加载的网页的信息出现逻辑错误,则确定所述异常操作是否为网页逻辑异常操作;
若所述网页加载失败,或所述网页加载时间超过预设时长阈值,则确定所述异常操作是否为后台服务响应异常操作。
由于上述提供的计算机可读取介质解决问题的原理与预警方法相似,因此处理器执行上述计算机可读取介质中的计算机程序后,实现的步骤可以参见上述其他实施例,重复之处不再赘述。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (10)
1.一种预警方法,其特征在于,应用于前端监控设备,所述方法包括:
获取当前加载的网页的信息和所述网页最终是否被成功加载的状态信息;
将所述网页的信息及所述状态信息输入到预先训练完成的预测模型中,获取所述预测模型输出的预测结果;
若根据所述预测结果,确定当前操作为异常操作,则向目标电子设备发送告警信息,其中所述异常操作为网页逻辑异常操作或后台服务响应异常操作。
2.根据权利要求1所述的方法,其特征在于,所述确定当前操作为异常操作之后,进行告警之前,所述方法还包括:
确定所述异常操作的类型,对已接收的所述类型的异常操作的数量进行更新;
所述向目标电子设备发送告警信息包括:
判断更新后的数量是否大于所述类型对应的预设告警规则中保存的预设数量阈值;
若是,且未针对所述异常操作进行告警时,向目标电子设备发送告警信息。
3.根据权利要求2所述的方法,其特征在于,所述方法还包括:
若所述数量不大于所述类型对应的预设告警规则中保存的预设数量阈值,则不进行告警。
4.根据权利要求1所述的方法,其特征在于,所述预测模型的训练过程包括:
获取目标样本信息,其中该目标样本信息携带有加载的目标网页的信息和所述目标网页最终是否被成功加载的目标状态信息;
将该目标样本信息输入到原始预测模型中,获取所述原始预测模型输出的所述目标样本信息为异常操作的预测结果;
根据所述预测结果,对所述预测模型的参数进行调整。
5.根据权利要求1所述的方法,其特征在于,所述向目标电子设备发送告警信息包括:
若所述异常操作为网页逻辑异常操作,则向目标电子设备发送携带所述异常操作的类型的告警信息;
若所述异常操作为后台服务响应异常操作,则向目标电子设备发送携带所述异常操作的类型以及响应时间的告警信息。
6.根据权利要求1所述的方法,其特征在于,所述获取所述预测模型输出的预测结果包括:
获取所述预测模型输出的当前操作为异常操作的异常度;
所述根据所述预测结果,确定当前操作为异常操作包括:
若所述当前操作的异常度超过预设的异常度阈值,则确定所述当前操作为异常操作。
7.根据权利要求1所述的方法,其特征在于,所述确定当前操作为异常操作包括:
若所述当前加载的网页的信息缺失,或所述当前加载的网页的信息出现逻辑错误,则确定所述异常操作是否为网页逻辑异常操作;
若所述网页加载失败,或所述网页加载时间超过预设时长阈值,则确定所述异常操作是否为后台服务响应异常操作。
8.一种预警装置,其特征在于,所述装置包括:
获取模块,用于获取当前加载的网页的信息和所述网页最终是否被成功加载的状态信息;
预测模块,用于将所述网页的信息及所述状态信息输入到预先训练完成的预测模型中,获取所述预测模型输出的预测结果;
告警模块,用于若根据所述预测结果,确定当前操作为异常操作,则向目标电子设备发送告警信息,其中所述异常操作为网页逻辑异常操作或后台服务响应异常操作。
9.一种电子设备,其特征在于,所述电子设备至少包括处理器和存储器,所述处理器用于执行存储器中存储的计算机程序时实现根据权利要求1-7中任一所述的预警方法的步骤。
10.一种计算机可读存储介质,其特征在于,其存储有计算机程序,所述计算机程序被处理器执行时实现根据权利要求1-7中任一所述的预警方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110053523.2A CN112804104A (zh) | 2021-01-15 | 2021-01-15 | 一种预警方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110053523.2A CN112804104A (zh) | 2021-01-15 | 2021-01-15 | 一种预警方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112804104A true CN112804104A (zh) | 2021-05-14 |
Family
ID=75809535
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110053523.2A Pending CN112804104A (zh) | 2021-01-15 | 2021-01-15 | 一种预警方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112804104A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117149552A (zh) * | 2023-10-31 | 2023-12-01 | 联通在线信息科技有限公司 | 自动化接口检测方法、装置、电子设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070281623A1 (en) * | 2006-06-01 | 2007-12-06 | Sun Microsystems, Inc. | Method and system for mobile device performance monitoring |
CN109815089A (zh) * | 2019-01-16 | 2019-05-28 | 中国平安财产保险股份有限公司 | H5页面监控方法、装置、计算机设备和存储介质 |
CN110597694A (zh) * | 2019-08-09 | 2019-12-20 | 深圳木成林科技有限公司 | 一种监控前端页面的方法及终端 |
CN110968475A (zh) * | 2019-11-13 | 2020-04-07 | 泰康保险集团股份有限公司 | 监控网页的方法、装置、电子设备及可读存储介质 |
-
2021
- 2021-01-15 CN CN202110053523.2A patent/CN112804104A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070281623A1 (en) * | 2006-06-01 | 2007-12-06 | Sun Microsystems, Inc. | Method and system for mobile device performance monitoring |
CN109815089A (zh) * | 2019-01-16 | 2019-05-28 | 中国平安财产保险股份有限公司 | H5页面监控方法、装置、计算机设备和存储介质 |
CN110597694A (zh) * | 2019-08-09 | 2019-12-20 | 深圳木成林科技有限公司 | 一种监控前端页面的方法及终端 |
CN110968475A (zh) * | 2019-11-13 | 2020-04-07 | 泰康保险集团股份有限公司 | 监控网页的方法、装置、电子设备及可读存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117149552A (zh) * | 2023-10-31 | 2023-12-01 | 联通在线信息科技有限公司 | 自动化接口检测方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110191094B (zh) | 异常数据的监控方法及装置、存储介质、终端 | |
KR20180108446A (ko) | Ict 인프라 관리 시스템 및 이를 이용한 ict 인프라 관리 방법 | |
CN112436968A (zh) | 一种网络流量的监测方法、装置、设备及存储介质 | |
CN109088775B (zh) | 异常监控方法、装置以及服务器 | |
CA2614860A1 (en) | System and method for detecting imbalances in dynamic workload scheduling in clustered environments | |
CN112702184A (zh) | 故障预警方法及装置、计算机可存储介质 | |
CN111130867B (zh) | 一种基于物联网的智能家居设备告警方法及装置 | |
CN112532435A (zh) | 一种运维方法、运维管理平台、设备及介质 | |
CN112804104A (zh) | 一种预警方法、装置、设备及介质 | |
CN114548280A (zh) | 故障诊断模型的训练、故障诊断方法及电子设备 | |
CN110674149A (zh) | 业务数据处理方法、装置、计算机设备和存储介质 | |
CN113536306A (zh) | 处理健康信息以确定是否发生异常 | |
CN102986151A (zh) | 监视系统及数据传输装置和方法 | |
CN113835961B (zh) | 告警信息监控方法、装置、服务器及存储介质 | |
CN110990223A (zh) | 一种基于系统日志的监控告警方法及装置 | |
WO2023181241A1 (ja) | 監視サーバ装置、システム、方法、及びプログラム | |
JP2019211919A (ja) | 監視装置、監視方法、及びコンピュータプログラム | |
WO2022015313A1 (en) | Generation of alerts of correlated time-series behavior of environments | |
CN112508207A (zh) | 故障检测方法、装置、设备及存储介质 | |
CN111289036A (zh) | 设备故障预警方法、装置、设备及系统 | |
CN113778836B (zh) | 云原生应用健康监测方法、装置、设备与可读存储介质 | |
CN110750418B (zh) | 一种信息处理方法、电子设备和信息处理系统 | |
CN109302299B (zh) | 一种网站断链检测方法及装置 | |
CN109102292B (zh) | 一种监控客户端运行状态的方法及装置 | |
CN117785625A (zh) | 服务器性能预测方法、装置、设备及存储介质 |
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: 20210514 |