CN113392542A - 一种基于事件网的根因溯源方法、装置及电子设备 - Google Patents

Abstract

本发明提供一种基于事件网的根因溯源方法、装置及电子设备，其中，方法包括：获取任一业务场景下的业务活动数据以及事件信息；将业务活动数据输入至基于事件网建立的业务模型，当接收到所述事件信息，则触发业务模型对所述业务场景进行模拟，事件网兼容离散模式和连续模式，基于事件网建立的业务模型包含了所述业务场景下各个业务节点之间的数据流转关系；当发生风险事件，则根据所述业务场景下各个业务节点之间的数据流转关系，建立反向触达图，得到所述风险事件的根因链，所述触达图为有向网结构，用于描述事件的发展方向和因果关系。通过实施本发明，可以对连续事件进行有效表达，从而能够更真实地还原业务场景，进而提高溯源的准确性。

Description

一种基于事件网的根因溯源方法、装置及电子设备

技术领域

本发明涉及计算机技术领域，具体涉及一种基于事件网的根因溯源方法、装置及电子设备。

背景技术

根因分析用于分析问题，找到问题的根本原因，从而解决问题。很多时候，人们只能看到问题的结果以及表象，看不到问题的全貌，然而，只有发现问题的根本原因才能从源头解决问题。例如在业务场景中，出现问题时，需要调查和分析出错的原因以及出错的节点，寻求防止差错事故再次发生的措施，从而提高整体业务的安全和质量。

相关技术中，一般采用PetriNet对所研究的业务场景进行描述与分析，但是PetriNet是离散并行系统的数学表示，适合于描述异步的、并发的计算机系统模型。PetriNet这类离散事件动态系统是由异步、突发的事件触发状态演化的动态系统。对于连续事件/连续输入，则无法有效表达，那么根据PetriNet建立的模型进行根因溯源时，其溯源效果准确性差，因此，亟需提出一种新的根因溯源方法。

发明内容

有鉴于此，本发明实施例提供了一种基于事件网的根因溯源方法、装置及电子设备，以解决现有技术中溯源效果准确性差的缺陷。

根据第一方面，本发明实施例提供一种基于事件网的根因溯源方法，包括如下步骤：获取任一业务场景下的业务活动数据以及事件信息；将所述业务活动数据输入至基于事件网建立的业务模型，当接收到所述事件信息，则触发所述业务模型对所述业务场景进行模拟，完成对物理世界的真实表达，所述事件网兼容离散模式和连续模式，所述基于事件网建立的业务模型包含了所述业务场景下各个业务节点之间的数据流转关系；当发生风险事件，则根据所述业务场景下各个业务节点之间的数据流转关系，建立反向触达图，得到所述风险事件的根因链，所述触达图为有向网结构，用于描述事件的发展方向和因果关系。

可选地，所述基于事件网建立的业务模型为五元组的有向网，所述基于事件网建立的业务模型表达形式为：

EN ＝（P，E，T，A，F）；

其中，EN表示基于事件网建立的业务模型，P为库所的集合，E为事件的集合，T为变迁的集合，A为有向弧的集合，A ⊊（(P ∪ E) ×T）∪（T ×(P ∪ E)），F为发生函数的集合。

可选地，所述发生函数包括前置条件、以及后置函数；所述前置条件包括针对启用所述发生函数的变迁所需要的事件，发生所述变迁的前缀库所以及所述库所需要消费的资产令牌；所述后置函数用于计算发生事件所产生的资产令牌数量。

可选地，基于事件网的根因溯源方法还包括：根据所述根因链，得到系统的诊断结果。

可选地，基于事件网的根因溯源方法还包括：显示所述风险事件的根因链条。

可选地，所述基于事件网建立的业务模型在统一时钟下，进行分布式计算。

可选地，所述事件网包括多个表征不同粒度的网络层级；当任一网络层级的粒度信息不满足用户需求，则按照网络层级顺序进行数据下钻。

根据第二方面，本发明实施例提供一种基于事件网的根因溯源装置，包括：业务数据获取模块，用于获取任一业务场景下的业务活动数据以及事件信息；业务模型建立模块，用于将所述业务活动数据输入至基于事件网建立的业务模型，当接收到所述事件信息，则触发所述业务模型对所述业务场景进行模拟，完成对物理世界的真实表达，所述事件网兼容离散模式和连续模式，所述基于事件网建立的业务模型包含了所述业务场景下各个业务节点之间的数据流转关系；溯源模块，用于当发生风险事件，则根据所述业务场景下各个业务节点之间的数据流转关系，建立反向触达图，得到所述风险事件的根因链，所述触达图为有向网结构，用于描述事件的发展方向和因果关系。

根据第三方面，本发明实施例提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现第一方面或第一方面任一实施方式所述的基于事件网的根因溯源方法的步骤。

根据第四方面，本发明实施例提供一种存储介质，其上存储有计算机指令，该指令被处理器执行时实现第一方面或第一方面任一实施方式所述的基于事件网的根因溯源方法的步骤。

本发明技术方案，具有如下优点：

本发明实施例提供一种基于事件网的根因溯源方法，通过事件网建立业务模型，在对业务进行模拟出现风险事件时，通过事件网建立的业务模型中该业务场景下各个业务节点之间的数据流转关系，建立反向触达图，从而得到风险事件的根因链，由于事件网兼容离散模式和连续模式，对于连续事件/连续输入也可以进行有效表达，从而能够更真实地还原业务场景，进而提高溯源的准确性。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本发明的一些实施方式，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，还可以根据这些附图获得其他的附图。

图1为本发明实施例中基于事件网的根因溯源方法的一个具体示例的流程图；

图2为本发明实施例中基于事件网的根因溯源方法的一个具体示例的流程图；

图3为本发明实施例中基于事件网的根因溯源装置的一个具体示例原理框图；

图4为本发明实施例中电子设备的一个具体示例的原理框图。

具体实施方式

下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例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他实施例，都属于本发明保护的范围。

在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。

在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，还可以是两个元件内部的连通，可以是无线连接，也可以是有线连接。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

此外，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。

本实施例提供一种基于事件网的根因溯源方法，如图1所示，包括如下步骤：

S101，获取任一业务场景下的业务活动数据以及事件信息；

示例性地，任一业务场景可以是企业内部的业务场景，包括采购、生产、销售等过程，可以是企业间的业务场景，包括企业间的供应链关系等等。本实施例对业务场景不做限定，本领域技术人员可以根据需要确定。

业务活动数据表征在此业务场景下的业务往来数据以及与业务相关的其他数据。比如，业务场景可以是钢铁产业，业务活动数据可以是钢铁产业内各个业务节点的生产、销售、采购数据，还可以是与业务相关的其他数据，比如，钢铁市场环境数据等等，对于钢铁市场环境数据这类不能完全量化的数据，可以由用户根据实际设置对应的函数。获取任一业务场景下的业务活动数据的方式可以是接入企业ERP系统获取ERP数据、供应链数据，还可以是接收业务人员输入的业务活动数据。事件信息表征在该业务场景下触发该业务发生的事件，比如，在钢铁烧结的业务场景下，事件信息可以是点燃燃烧物质对铁粉进行烧结。

S102，将业务活动数据输入至基于事件网建立的业务模型，当接收到事件信息，则触发业务模型对业务场景进行模拟，完成对物理世界的真实表达，事件网兼容离散模式和连续模式，基于事件网建立的业务模型包含了业务场景下各个业务节点之间的数据流转关系；

示例性地，事件网为兼容离散和连续两种模式的仿真建模平台，事件网由事件触发，在事件网中集成了大量处理连续输入和离散输入的算法、函数以及集成了大数据处理以及各种机器学习算法。与目前基于Petri Net(PN)的系统相比。事件网的表达能力更强，更自由，网络和拓扑层次清晰，而且能够同时描述物理和虚拟世界的事件，支持离散和连续的混合建模。

基于事件网建立业务模型的方式可以是在事件网平台通过拖/拉/拽的方式将库所（Place ）、事件（Event）、变迁（Transition ）、发生函数进行组合，通过有向弧（Arc）引导业务节点之间数据的流向，从而做好物理世界中该业务场景和赛博空间（Cyberspace）的映射，得到建立的业务模型，其中，赛博空间是哲学和计算机领域中的一个抽象概念，指在计算机以及计算机网络里的虚拟现实。

在事件网中，库所（Place ）表征业务发生的场所，例如炼铁的工厂即为库所；库所（Place）里需要消费的资产令牌（token）数目，其中tokens可以为任一实数，因此可以满足离散和连续的兼容性，同时，底层计算框架支持离散和连续的兼容性。事件即为触发整个业务流转的先决条件；变迁表征业务的流转过程，例如，将生铁粉烧结为致密体的过程。每一个变迁均存在方向，可以用有向弧进行指示。发生函数包括发生的前置条件（pre），发生的时长（firing）及后置函数（post）等等，发生函数中的前置条件（pre）用于根据接收到的信息分析是否满足变迁的触发条件，比如，是否接收到对应的事件信息，库所的token数量是否支持完成变迁等等。发生的时长（firing）用于定义该变迁所需的时间，后置函数(post)用于计算变迁所产生的相应资产令牌数量以及确定变迁后的资产令牌数量存储位置。

以业务模型为钢铁烧结为例，对基于事件网建立业务模型的方式进行说明，如图2所示，库所1可以表示盛放铁粉的场所，库所2可以表示盛放燃烧物质的场所，在库所1和库所2中分别存在不同数量的token，库所1中的token可以用于表示铁粉的数量，库所2中的token用于表示燃烧物质的数量。事件1可以表征点燃燃烧物质对铁粉进行烧结（也即由事件1触发钢铁烧结对钢铁烧结场景的模拟）。铁粉烧结成球状或者块状的致密体的过程可以用变迁表示，在变迁中存在一个发生函数，该发生函数用于掌控整个烧结过程的发生和结束，满足前置条件，则表明满足启动烧结过程发生的条件，前置条件可以是库所1和库所2中的token满足数量要求；当接收到事件1时，则触发启动烧结过程；在结束后，发生函数中的后置函数计算烧结出的致密体的数量，并用对应的token数量进行表示，将该token放入库所3，库所3表示烧结出致密体的存放场所。那么通过对发生函数结果的存储，形成信息素，完成数据流转关系的记录。

将业务活动数据输入至业务模型后，当接收到事件信息，则触发业务模型内部的数据或者网络连接结构或者逻辑关系发生相应变化，比如，业务模型为钢铁产业，某日采购了500吨铁矿石，那么接收到业务活动数据可以表征为增加500个资产令牌（token），当接收到炼钢炉通电炼钢的事件信息时，这500个资产令牌（token）按照不同的比例（比如，500吨生铁矿石在铁前环节对应的库所经过事件触发变迁到钢后环节对应节点的库所时，按照生铁石炼钢的比例，确定钢后环节对应节点的库所的token数量），在业务节点之间进行流转，从而还原真实的业务场景，实现对物理世界的真实表达。

S103，当发生风险事件，则根据业务场景下各个业务节点之间的数据流转关系，建立反向触达图，得到风险事件的根因链，触达图为有向网结构，用于描述事件的发展方向和因果关系。

示例性地，风险事件表征影响业务正常运行的事件，比如，当业务场景可以是钢铁产业，对于钢铁产业而言，必须得保持一个最小的炼铁量，如果不能满足最小炼铁量，导致高炉停机是很严重的生产事故，因此，高炉停机可以作为一个风险事件。

当发生风险事件，根据业务场景下各个业务节点之间的数据流转关系，建立反向触达图的方式可以是根据各个业务节点之间的数据流转关系（也即，根据发生函数中由前置条件pre、发生时长firing、后置函数post形成的信息素）进行逆向溯源，对风险事件有关的数据流转节点以及数据流转方向进行汇总，形成有向网结构，导出得到反向触达图，追溯事件的发展和因果关系，建立风险事件的根因链，从而呈现因果关系和事情发展全貌，回溯风险事件的起源，以便于做出全方位的系统诊断。

本实施例提供一种基于事件网的根因溯源方法，通过事件网建立业务模型，在对业务进行模拟出现风险事件时，通过事件网建立的业务模型中该业务场景下各个业务节点之间的数据流转关系，建立反向触达图，从而得到风险事件的根因链，由于事件网兼容离散模式和连续模式，对于连续事件/连续输入也可以进行有效表达，从而能够更真实地还原业务场景，进而提高溯源的准确性。

作为本实施例一种可选的实施方式，基于事件网建立的业务模型为五元组的有向网，其具体表达形式为：

EN ＝（P，E，T，A，F）；

其中，EN表示基于事件网建立的业务模型，P为库所（Place ）的集合，E为事件（Event）的集合，T为变迁（Transition ）的集合，A为有向弧（Arc）的集合，A⊊（(P ∪ E) ×T）∪（T ×(P ∪ E)），F为发生函数（Firing Funtcion）的集合。

发生函数表达式为：

，t是发生时间。在发生函数中 （Firing Function）包括变迁发生的前置条件（pre）、发生的时长以及后置函数（post函 数）。其中的前置条件包含如下内容：Event Hub 里存储针对发生该变迁所需要的事件 （Event）；该变迁（Transition）前缀有哪些库所（Places），库所里需要消费的Token数目；发 生时间t，t为发生函数的持续时间，允许t=0，且t时间完成后发生（firing）函数就结束。发 生结束后根据后置函数计算发生所产生的相应资产令牌数量（tokens），这些资产令牌 （tokens）放在其后缀的库所中，同时后置函数还可以产生一个或多个Event放在其后缀的 Event Hub 里。

由此，对于事件网可以表示为一个由Place、Transition、Event构成的静态网络，Tokens是消耗物，在网络中流动，在变迁（Transition ）中发生反应，从一个库所（Place ）转换到另外一个库所（Place ），Event是触发事件和生成事件，通过token的流动以及发生函数的前置条件、发生的时长和后置函数的记录，能够还原业务场景下各个业务节点之间的数据流转，准确的还原物理世界的真实变化情况。

作为本实施例一种可选的实施方式，还包括：根据根因链，得到系统的诊断信息。

示例性地，根据根因链，得到系统的诊断信息的方式可以是对根因链进行根因分析，具体的分析方法可以是回溯根因链，读取根因链在事件网中的表达内容，对根因链的表达内容进行解析，得到可能导致风险事件发生的一个或多个原因。比如，钢铁产业中高炉停机作为风险事件，对根因链的表达内容进行解析结果可能是五天前输入基于事件网建立的业务模型中的生铁石远远小于日平均输入量，那么可以得到诊断结果为五天前的输入量不满足需求，导致风险事件，进一步地，还可以将可能导致风险事件发生的原因作为诊断信息对用户进行提示。

作为本实施例一种可选的实施方式，还包括：显示风险事件的根因链。

作为本实施例一种可选的实施方式，基于事件网建立的业务模型在统一时钟下，进行分布式计算和加速。

作为本实施例一种可选的实施方式，事件网包括多个表征不同粒度的网络层级；当任一网络层级的粒度信息不满足用户需求，则按照网络层级顺序进行数据下钻。

示例性地，事件网把物理世界的描述较复杂的模型进行不同粒度的抽象化，形成了不同的粒度对应的网络，多个网络之间存在父网与子网的关联关系，每一个粗粒度父网中包含细粒度的子网。根据用户需求可以实现网络下钻，将子网中的模型进行更小部分的拆分。

本实施例提高一种基于事件网的根因溯源装置，如图3所示，包括：

业务数据获取模块201，用于获取任一业务场景下的业务活动数据以及事件信息；具体内容参见上述方法实施例对应部分，在此不再赘述。

业务模型建立模块202，用于将所述业务活动数据输入至基于事件网建立的业务模型，当接收到所述事件信息，则触发所述业务模型对所述业务场景进行模拟，所述事件网兼容离散模式和连续模式，完成对物理世界的真实表达，所述基于事件网建立的业务模型包含了所述业务场景下各个业务节点之间的数据流转关系；具体内容参见上述方法实施例对应部分，在此不再赘述。

溯源模块203，用于当发生风险事件，则根据所述业务场景下各个业务节点之间的数据流转关系，建立反向触达图，得到所述风险事件的根因链，所述触达图为有向网结构，用于描述事件的发展方向和因果关系。具体内容参见上述方法实施例对应部分，在此不再赘述。

作为本实施例一种可选的实施方式，业务模型建立模块202包括：事件网表达模块，用于表达所述基于事件网建立的业务模型，所述基于事件网建立的业务模型为五元组的有向网，所述基于事件网建立的业务模型表达形式为：

EN ＝（P，E，T，A，F）；

其中，EN表示基于事件网建立的业务模型，P为库所的集合，E为事件的集合，T为变迁的集合，A为有向弧的集合，A ⊊（(P ∪ E) ×T）∪（T ×(P ∪ E)），F为发生函数的集合。具体内容参见上述方法实施例对应部分，在此不再赘述。

作为本实施例一种可选的实施方式，事件网表达模块，包括：发生函数表达模块，用于表达所述发生函数，所述发生函数包括前置条件以及后置函数；

所述前置条件包括针对启用所述发生函数的变迁所需要的事件，发生所述变迁的前缀库所以及所述库所需要消费的资产令牌；具体内容参见上述方法实施例对应部分，在此不再赘述。

所述后置函数用于计算发生事件所产生的资产令牌数量。具体内容参见上述方法实施例对应部分，在此不再赘述。

作为本实施例一种可选的实施方式，基于事件网的根因溯源装置还包括：诊断模块，用于根据所述根因链，得到系统的诊断结果。具体内容参见上述方法实施例对应部分，在此不再赘述。

作为本实施例一种可选的实施方式，基于事件网的根因溯源装置还包括：显示模块，用于显示所述风险事件的根因链条。具体内容参见上述方法实施例对应部分，在此不再赘述。

作为本实施例一种可选的实施方式，基于事件网的根因溯源装置还包括：分布式计算模块，用于在所述基于事件网建立的业务模型在统一时钟下，进行分布式计算。具体内容参见上述方法实施例对应部分，在此不再赘述。

作为本实施例一种可选的实施方式，所述事件网包括多个表征不同粒度的网络层级；业务模型建立模块202包括：数据下钻模块，用于当任一网络层级的粒度信息不满足用户需求，则按照网络层级顺序进行数据下钻。具体内容参见上述方法实施例对应部分，在此不再赘述。

本申请实施例还提供一种电子设备，如图4所示，处理器310和存储器320，其中处理器310和存储器320可以通过总线或者其他方式连接。

处理器310可以为中央处理器（Central Processing Unit，CPU）。处理器310还可以为其他通用处理器、数字信号处理器（Digital Signal Processor，DSP）、专用集成电路（Application Specific Integrated Circuit，ASIC）、现场可编程门阵列（Field-Programmable Gate Array，FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。

存储器320作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如本发明实施例中的基于事件网的根因溯源方法对应的程序指令/模块。处理器通过运行存储在存储器中的非暂态软件程序、指令以及模块，从而执行处理器的各种功能应用以及数据处理。

存储器320可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储处理器所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器320可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

所述一个或者多个模块存储在所述存储器320中，当被所述处理器310执行时，执行如图1所示实施例中的基于事件网的根因溯源方法。

上述电子设备的具体细节可以对应参阅图1所示的实施例中对应的相关描述和效果进行理解，此处不再赘述。

本实施例还提供了一种计算机存储介质，所述计算机存储介质存储有计算机可执行指令，该计算机可执行指令可执行上述任意方法实施例中基于事件网的根因溯源方法。其中，所述存储介质可为磁碟、光盘、只读存储记忆体（Read-Only Memory，ROM）、随机存储记忆体（Random Access Memory，RAM）、快闪存储器（Flash Memory）、硬盘（Hard DiskDrive，缩写：HDD）或固态硬盘（Solid-State Drive，SSD)等；所述存储介质还可以包括上述种类的存储器的组合。

显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。

Claims (10)

1.一种基于事件网的根因溯源方法，其特征在于，包括如下步骤：

获取任一业务场景下的业务活动数据以及事件信息；

将所述业务活动数据输入至基于事件网建立的业务模型，当接收到所述事件信息，则触发所述业务模型对所述业务场景进行模拟，完成对物理世界的真实表达，所述事件网兼容离散模式和连续模式，所述基于事件网建立的业务模型包含了所述业务场景下各个业务节点之间的数据流转关系；

当发生风险事件，则根据所述业务场景下各个业务节点之间的数据流转关系，建立反向触达图，得到所述风险事件的根因链，所述触达图为有向网结构，用于描述事件的发展方向和因果关系。

2.根据权利要求1所述的方法，其特征在于，所述基于事件网建立的业务模型为五元组的有向网，所述基于事件网建立的业务模型表达形式为：

EN ＝（P，E，T，A，F）；

其中，EN表示基于事件网建立的业务模型，P为库所的集合，E为事件的集合，T为变迁的集合，A为有向弧的集合，A ⊊（(P ∪ E) ×T）∪（T ×(P ∪ E)），F为发生函数的集合。

3.根据权利要求2所述的方法，其特征在于，所述发生函数包括前置条件、以及后置函数；

所述前置条件包括针对启用所述发生函数的变迁所需要的事件，发生所述变迁的前缀库所以及所述库所需要消费的资产令牌；

所述后置函数用于计算发生事件所产生的资产令牌数量。

4.根据权利要求1所述的方法，其特征在于，还包括：根据所述根因链，得到系统的诊断结果。

5.根据权利要求1所述的方法，其特征在于，还包括：显示所述风险事件的根因链条。

6.根据权利要求1所述的方法，其特征在于，所述基于事件网建立的业务模型在统一时钟下，进行分布式计算。

7.根据权利要求1所述的方法，其特征在于，所述事件网包括多个表征不同粒度的网络层级；当任一网络层级的粒度信息不满足用户需求，则按照网络层级顺序进行数据下钻。

8.一种基于事件网的根因溯源装置，其特征在于，包括：

业务数据获取模块，用于获取任一业务场景下的业务活动数据以及事件信息；

业务模型建立模块，用于将所述业务活动数据输入至基于事件网建立的业务模型，当接收到所述事件信息，则触发所述业务模型对所述业务场景进行模拟，完成对物理世界的真实表达，所述事件网兼容离散模式和连续模式，所述基于事件网建立的业务模型包含了所述业务场景下各个业务节点之间的数据流转关系；

溯源模块，用于当发生风险事件，则根据所述业务场景下各个业务节点之间的数据流转关系，建立反向触达图，得到所述风险事件的根因链，所述触达图为有向网结构，用于描述事件的发展方向和因果关系。

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1-7任一所述的基于事件网的根因溯源方法的步骤。

10.一种存储介质，其上存储有计算机指令，其特征在于，该指令被处理器执行时实现权利要求1-7任一所述的基于事件网的根因溯源方法的步骤。

Images