CN115454794A - 风险检测方法、装置、电子设备及存储介质 - Google Patents

Abstract

本公开提供了风险检测方法、装置、电子设备及存储介质，涉及云计算、自动驾驶以及深度学习等人工智能领域，其中的方法可包括：获取来自第一待检测设备的检测日志，所述检测日志中记录有数据采集结果，所述数据采集结果为第一待检测设备处于运行状态时、对第一待检测设备的待检测项进行数据采集得到的；根据所述检测日志生成体检报告，所述体检报告中包括确定出的存在安全风险的待检测项。应用本公开所述方案，可提升设备运行的稳定性、可靠性和安全性等。

Description

风险检测方法、装置、电子设备及存储介质

技术领域

本公开涉及人工智能技术领域，特别涉及云计算、自动驾驶以及深度学习等领域的风险检测方法、装置、电子设备及存储介质。

背景技术

自动驾驶车辆又可称无人驾驶车辆，是指可依靠各种软硬件的协同合作，在没有人类主动操作的情况下可自动行驶的车辆。未来，希望自动驾驶车辆能够在不同的场景下得到广泛的应用，相应地，需要不断提升其运行的安全性。

发明内容

本公开提供了风险检测方法、装置、电子设备及存储介质。

一种风险检测方法，包括：

获取来自第一待检测设备的检测日志，所述检测日志中记录有数据采集结果，所述数据采集结果为所述第一待检测设备处于运行状态时、对所述第一待检测设备的待检测项进行数据采集得到的；

根据所述检测日志生成体检报告，所述体检报告中包括确定出的存在安全风险的待检测项。

一种风险检测方法，包括：

响应于确定第一待检测设备处于运行状态，对所述第一待检测设备的待检测项进行数据采集，并将数据采集结果记录到检测日志中；

将所述检测日志上传到云端，用于所述云端生成体检报告，所述体检报告中包括确定出的存在安全风险的待检测项。

一种风险检测装置，包括：日志获取模块以及报告生成模块；

所述日志获取模块，用于获取来自第一待检测设备的检测日志，所述检测日志中记录有数据采集结果，所述数据采集结果为所述第一待检测设备处于运行状态时、对所述第一待检测设备的待检测项进行数据采集得到的；

所述报告生成模块，用于根据所述检测日志生成体检报告，所述体检报告中包括确定出的存在安全风险的待检测项。

一种风险检测装置，包括：数据采集模块以及日志发送模块；

所述数据采集模块，用于响应于确定第一待检测设备处于运行状态，对所述第一待检测设备的待检测项进行数据采集，并将数据采集结果记录到检测日志中；

所述日志发送模块，用于将所述检测日志上传到云端，用于所述云端生成体检报告，所述体检报告中包括确定出的存在安全风险的待检测项。

一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如以上所述的方法。

一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使计算机执行如以上所述的方法。

一种计算机程序产品，包括计算机程序/指令，所述计算机程序/指令被处理器执行时实现如以上所述的方法。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1为本公开所述风险检测方法第一实施例的流程图；

图2为本公开所述风险检测方法第二实施例的流程图；

图3为本公开所述第一待检测设备、云端以及运维人员的交互方式示意图；

图4为本公开所述风险检测装置第一实施例400的组成结构示意图；

图5为本公开所述风险检测装置第二实施例500的组成结构示意图；

图6为本公开所述风险检测装置第三实施例600的组成结构示意图；

图7示出了可以用来实施本公开的实施例的电子设备700的示意性框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

另外，应理解，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。

图1为本公开所述风险检测方法第一实施例的流程图。如图1所示，包括以下具体实现方式。

在步骤101中，获取来自第一待检测设备的检测日志，所述检测日志中记录有数据采集结果，所述数据采集结果为第一待检测设备处于运行状态时、对第一待检测设备的待检测项进行数据采集得到的。

在步骤102中，根据所述检测日志生成体检报告(Health Check Report)，所述体检报告中包括确定出的存在安全风险的待检测项。

优选地，所述第一待检测设备可为自动驾驶车辆，但并不局限于自动驾驶车辆，比如，可为任意采用类尤尼斯(Linux)操作系统的服务器、自动化设备以及人工智能产品等复杂硬件系统，具有广泛适用性。Linux是一种自由和开放源码的类Unix操作系统，尤尼斯(Unix)是20世纪70年代初出现的一个操作系统，除了作为网络操作系统之外，还可以作为单机操作系统使用。

目前的自动驾驶车辆，通常都是在出现故障或事故后，才会产生告警信息，并提供数据用于故障或事故原因分析及责任划分等。

而采用上述方法实施例所述方案，可基于第一待检测设备如所述自动驾驶车辆的待检测项的数据采集结果生成体检报告，其中可展示有存在安全风险的待检测项，即可基于数据采集结果提前发现存在安全风险的待检测项，从而便于运维人员进行针对性的修复等，进而提前预防了故障甚至是事故的发生，提升了设备运行的稳定性、可靠性和安全性等。

在实际应用中，图1所示实施例的执行主体可为云端(云服务器)。

云端可获取来自第一待检测设备的检测日志，其中可记录有数据采集结果，所述数据采集结果可为第一待检测设备处于运行状态时、对第一待检测设备的待检测项进行数据采集得到的。

待检测项具体包括哪些内容可根据实际需要而定。比如，以第一待检测设备为自动驾驶车辆为例，待检测项可包括：激光雷达和相机等传感器，以及中央处理单元(CPU，Central Processing Unit)或图形处理单元(GPU，Graphics Processing Unit)等。

本公开的一个实施例中，数据采集结果可包括：最近一天内得到的所有数据采集结果，相应地，体检报告可包括：最近一天的体检报告。

比如，当第x天(表示任意一天)自动驾驶车辆运行时，可对待检测项进行数据采集，得到数据采集结果，并可记录到检测日志中，当自动驾驶车辆结束该天的运行后，可将检测日志上传到云端，相应地，云端可根据获取到的检测日志生成该天的体检报告，其中可包括确定出的存在安全风险的待检测项。

在实际应用中，可将生成的体检报告通过预定方式发送给运维人员，如通过邮件发送给运维人员，或者，通过即时通讯工具发送给运维人员等。

通过上述处理，可提前发现设备运行潜在的风险，提示运维人员每天对风险进行主动修复等，而不是等到故障或事故发生后再做处理，具有很强的前瞻性和预防性作用，相应地，下一天设备运行时，通常风险已得到了修复，从而确保了设备的正常运行。

本公开的一个实施例中，所述体检报告中还可包括：存在安全风险的待检测项对应的参数信息，所述参数信息可包括以下之一或全部：存在安全风险的待检测项对应的风险等级，存在安全风险的待检测项对应的风险类型。

风险类型即指所述风险具体为何种类型的风险，从而可方便运维人员进行针对性的处理，风险等级用于表示风险的严重程度，可便于运维人员确定风险处理的优先级，比如，假设共有3个存在安全风险的待检测项，分别为待检测项1、待检测项2和待检测项3，其中，待检测项1和待检测项3的风险等级高于待检测项2的风险等级，那么如果运维人员比较忙无法处理全部的待检测项的话，可优先处理待检测项1和待检测项3，待检测项2由于风险等级较低，短期内发生故障的可能性较小，因此可在后续空闲时再做处理，也就是说，借助于风险等级，可方便运维人员在确保设备正常运行的前提下，合理地安排自己的工作和时间。

如何根据检测日志生成体检报告不作限制。本公开的一个实施例中，可根据检测日志以及预先设定的评估规则，确定出存在安全风险的待检测项以及参数信息，根据确定结果生成体检报告，或者，也可根据检测日志以及预先训练得到的网络模型，确定出存在安全风险的待检测项以及参数信息，根据确定结果生成体检报告。

前一种方式中，可针对不同的待检测项，分别设定对应的评估规则，评估规则的具体内容同样可根据实际需要而定，相应地，基于评估规则，可确定出存在安全风险的待检测项以及风险等级和风险类型等。

后一种方式中，可针对不同的待检测项，分别生成对应的网络模型，相应地，可将各待检测项的数据采集结果作为网络模型的输入，从而得到输出的判定结果，即是否存在安全风险的判定结果，若存在安全风险，还可进一步输出风险等级以及风险类型等。

无论采用上述哪种方式，均可准确高效地确定出存在安全风险的待检测项以及参数信息，进而可相应地生成体检报告，并可发送给运维人员进行处理。

另外，本公开的一个实施例中，在根据检测日志生成体检报告时，可根据获取自第一待检测设备的检测日志生成第一待检测设备对应的体检报告，或者，还可获取来自第一待检测设备之外的至少一个其它待检测设备的检测日志，根据获取到的所有检测日志，生成第一待检测设备以及其它待检测设备共同对应的体检报告。

仍以自动驾驶车辆为例，可针对每台自动驾驶车辆，分别生成一份体检报告，或者，也可以针对多台自动驾驶车辆，如一个车队的多台自动驾驶车辆，生成一份共同的体检报告，其中可展示有每台存在安全风险的车辆的具体风险信息，即存在安全风险的待检测项以及参数信息，具体采用哪种方式可根据实际需要而定，非常的灵活方便。

对于自动驾驶车辆，激光雷达和相机等传感器相当于驾驶员的眼睛，用于感知外界的情况，从而反馈给计算硬件，完成相应的算法决策，进而控制车辆完成自动驾驶功能。以下即以相机为例，对本公开方法实施例所述方案进行进一步说明。

比如，在第x天自动驾驶车辆运行过程中，车辆的某一路相机如相机a出现物理链路不稳定的情况，由于传感器的冗余设计，当天可能造成的结果为视觉处理方案性能降低，如出现某个障碍物的漏检或误判，但对于自动驾驶车辆的整体运行并未造成影响，即车辆仍可正常行驶，完成自动驾驶的路线决策等，但此问题的发生，从系统的角度来看，降低了安全冗余的可靠性，采用本公开方法实施例所述方案，在第x天的检测日志中，会通过数据采集结果记录下相机a出现的问题，收车后可将检测日志上传云端，相应地，云端可根据检测日志生成体检报告，其中会展示有相机a存在安全风险的提示，并可进一步展示有风险等级和风险类型，如物理链路不稳定。运维人员获取到体检报告后，可有针对性地对相机a进行检查和修复，使其风险消除，这样，在第x+1天车辆再次运行时，将恢复为健康状态，从而达到预防故障甚至是事故发生的目的。反之，如果未采用本公开方法实施例所述方案，任由相机a存在的问题存在而不去处理，那么系统的可靠性会不断降低，未来某一天可能会直接或间接地造成故障或事故的发生。

以上以相机为例进行说明，对于其它的待检测项，可采用同样的处理方式，不再赘述。

对于运维人员来说，不需要等到实际的故障或事故发生后再进行检查和修复，通过本公开方法实施例所述方案，可每天收到一份针对单个车辆或针对整个车队的体检报告，并可根据体检报告快速地发现存在安全风险的车辆以及具体的存在安全风险的待检测项，从而进行对应的维修保养，比如，通过对相机和线束的清洁和插拔等，可以解决相机潜在的安全风险，针对过温的GPU或CPU，可以提前进行除尘维护，避免芯片过热造成算力的下降，从而影响整个系统的自动驾驶性能等。

以上主要是从云端一侧对本公开方法实施例所述方案进行说明，以下从第一待检测设备一侧对本公开方法实施例所述方案进行进一步说明。

图2为本公开所述风险检测方法第二实施例的流程图。如图2所示，包括以下具体实现方式。

在步骤201中，响应于确定第一待检测设备处于运行状态，对第一待检测设备的待检测项进行数据采集，并将数据采集结果记录到检测日志中。

在步骤202中，将所述检测日志上传到云端，用于云端生成体检报告，所述体检报告中包括确定出的存在安全风险的待检测项。

采用上述方法实施例所述方案，可基于第一待检测设备的待检测项的数据采集结果生成体检报告，其中可展示有存在安全风险的待检测项，即可基于数据采集结果提前发现存在安全风险的待检测项，从而便于运维人员进行针对性的修复等，进而提前预防了故障甚至是事故的发生，提升了设备运行的稳定性、可靠性和安全性等。

本公开的一个实施例中，体检报告中还可包括：存在安全风险的待检测项对应的参数信息，所述参数信息可包括以下之一或全部：存在安全风险的待检测项对应的风险等级，存在安全风险的待检测项对应的风险类型。

风险类型即指所述风险具体为何种类型的风险，从而可方便运维人员进行针对性的处理，风险等级用于表示风险的严重程度，可便于运维人员确定风险处理的优先级。

在实际应用中，图2所示实施例的执行主体可为软件脚本，如Linux软件脚本，无需额外增加硬件设备或装置，从而降低了实现成本及实现复杂度，并增强了可移植性等。

本公开的一个实施例中，当第一待检测设备为自动驾驶车辆时，还可进行以下处理：响应于确定自动驾驶车辆启动，对自动驾驶车辆进行安全检查，响应于检查结果为未通过，禁止启动自动驾驶车辆的自动驾驶模式，反之，可允许启动自动驾驶车辆的自动驾驶模式。

在实际应用中，可能由于某种原因，导致车辆出现比较严重的安全风险，比如，对于体检报告中展示的存在安全风险的待检测项，运维人员由于某种原因一直未进行处理，如忽略或遗漏了风险的消除，那么随着风险的累积，就会变为比较严重的安全风险，为防止这类情况的出现，自动驾驶车辆每次启动时，可对其进行安全检查，即进行启动自检，若检查结果为未通过，如存在所述的比较严重的安全风险，可禁止启动自动驾驶车辆的自动驾驶模式，即触发设备的应用自锁，以防止风险的继续扩大，进而进一步提升了自动驾驶车辆的安全性。

结合上述介绍，图3为本公开所述第一待检测设备、云端以及运维人员的交互方式示意图。

以仅生成第一待检测设备对应的体检报告为例，如图3所示，第一待检测设备可生成检测日志，发送给云端，云端可根据获取到的检测日志生成第一待检测设备对应的体检报告，并可将生成的体检报告发送给运维人员，运维人员可根据获取到的体检报告对第一待检测设备进行检查和修复，从而提升了第一待检测设备的安全性。

需要说明的是，对于前述的各方法实施例，为了简单描述，将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本公开并不受所描述的动作顺序的限制，因为依据本公开，某些步骤可以采用其它顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本公开所必须的。另外，某个实施例中没有详述的部分，可以参见其它实施例中的相关说明。

总之，采用本公开方法实施例所述方案，可根据获取到的第一待检测设备的待检测项的数据采集结果，提前发现潜在的安全隐患，并进行修复，从而提升了第一待检测设备运行的稳定性、可靠性和安全性等。

以上是关于方法实施例的介绍，以下通过装置实施例，对本公开所述方案进行进一步说明。

图4为本公开所述风险检测装置第一实施例400的组成结构示意图。如图4所示，包括：日志获取模块401以及报告生成模块402。

日志获取模块401，用于获取来自第一待检测设备的检测日志，所述检测日志中记录有数据采集结果，所述数据采集结果为第一待检测设备处于运行状态时、对第一待检测设备的待检测项进行数据采集得到的。

报告生成模块402，用于根据所述检测日志生成体检报告，所述体检报告中包括确定出的存在安全风险的待检测项。

采用上述装置实施例所述方案，可基于第一待检测设备的待检测项的数据采集结果生成体检报告，其中可展示有存在安全风险的待检测项，即可基于数据采集结果提前发现存在安全风险的待检测项，从而便于运维人员进行针对性的修复等，进而提前预防了故障甚至是事故的发生，提升了设备运行的稳定性、可靠性和安全性等。

本公开的一个实施例中，数据采集结果可包括：最近一天内得到的所有数据采集结果，相应地，体检报告可包括：最近一天的体检报告。

本公开的一个实施例中，体检报告中还可包括：存在安全风险的待检测项对应的参数信息，所述参数信息可包括以下之一或全部：存在安全风险的待检测项对应的风险等级，存在安全风险的待检测项对应的风险类型。

风险类型即指所述风险具体为何种类型的风险，从而可方便运维人员进行针对性的处理，风险等级用于表示风险的严重程度，可便于运维人员确定风险处理的优先级。

如何根据检测日志生成体检报告不作限制。本公开的一个实施例中，报告生成模块402可根据检测日志以及预先设定的评估规则，确定出存在安全风险的待检测项以及参数信息，根据确定结果生成体检报告，或者，也可根据检测日志以及预先训练得到的网络模型，确定出存在安全风险的待检测项以及参数信息，根据确定结果生成体检报告。

前一种方式中，可针对不同的待检测项，分别设定对应的评估规则，评估规则的具体内容同样可根据实际需要而定，相应地，基于评估规则，可确定出存在安全风险的待检测项以及风险等级和风险类型等。

后一种方式中，可针对不同的待检测项，分别生成对应的网络模型，相应地，可将各待检测项的数据采集结果作为网络模型的输入，从而得到输出的判定结果，即是否存在安全风险的判定结果，若存在安全风险，还可进一步输出风险等级以及风险类型等。

另外，本公开的一个实施例中，报告生成模块402在根据检测日志生成体检报告时，可根据获取自第一待检测设备的检测日志生成第一待检测设备对应的体检报告，或者，还可获取来自第一待检测设备之外的至少一个其它待检测设备的检测日志，根据获取到的所有检测日志，生成第一待检测设备以及其它待检测设备共同对应的体检报告。

以第一待检测设备为自动驾驶车辆为例，可针对每台自动驾驶车辆，分别生成一份体检报告，或者，也可以针对多台自动驾驶车辆，如一个车队的多台自动驾驶车辆，生成一份共同的体检报告，其中可展示有每台存在安全风险的车辆的具体风险信息，即存在安全风险的待检测项以及参数信息。

图5为本公开所述风险检测装置第二实施例500的组成结构示意图。如图5所示，包括：数据采集模块501以及日志发送模块502。

数据采集模块501，用于响应于确定第一待检测设备处于运行状态，对第一待检测设备的待检测项进行数据采集，并将数据采集结果记录到检测日志中。

日志发送模块502，用于将所述检测日志上传到云端，用于云端生成体检报告，所述体检报告中包括确定出的存在安全风险的待检测项。

采用上述装置实施例所述方案，可基于第一待检测设备的待检测项的数据采集结果生成体检报告，其中可展示有存在安全风险的待检测项，即可基于数据采集结果提前发现存在安全风险的待检测项，从而便于运维人员进行针对性的修复等，进而提前预防了故障甚至是事故的发生，提升了设备运行的稳定性、可靠性和安全性等。

本公开的一个实施例中，体检报告中还可包括：存在安全风险的待检测项对应的参数信息，所述参数信息可包括以下之一或全部：存在安全风险的待检测项对应的风险等级，存在安全风险的待检测项对应的风险类型。

图6为本公开所述风险检测装置第三实施例600的组成结构示意图。如图6所示，包括：数据采集模块501、日志发送模块502以及车辆自检模块503。

其中，数据采集模块501以及日志发送模块502可与图5所示实施例中相同。

第一待检测设备可为自动驾驶车辆，相应地，车辆自检模块503可用于响应于确定自动驾驶车辆启动，对自动驾驶车辆进行安全检查，响应于检查结果为未通过，禁止启动自动驾驶车辆的自动驾驶模式。

上述各装置实施例的具体工作流程可参照前述方法实施例中的相关说明，不再赘述。

总之，采用本公开装置实施例所述方案，可根据获取到的第一待检测设备的待检测项的数据采集结果，提前发现潜在的安全隐患，并进行修复，从而提升了第一待检测设备运行的稳定性、可靠性和安全性等。

本公开所述方案可应用于人工智能领域，特别涉及云计算、自动驾驶以及深度学习等领域。人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术，人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术，人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。

另外，本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。

根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

图7示出了可以用来实施本公开的实施例的电子设备700的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字助理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图7所示，设备700包括计算单元701，其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序，来执行各种适当的动作和处理。在RAM703中，还可存储设备700操作所需的各种程序和数据。计算单元701、ROM702以及RAM703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。

设备700中的多个部件连接至I/O接口705，包括：输入单元706，例如键盘、鼠标等；输出单元707，例如各种类型的显示器、扬声器等；存储单元708，例如磁盘、光盘等；以及通信单元709，例如网卡、调制解调器、无线通信收发机等。通信单元709允许设备700通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元701可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元701的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元701执行上文所描述的各个方法和处理，例如本公开所述的方法。例如，在一些实施例中，本公开所述的方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元708。在一些实施例中，计算机程序的部分或者全部可以经由ROM702和/或通信单元709而被载入和/或安装到设备700上。当计算机程序加载到RAM703并由计算单元701执行时，可以执行本公开所述的方法的一个或多个步骤。备选地，在其他实施例中，计算单元701可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行本公开所述的方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (19)

1.一种风险检测方法，包括：

获取来自第一待检测设备的检测日志，所述检测日志中记录有数据采集结果，所述数据采集结果为所述第一待检测设备处于运行状态时、对所述第一待检测设备的待检测项进行数据采集得到的；

根据所述检测日志生成体检报告，所述体检报告中包括确定出的存在安全风险的待检测项。

2.根据权利要求1所述的方法，其中，

所述数据采集结果包括：最近一天内得到的所有数据采集结果；

所述体检报告包括：所述最近一天的体检报告。

3.根据权利要求1所述的方法，其中，

所述体检报告中还包括：所述存在安全风险的待检测项对应的参数信息；

所述参数信息包括以下之一或全部：所述存在安全风险的待检测项对应的风险等级，所述存在安全风险的待检测项对应的风险类型。

4.根据权利要求3所述的方法，其中，所述根据所述检测日志生成体检报告包括：

根据所述检测日志以及预先设定的评估规则，确定出所述存在安全风险的待检测项以及所述参数信息，根据确定结果生成所述体检报告；

或者，根据所述检测日志以及预先训练得到的网络模型，确定出所述存在安全风险的待检测项以及所述参数信息，根据确定结果生成所述体检报告。

5.根据权利要求1～4中任一项所述的方法，其中，所述根据所述检测日志生成体检报告包括：

根据所述检测日志生成所述第一待检测设备对应的体检报告；

或者，获取来自所述第一待检测设备之外的至少一个其它待检测设备的所述检测日志，根据获取到的所有检测日志，生成所述第一待检测设备以及所述其它待检测设备共同对应的体检报告。

6.一种风险检测方法，包括：

响应于确定第一待检测设备处于运行状态，对所述第一待检测设备的待检测项进行数据采集，并将数据采集结果记录到检测日志中；

将所述检测日志上传到云端，用于所述云端生成体检报告，所述体检报告中包括确定出的存在安全风险的待检测项。

7.根据权利要求6所述的方法，其中，

所述体检报告中还包括：所述存在安全风险的待检测项对应的参数信息；

所述参数信息包括以下之一或全部：所述存在安全风险的待检测项对应的风险等级，所述存在安全风险的待检测项对应的风险类型。

8.根据权利要求6或7所述的方法，其中，

所述第一待检测设备包括：自动驾驶车辆；

所述方法还包括：响应于确定所述自动驾驶车辆启动，对所述自动驾驶车辆进行安全检查，响应于检查结果为未通过，禁止启动所述自动驾驶车辆的自动驾驶模式。

9.一种风险检测装置，包括：日志获取模块以及报告生成模块；

所述日志获取模块，用于获取来自第一待检测设备的检测日志，所述检测日志中记录有数据采集结果，所述数据采集结果为所述第一待检测设备处于运行状态时、对所述第一待检测设备的待检测项进行数据采集得到的；

所述报告生成模块，用于根据所述检测日志生成体检报告，所述体检报告中包括确定出的存在安全风险的待检测项。

10.根据权利要求9所述的装置，其中，

所述数据采集结果包括：最近一天内得到的所有数据采集结果；

所述体检报告包括：所述最近一天的体检报告。

11.根据权利要求9所述的装置，其中，

所述体检报告中还包括：所述存在安全风险的待检测项对应的参数信息；

所述参数信息包括以下之一或全部：所述存在安全风险的待检测项对应的风险等级，所述存在安全风险的待检测项对应的风险类型。

12.根据权利要求11所述的装置，其中，

所述报告生成模块根据所述检测日志以及预先设定的评估规则，确定出所述存在安全风险的待检测项以及所述参数信息，根据确定结果生成所述体检报告；

或者，所述报告生成模块根据所述检测日志以及预先训练得到的网络模型，确定出所述存在安全风险的待检测项以及所述参数信息，根据确定结果生成所述体检报告。

13.根据权利要求9～12中任一项所述的装置，其中，

所述报告生成模块根据所述检测日志生成所述第一待检测设备对应的体检报告；

或者，所述报告生成模块进一步用于，获取来自所述第一待检测设备之外的至少一个其它待检测设备的所述检测日志，根据获取到的所有检测日志，生成所述第一待检测设备以及所述其它待检测设备共同对应的体检报告。

14.一种风险检测装置，包括：数据采集模块以及日志发送模块；

所述数据采集模块，用于响应于确定第一待检测设备处于运行状态，对所述第一待检测设备的待检测项进行数据采集，并将数据采集结果记录到检测日志中；

所述日志发送模块，用于将所述检测日志上传到云端，用于所述云端生成体检报告，所述体检报告中包括确定出的存在安全风险的待检测项。

15.根据权利要求14所述的装置，其中，

所述体检报告中还包括：所述存在安全风险的待检测项对应的参数信息；

所述参数信息包括以下之一或全部：所述存在安全风险的待检测项对应的风险等级，所述存在安全风险的待检测项对应的风险类型。

16.根据权利要求14或15所述的装置，其中，

所述第一待检测设备包括：自动驾驶车辆；

所述装置还包括：车辆自检模块，用于响应于确定所述自动驾驶车辆启动，对所述自动驾驶车辆进行安全检查，响应于检查结果为未通过，禁止启动所述自动驾驶车辆的自动驾驶模式。

17.一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-8中任一项所述的方法。

18.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使计算机执行权利要求1-8中任一项所述的方法。

19.一种计算机程序产品，包括计算机程序/指令，所述计算机程序/指令被处理器执行时实现权利要求1-8中任一项所述的方法。

Images