CN116126567A - 设备检测方法以及相关设备 - Google Patents

Abstract

本申请公开了一种设备检测方法以及相关设备，相关实施例可应用于云技术、人工智能、智慧交通等各种场景；可以获取待检测设备在至少一个设备启动事件中产生的设备运行事件信息；基于各个设备启动事件对应的设备运行事件信息，确定待检测设备在各个设备启动事件中存在的异常问题；根据各个设备启动事件对应的异常问题，确定目标异常问题在各个启动事件单元中的占比；根据目标异常问题在各个启动事件单元中的占比，检测待检测设备是否为目标异常问题下的异常设备。本申请提高了设备检测的效率和精确度。

Description

设备检测方法以及相关设备

技术领域

本申请涉及计算机技术领域，具体涉及一种设备检测方法以及相关设备。

背景技术

随着互联网技术以及科技的发展，各种各样的智能设备越来越普及，例如，可以通过人脸识别的智能设备，对用户的人脸进行识别，以对用户的身份进行验证。智能设备给人们的生活带来了诸多便利。

但智能设备在使用的过程中难免会出现一些故障，目前对于设备故障检测的方式，一般是由用户在使用智能设备的过程中发现故障，并通知设备维护人员进行维修，或者是设备维护人员对智能设备进行定期检查。在设备检测过程中，设备维护人员一般是从智能设备各个执行阶段的成功率出发，来确定故障设备，进而根据质量运营手册对故障设备进行逐个问题的分析，从而确定故障的原因；这个过程需要人工执行大量的查询工作，故障检出的分析流程较长，会耗费大量的人力物力，故障检测效率较低，且由于归因定位复杂，容易存在误判或者漏判的情况。

发明内容

本申请实施例提供一种设备检测方法以及相关设备，相关设备可以包括设备检测装置、电子设备、计算机可读存储介质和计算机程序产品，可以提高设备检测的效率和精确度。

本申请实施例提供一种设备检测方法，包括：

获取待检测设备在至少一个设备启动事件中产生的设备运行事件信息；

基于各个设备启动事件对应的设备运行事件信息，确定所述待检测设备在各个设备启动事件中存在的异常问题；

根据各个设备启动事件对应的异常问题，确定目标异常问题在至少一个启动事件单元中的占比，其中，每个启动事件单元包括至少一个设备启动事件；

根据所述目标异常问题在各个启动事件单元中的占比，检测所述待检测设备是否为所述目标异常问题下的异常设备。

相应的，本申请实施例提供一种设备检测装置，包括：

获取单元，用于获取待检测设备在至少一个设备启动事件中产生的设备运行事件信息；

问题确定单元，用于基于各个设备启动事件对应的设备运行事件信息，确定所述待检测设备在各个设备启动事件中存在的异常问题；

占比确定单元，用于根据各个设备启动事件对应的异常问题，确定目标异常问题在至少一个启动事件单元中的占比，其中，每个启动事件单元包括至少一个设备启动事件；

检测单元，用于根据所述目标异常问题在各个启动事件单元中的占比，检测所述待检测设备是否为所述目标异常问题下的异常设备。

可选的，在本申请的一些实施例中，所述获取单元可以包括日志获取子单元和结构化子单元，如下：

所述日志获取子单元，用于获取待检测设备在至少一个设备启动事件中产生的日志数据；

结构化子单元，用于针对每个设备启动事件，对所述设备启动事件中产生的日志数据进行结构化处理，得到所述待检测设备在所述设备启动事件中对应的设备运行事件信息。

可选的，在本申请的一些实施例中，所述结构化子单元具体可以用于针对每个设备启动事件，对所述设备启动事件中产生的日志数据进行特征提取，得到所述日志数据对应的至少一个事件元数据；对所述日志数据对应的至少一个事件元数据进行封装处理，得到所述待检测设备在所述设备启动事件中对应的设备运行事件信息。

可选的，在本申请的一些实施例中，所述问题确定单元可以包括计算子单元和问题选取子单元，如下：

所述计算子单元，用于针对每个设备启动事件，计算所述设备启动事件对应的设备运行事件信息与各个预设异常问题对应的异常规则之间的匹配度；

问题选取子单元，用于根据所述匹配度，从各个预设异常问题中选取所述待检测设备在所述设备启动事件中存在的异常问题。

可选的，在本申请的一些实施例中，所述设备检测装置还可以包括划分单元，所述划分单元可以用于确定所需要获取的启动事件单元对应的目标单元尺度；基于所述目标单元尺度，对所述至少一个设备启动事件进行划分处理，得到至少一个启动事件单元。

可选的，在本申请的一些实施例中，所述占比确定单元可以包括统计子单元和占比确定子单元，如下：

所述统计子单元，用于针对每个启动事件单元，根据所述启动事件单元中各个设备启动事件对应的异常问题，统计所述启动事件单元中存在目标异常问题的设备启动事件的数量；

占比确定子单元，用于根据所述数量，确定所述目标异常问题在所述启动事件单元中的占比。

可选的，在本申请的一些实施例中，所述检测单元可以包括融合子单元和检测子单元，如下：

所述融合子单元，用于对所述目标异常问题在各个启动事件单元中的占比进行融合，得到所述待检测设备存在所述目标异常问题的目标概率；

检测子单元，用于基于所述目标概率，检测所述待检测设备是否为所述目标异常问题下的异常设备。

可选的，在本申请的一些实施例中，所述检测子单元具体可以用于获取符合预设质量条件、且与所述待检测设备的设备维度相同的至少一个参考设备；根据所述至少一个参考设备存在所述目标异常问题的参考概率，确定所述目标异常问题在所述设备维度的非异常设备中发生的基准概率；基于所述目标概率和所述基准概率，检测所述待检测设备是否为所述目标异常问题下的异常设备。

可选的，在本申请的一些实施例中，步骤“根据所述至少一个参考设备存在所述目标异常问题的参考概率，确定所述目标异常问题在所述设备维度的非异常设备中发生的基准概率”，可以包括：

对各个参考设备存在所述目标异常问题的参考概率进行均值运算，得到所述目标异常问题在所述参考设备中发生的平均概率；

对各个参考设备存在所述目标异常问题的参考概率进行标准差运算，得到标准差运算结果；

根据所述平均概率和所述标准差运算结果，确定所述目标异常问题在所述设备维度的非异常设备中发生的基准概率。

可选的，在本申请的一些实施例中，所述设备检测装置还可以包括异常分数确定单元，所述异常分数确定单元，用于根据各个目标异常问题对应的异常规则的置信度，确定各个目标异常问题对应的权重；基于各个目标异常问题对应的权重，对各个目标异常问题对应的目标概率进行融合，得到所述待检测设备的异常分数。

可选的，在本申请的一些实施例中，所述设备检测装置还可以包括规则置信度确定单元，所述规则置信度确定单元，用于基于各个目标异常问题对应的异常规则，从候选设备中检测出各个目标异常问题对应的异常设备；根据所述候选设备的设备执行成功率，从所述候选设备中选取出目标设备；基于各个目标异常问题对应的异常设备与所述目标设备的重合度，确定各个目标异常问题对应的异常规则的置信度。

可选的，在本申请的一些实施例中，所述规则置信度确定单元可以用于基于各个目标异常问题对应的异常规则与候选设备启动事件对应的设备运行事件信息的匹配度，从所述候选设备启动事件中确定各个目标异常问题对应的异常设备启动事件；根据所述候选设备启动事件对应的事件执行结果，从所述候选设备启动事件中选取目标设备启动事件；根据各个目标异常问题对应的异常设备启动事件和所述目标设备启动事件的重合度，确定各个目标异常问题对应的异常规则的置信度。

本申请实施例提供的一种电子设备，包括处理器和存储器，所述存储器存储有多条指令，所述处理器加载所述指令，以执行本申请实施例提供的设备检测方法中的步骤。

本申请实施例还提供一种计算机可读存储介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现本申请实施例提供的设备检测方法中的步骤。

此外，本申请实施例还提供一种计算机程序产品，包括计算机程序或指令，该计算机程序或指令被处理器执行时实现本申请实施例提供的设备检测方法中的步骤。

本申请实施例提供了一种设备检测方法以及相关设备，可以获取待检测设备在至少一个设备启动事件中产生的设备运行事件信息；基于各个设备启动事件对应的设备运行事件信息，确定所述待检测设备在各个设备启动事件中存在的异常问题；根据各个设备启动事件对应的异常问题，确定目标异常问题在至少一个启动事件单元中的占比，其中，每个启动事件单元包括至少一个设备启动事件；根据所述目标异常问题在各个启动事件单元中的占比，检测所述待检测设备是否为所述目标异常问题下的异常设备。本申请实施例的设备检测的过程是从异常问题出发，通过设备运行事件信息来确定设备存在的异常问题，再根据异常问题检测出异常设备，并且可以直接确定设备故障的原因是否为目标异常问题，无需人工进行故障原因的查询，提高了设备检测的效率和精确度。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，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1a是本申请实施例提供的设备检测方法的场景示意图；

图1b是本申请实施例提供的设备检测方法的流程图；

图1c是本申请实施例提供的设备检测方法的另一说明图；

图1d是本申请实施例提供的设备检测方法的另一说明图；

图1e是本申请实施例提供的设备检测方法的另一说明图；

图1f是本申请实施例提供的设备检测方法的另一说明图；

图1g是本申请实施例提供的设备检测方法的另一说明图；

图1h是本申请实施例提供的设备检测方法的另一说明图；

图1i是本申请实施例提供的设备检测方法的另一说明图；

图1j是本申请实施例提供的设备检测方法的另一流程图；

图2是本申请实施例提供的设备检测方法的另一流程图；

图3是本申请实施例提供的设备检测装置的结构示意图；

图4是本申请实施例提供的电子设备的结构示意图。

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，本领域技术人员在没有作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。

本申请实施例提供一种设备检测方法以及相关设备，相关设备可以包括设备检测装置、电子设备、计算机可读存储介质和计算机程序产品。该设备检测装置具体可以集成在电子设备中，该电子设备可以是终端或服务器等设备。

可以理解的是，本实施例的设备检测方法可以是在终端上执行的，也可以是在服务器上执行，还可以由终端和服务器共同执行的。以上举例不应理解为对本申请的限制。

如图1a所示，以终端和服务器共同执行设备检测方法为例。本申请实施例提供的设备检测系统包括终端10和服务器11等；终端10与服务器11之间通过网络连接，比如，通过有线或无线网络连接等，其中，设备检测装置可以集成在服务器中。

其中，服务器11，可以用于：获取待检测设备在至少一个设备启动事件中产生的设备运行事件信息；基于各个设备启动事件对应的设备运行事件信息，确定所述待检测设备在各个设备启动事件中存在的异常问题；根据各个设备启动事件对应的异常问题，确定目标异常问题在至少一个启动事件单元中的占比，其中，每个启动事件单元包括至少一个设备启动事件；根据所述目标异常问题在各个启动事件单元中的占比，检测所述待检测设备是否为所述目标异常问题下的异常设备。其中，服务器11可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云计算服务的云服务器。

其中，终端10，可以用于：向服务器11发送待检测设备在至少一个设备启动事件中产生的设备运行事件信息，以使服务器11基于各个设备启动事件对应的设备运行事件信息，来检测待检测设备是否为目标异常问题下的异常设备。其中，终端10可以包括手机、智能电视、平板电脑、笔记本电脑、个人计算机(PC，Personal Computer)、智能语音交互设备、智能家电、车载终端等。终端10上还可以设置客户端，该客户端可以是应用程序客户端或浏览器客户端等等。

上述服务器11进行设备检测的步骤，也可以由终端10执行。

本申请实施例提供的设备检测方法涉及人工智能领域中的自然语言处理。

其中，人工智能(AI,Artificial Intelligence)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个综合技术，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。人工智能技术是一门综合学科，涉及领域广泛，既有硬件层面的技术也有软件层面的技术。其中，人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习、自动驾驶、智慧交通等几大方向。

自然语言处理(Nature Language processing,NLP)是计算机科学领域与人工智能领域中的一个重要方向。它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。自然语言处理是一门融语言学、计算机科学、数学于一体的科学。因此，这一领域的研究将涉及自然语言，即人们日常使用的语言，所以它与语言学的研究有着密切的联系。自然语言处理技术通常包括文本处理、语义理解、机器翻译、机器人问答、知识图谱等技术。

本申请实施例提供的设备检测方法还涉及云技术(Cloud technology)领域中的云管理工具方向或云物联方向。

其中，云技术(Cloud technology)是指在广域网或局域网内将硬件、软件、网络等系列资源统一起来，实现数据的计算、储存、处理和共享的一种托管技术。云技术是基于云计算商业模式应用的网络技术、信息技术、整合技术、管理平台技术、应用技术等的总称，可以组成资源池，按需所用，灵活便利。云计算技术将变成重要支撑。技术网络系统的后台服务需要大量的计算、存储资源，如视频网站、图片类网站和更多的门户网站。伴随着互联网行业的高度发展和应用，将来每个物品都有可能存在自己的识别标志，都需要传输到后台系统进行逻辑处理，不同程度级别的数据将会分开处理，各类行业数据皆需要强大的系统后盾支撑，只能通过云计算来实现。

物联网(The Internet of Things，简称IOT)是指通过各种信息传感器、射频识别技术、全球定位系统、红外感应器、激光扫描器等各种装置与技术，实时采集任何需要监控、连接、互动的物体或过程，采集其声、光、热、电、力学、化学、生物、位置等各种需要的信息，通过各类可能的网络接入，实现物与物、物与人的泛在连接，实现对物品和过程的智能化感知、识别和管理。物联网是一个基于互联网、传统电信网等的信息承载体，它让所有能够被独立寻址的普通物理对象形成互联互通的网络。

云物联(Cloud IOT)旨在将传统物联网中传感设备感知的信息和接受的指令连入互联网中，真正实现网络化，并通过云计算技术实现海量数据存储和运算，由于物联网的特性是物与物相连接，实时感知各个“物体”当前的运行状态，在这个过程中会产生大量的数据信息，如何将这些信息汇总，如何在海量信息中筛取有用信息为后续发展做决策支持，这些已成为影响物联网发展的关键问题，而基于云计算和云存储技术的物联云也因此成为物联网技术和应用的有力支持。

以下分别进行详细说明。需说明的是，以下实施例的描述顺序不作为对实施例优选顺序的限定。

本实施例将从设备检测装置的角度进行描述，该设备检测装置具体可以集成在电子设备中，该电子设备可以是服务器或终端等设备。本实施例可应用于云技术、人工智能、智慧交通、辅助驾驶等各种场景。

如图1b所示，该设备检测方法的具体流程可以如下：

101、获取待检测设备在至少一个设备启动事件中产生的设备运行事件信息。

其中，待检测设备也即需要检测是否异常的设备，具体为需要检测是否存在目标异常问题的设备，待检测设备可以是物联网(IoT，Internet of Things)设备，物联网设备可以包括笔记本电脑、智能手机、智能小工具、智能手表以及智能车辆等。

本实施例中，待检测设备的设备种类不限。比如，待检测设备可以是人脸支付设备等。人脸支付设备可以通过识别到的人脸特征信息进行相关支付操作。

其中，设备启动事件具体可以是用户每对待检测设备开启的一次新操作；设备启动事件可以记为Session。例如，若待检测设备为人脸支付设备，设备启动事件可以是针对某个用户进行人脸支付的事件。

其中，设备运行事件信息可以是待检测设备在运行过程中所产生的具体事件。比如，若待检测设备为人脸支付设备，在一次设备启动事件中，如在一次人脸支付事件中，设备运行事件信息可以是摄像头打开失败，也可以是支付失败等。

可选地，本实施例中，步骤“获取待检测设备在至少一个设备启动事件中产生的设备运行事件信息”，可以包括：

获取待检测设备在至少一个设备启动事件中产生的日志数据；

针对每个设备启动事件，对所述设备启动事件中产生的日志数据进行结构化处理，得到所述待检测设备在所述设备启动事件中对应的设备运行事件信息。

其中，日志数据具体即待检测设备产生的过程性事件的记录数据；具体地，日志数据记载着日期、时间、使用者及动作等相关操作信息的描述。通过查看日志数据，可以了解到具体哪个用户在具体什么时间进行的操作、以及在待检测设备上做了什么具体的操作。

具体地，待检测设备可以由一个或多个模块组成；比如，人脸支付设备可以包括图像采集模块、身份识别模块、以及支付模块等。日志数据可以记录具体哪个模块上进行的操作，这样在设备故障时，便于对故障原因进行查询。

其中，对日志数据进行结构化处理，具体可以是将日志数据处理成预定数据格式的数据。该预定数据格式可以根据实际情况进行设置；比如，该预定数据格式具体可以是将日志数据的关键词作为描述字段的格式。

可选地，本实施例中，步骤“针对每个设备启动事件，对所述设备启动事件中产生的日志数据进行结构化处理，得到所述待检测设备在所述设备启动事件中对应的设备运行事件信息”，可以包括：

针对每个设备启动事件，对所述设备启动事件中产生的日志数据进行特征提取，得到所述日志数据对应的至少一个事件元数据；

对所述日志数据对应的至少一个事件元数据进行封装处理，得到所述待检测设备在所述设备启动事件中对应的设备运行事件信息。

其中，对日志数据的特征提取，具体可以是对日志数据进行关键词提取。一些实施例中，可以对日志数据进行分词处理，得到日志数据的各个文本单元，再将日志数据的各个文本单元与预先设置的一些关键词进行相似度的计算，根据相似度的大小，从日志数据的各个文本单元中选取关键词，将选取到的关键词作为日志数据对应的事件元数据。其中，文本单元可以是一个词，也可以是一个字。

其中，事件元数据可以理解为描述日志数据对应属性的信息。元数据又可称为中介数据、中继数据，它是为描述数据的数据(data about data)，主要是描述数据属性(property)的信息，用来支持如指示存储位置、历史数据、资源查找、文件记录等功能。元数据可以算是一种电子式目录，因为它可以描述数据的内容或特色，进而达成协助数据检索的目的。

其中，通过对事件元数据的封装处理，具体可以按照预定数据格式对事件元数据进行封装处理，将事件元数据封装成一种更能让运营人员了解设备信息的数据格式，得到更加贴近业务顶层所描述的内容——设备运行事件信息。其中，预定数据格式可以用于约束事件元数据的表述形式。比如，预定数据格式下的设备运行事件信息可以是：摄像头|启动|失败。可以理解的是，预定数据格式也可以是其他的形式，具体根据实际情况进行设置，本实施例对此不作限制。

102、基于各个设备启动事件对应的设备运行事件信息，确定所述待检测设备在各个设备启动事件中存在的异常问题。

其中，可以对每个设备启动事件对应的设备运行事件信息进行分析，确定待检测设备在每个设备启动事件中存在的异常问题。通过分析，可以将设备运行事件信息转化为“用户使用设备时，到底发生什么样的问题”之类的内容。

可选地，本实施例中，步骤“基于各个设备启动事件对应的设备运行事件信息，确定所述待检测设备在各个设备启动事件中存在的异常问题”，可以包括：

针对每个设备启动事件，计算所述设备启动事件对应的设备运行事件信息与各个预设异常问题对应的异常规则之间的匹配度；

根据所述匹配度，从各个预设异常问题中选取所述待检测设备在所述设备启动事件中存在的异常问题。

其中，预设异常问题对应的异常规则可以为针对该预设异常问题的事件集合，具体可以是该业务领域的专家根据设备的预设异常问题所提供的事件集合。

其中，一些实施例中，针对每个设备启动事件，可以对该设备启动事件对应的设备运行事件信息进行语义提取，得到设备运行事件信息对应的语义特征信息，再计算设备运行事件信息对应的语义特征信息、与各预设异常问题对应的异常规则的语义特征信息之间的向量距离，向量距离可以表征匹配度的大小，向量距离越大，匹配度越小；反之，向量距离越小，匹配度越高。

可以理解的是，不同设备运行事件信息可能对应同一异常问题，本实施例可以根据预设异常问题对应的异常规则，将设备运行事件信息转化为异常问题，从而对设备运行事件信息进行去重。

其中，一些实施例中，可以将匹配度高于预设值的预设异常问题作为待检测设备在设备启动事件中存在的异常问题，该预设值可以根据实际情况进行设置。另一些实施例中，可以将匹配度最高的预设异常问题作为待检测设备在设备启动事件中存在的异常问题。

例如，某预设异常问题为摄像头故障，其对应的异常规则可以包括摄像头打开失败、摄像头拍摄不到图像、以及摄像头拍摄的图像失真等。

103、根据各个设备启动事件对应的异常问题，确定目标异常问题在至少一个启动事件单元中的占比，其中，每个启动事件单元包括至少一个设备启动事件。

其中，一个启动事件单元中可能不存在异常问题，也可能存在一种或多种异常问题。其中，目标异常问题在启动事件单元中的占比对应的数值范围可以是零到一。

可选地，本实施例中，步骤“根据各个设备启动事件对应的异常问题，确定目标异常问题在至少一个启动事件单元中的占比”之前，还可以包括：

确定所需要获取的启动事件单元对应的目标单元尺度；

基于所述目标单元尺度，对所述至少一个设备启动事件进行划分处理，得到至少一个启动事件单元。

其中，目标单元尺度可以视为启动事件单元包含的设备启动事件的数量。

在一具体实施例中，目标单元尺度可以设置为4，则一个启动事件单元可以包括4个设备启动事件；具体地，可以将连续发生的4个设备启动事件划分成一个启动事件单元，或者说，将相邻的4个设备启动事件封装成一个启动事件单元。

如图1c所示，设备1为待检测设备，一个启动事件单元可以包括相邻的4个设备启动事件；对于一个设备启动事件，设备启动事件可以对应零个、一个或者多个设备运行事件信息，图1c中的“事件”具体指的是设备运行事件信息，t表示的是对应的事件或者异常问题是否发生，若发生，则t的数值为1；若未发生，则t的数值为0；t的下标可以表示其对应的事件是该启动事件单元中第几个设备启动事件的第几个事件，比如，t_1，1可以表示其对应的事件是该启动事件单元中第1个设备启动事件的第1个事件。其中，启动事件单元2中的设备启动事件1对应的设备运行事件信息包括事件1、事件2和事件4，计算设备运行事件信息与各个预设异常问题对应的异常规则之间的匹配度，事件1和事件2与异常问题1的异常规则匹配，事件4与异常问题2的异常规则匹配，从而可以将事件1、事件2和事件2转化为异常问题1和异常问题2。

可选地，本实施例中，步骤“根据各个设备启动事件对应的异常问题，确定目标异常问题在至少一个启动事件单元中的占比”，可以包括：

针对每个启动事件单元，根据所述启动事件单元中各个设备启动事件对应的异常问题，统计所述启动事件单元中存在目标异常问题的设备启动事件的数量；

根据所述数量，确定所述目标异常问题在所述启动事件单元中的占比。

在一实施例中，对于一启动事件单元，其包含5个设备启动事件，其中存在目标异常问题的设备启动事件有3个，则该目标异常问题在启动事件单元中的占比可以视为3/5，也即0.6。

例如，在一具体场景中，如图1d所示，设备1有5个启动事件单元，每个启动事件单元包含5个设备启动事件，当目标异常问题为异常问题1时，第一个启动事件单元中存在异常问题1的设备启动事件的数量为3，因此异常问题1在第一个启动事件单元中的占比为3/5；需要说明的是，图1d中，1表示存在异常问题1的设备启动事件，0表示不存在异常问题1的设备启动事件。

同理，第二个启动事件单元中存在异常问题1的设备启动事件的数量为4，因此异常问题1在第二个启动事件单元中的占比为4/5；第三个启动事件单元中存在异常问题1的设备启动事件的数量为1，因此异常问题1在第三个启动事件单元中的占比为1/5；第四个启动事件单元中存在异常问题1的设备启动事件的数量为0，因此异常问题1在第四个启动事件单元中的占比为0，也即第四个启动事件单元不包含异常问题1；第五个启动事件单元中存在异常问题1的设备启动事件的数量为5，因此异常问题1在第五个启动事件单元中的占比为1。

其中，还可以将异常问题1分别在5个启动事件单元中的占比进行融合，该融合方式具体可以是均值运算，并将均值运算得到的结果作为设备1存在异常问题1的目标概率，从而根据目标概率，检测设备1是否为异常问题1下的异常设备。具体地，若对异常问题1在第一个启动事件单元中的占比3/5、在第二个启动事件单元中的占比4/5、在第三个启动事件单元中的占比1/5、在第四个启动事件单元中的占比0、以及在第五个启动事件单元中的占比1进行均值运算，可以得到目标概率为0.52。

104、根据所述目标异常问题在各个启动事件单元中的占比，检测所述待检测设备是否为所述目标异常问题下的异常设备。

可选地，本实施例中，步骤“根据所述目标异常问题在各个启动事件单元中的占比，检测所述待检测设备是否为所述目标异常问题下的异常设备”，可以包括：

对所述目标异常问题在各个启动事件单元中的占比进行融合，得到所述待检测设备存在所述目标异常问题的目标概率；

基于所述目标概率，检测所述待检测设备是否为所述目标异常问题下的异常设备。

其中，对目标异常问题在各个启动事件单元中的占比的融合方式有多种，本实施例对此不作限制。比如，该融合方式可以是均值运算，也可以是加权融合等。

一些实施例中，可以将目标异常问题在各个启动事件单元中的占比进行均值运算，将均值运算得到的结果作为待检测设备存在目标异常问题的目标概率。另一些实施例中，可以获取各个启动事件单元对应的权重，再根据权重，将目标异常问题在各个启动事件单元中的占比进行加权运算，得到待检测设备存在目标异常问题的目标概率。

可选地，一些实施例中，若目标概率高于预设值，可以将待检测设备确定为目标异常问题下的异常设备，该预设值可以根据实际情况进行设置。

可选地，本实施例中，步骤“基于所述目标概率，检测所述待检测设备是否为所述目标异常问题下的异常设备”，可以包括：

获取符合预设质量条件、且与所述待检测设备的设备维度相同的至少一个参考设备；

根据所述至少一个参考设备存在所述目标异常问题的参考概率，确定所述目标异常问题在所述设备维度的非异常设备中发生的基准概率；

基于所述目标概率和所述基准概率，检测所述待检测设备是否为所述目标异常问题下的异常设备。

其中，该预设质量条件可以根据实际情况进行设置，本实施例对此不作限制。比如，该预设质量条件可以是设备执行成功率高于预设值。符合预设质量条件的设备可以认为是高质量设备。参考设备可以是与待检测设备处于同个设备维度的高质量设备。

在一些实施例中，如图1e所示，可以基于假设检验的方法，从候选设备中选取高质量设备。例如，根据统计获取到正常设备在一个月中有20天的设备执行成功率大于80％，若某个候选设备在一个月中有28天的设备执行成功率大于90％，远超80％，则可以将该候选设备视为高质量设备；若某个候选设备在一个月中有20天的设备执行成功率低于70％，则不能将该候选设备选为高质量设备。

其中，设备维度具体可以指设备的应用领域(如设备的应用场景)、或者设备类型等方面的信息。例如，设备维度可以包括支付业务场景、测试场景等。

在一些实施例中，可以根据设备执行成功率，从候选设备中选取符合预设质量条件的设备，再根据待检测设备的设备维度，从符合预设质量条件的设备中确定参考设备。在另一些实施例中，可以先对候选设备进行分类，得到各个设备维度下的候选设备，再根据设备执行成功率，从与待检测设备属于同个设备维度的候选设备中选取参考设备。

其中，参考设备存在目标异常问题的参考概率的计算方式可以参考待检测设备存在目标异常问题的目标概率的计算方式，本实施例在此不再详细赘述。参考设备存在目标异常问题的参考概率的计算过程大致如下：

基于参考设备在各个设备启动事件中产生的设备运行事件信息，确定参考设备在各个设备启动事件中存在的异常问题；进而根据各个设备启动事件对应的异常问题，确定目标异常问题在各个启动事件单元中的占比，从而基于占比，获取参考设备存在目标异常问题的参考概率。

在一具体实施例中，可以将各个参考设备存在目标异常问题的参考概率进行融合，来得到目标异常问题在所述设备维度的非异常设备中发生的基准概率；其中，该融合方式有多种，本实施例对此不作限制。例如，该融合方式可以是均值运算等。

可选地，本实施例中，步骤“根据所述至少一个参考设备存在所述目标异常问题的参考概率，确定所述目标异常问题在所述设备维度的非异常设备中发生的基准概率”，可以包括：

对各个参考设备存在所述目标异常问题的参考概率进行均值运算，得到所述目标异常问题在所述参考设备中发生的平均概率；

对各个参考设备存在所述目标异常问题的参考概率进行标准差运算，得到标准差运算结果；

根据所述平均概率和所述标准差运算结果，确定所述目标异常问题在所述设备维度的非异常设备中发生的基准概率。

具体地，本实施例可以基于相同设备维度下的高质量设备发生目标异常问题的平均概率、以及对应的标准差运算结果，来获取目标异常问题在该设备维度的非异常设备中发生的基准概率；进而根据基准概率和待检测设备存在目标异常问题的目标概率，确定待检测设备是否为目标异常问题下的异常设备。

其中，基于平均概率和标准差运算结果，确定基准概率的方式有多种。一些实施例中，可以将平均概率和标准差运算结果进行加权求和，得到基准概率；比如，平均概率的权重为1，标准差运算结果的权重为3，将平均概率记为mean，标准差运算结果记为σ，则基准概率可以是mean+3σ。

另一些实施例中，目标异常问题在参考设备中发生的平均概率为a，标准差运算结果为b，待检测设备存在目标异常问题的目标概率为c，计算(c-a)/b的值，若该值大于预设值，则可以确定待检测设备为目标异常问题下的异常设备；该值越大，目标异常问题发生的严重程度越高。

在一具体场景中，待检测设备的设备维度为业务场景1，可以将符合预设质量条件、且属于业务场景1的设备作为参考设备，如图1f所示，设备a、设备b以及设备c为参考设备，每个参考设备对应有5个启动事件单元，每个启动事件单元包含5个设备启动事件，根据目标异常问题在各个启动事件单元中的占比，可以得到：设备a存在目标异常问题的参考概率为0.65，设备b存在目标异常问题的参考概率为0.48，设备c存在目标异常问题的参考概率为0.6，对各个参考设备存在目标异常问题的参考概率进行均值运算，可以得到目标异常问题在参考设备中发生的平均概率为0.57，进而获取其标准差运算结果，再根据平均概率和标准差运算结果，检测待检测设备是否为目标异常问题下的异常设备。

可选地，本实施例中，步骤“基于所述目标概率和所述基准概率，检测所述待检测设备是否为所述目标异常问题下的异常设备”，可以包括：

当所述目标概率大于所述基准概率时，确定待检测设备为所述目标异常问题下的异常设备；

当所述目标概率不大于所述基准概率时，确定待检测设备不为所述目标异常问题下的异常设备。

如图1g所示，为某一设备维度下的设备存在目标异常问题的概率分布图，目标异常问题可以为：摄像头打开失败；其中，横轴表示目标异常问题的发生概率，也即设备存在目标异常问题的概率，纵轴表示设备数量。

其中，根据统计可得目标异常问题在参考设备中发生的平均概率为0.12，其对应的标准差运算结果可以记为σ，则目标异常问题在该设备维度的非异常设备中发生的基准概率可以为0.12+σ，若目标异常问题在该设备维度下的待检测设备中发生的概率大于基准概率，则该待检测设备可以确定为该目标异常问题下的异常设备。

可选地，本实施例中，该设备检测方法还可以包括：

根据各个目标异常问题对应的异常规则的置信度，确定各个目标异常问题对应的权重；

基于各个目标异常问题对应的权重，对各个目标异常问题对应的目标概率进行融合，得到所述待检测设备的异常分数。

其中，具体地，目标异常问题对应的异常规则的置信度越高，目标异常问题对应的权重越大；反之，目标异常问题对应的异常规则的置信度越低，目标异常问题对应的权重越小。

其中，该融合方式具体可以是：根据各个目标异常问题对应的权重，对各个目标异常问题对应的目标概率进行加权运算，得到待检测设备的异常分数。

例如，目标异常问题可以包括异常问题1和异常问题2，异常问题1对应的异常规则的置信度相对于异常问题2对应的异常规则的置信度高，若异常问题1对应的权重为0.6，待检测设备存在异常问题1的目标概率为0.7，异常问题2对应的权重为0.4，待检测设备存在异常问题2的目标概率为0.5，则根据权重，对各个目标异常问题对应的目标概率进行加权运算，可以得到待检测设备的异常分数为：0.6*0.7+0.4*0.5＝0.62。

其中，待检测设备的异常分数可以在一定程度上反映待检测设备的故障程度或者出现故障的可能性。本实施例可以根据各个设备的异常分数，对异常分数较高的设备进行优先处理；具体地，可以根据各个设备的异常分数，对各个设备进行从大到小的排序，得到排序后设备，优先处理排序后设备中的前n个设备；或者，也可以对异常分数大于预设值的设备进行优先处理，该预设值可以根据实际情况进行设置。

需要说明的是，不同设备的异常分数可能差异很大，因此可以先对各个设备的异常分数进行归一化处理，再根据归一化后的异常分数对各个设备进行排序。其中，归一化处理的方式有多种，本实施例对此不作限制，比如可以采用对数进行归一化处理。

具体地，目标异常问题对应的异常规则是该业务领域的专家根据设备的目标异常问题所提供的事件集合，它可以视为对目标异常问题的描述。可以理解的是，目标异常问题对应的异常规则可能存在事件的冗余，也就是说，目标异常问题对应的异常规则的事件集合中可能存在和目标异常问题相关性较弱的事件，这样会导致异常规则实际上和设备故障的相关性较低，因此需要对这些目标异常问题对应的异常规则设置较低的置信度。

一些实施例中，可以根据目标异常问题对应的异常规则筛选出来的异常设备、与高质量设备的重合度，来判断该目标异常问题对应的异常规则与设备故障的相关程度，进而确定该目标异常问题对应的异常规则的置信度。

另一些实施例中，可以获取与目标异常问题的异常规则匹配的设备启动事件，再确定这些设备启动事件与执行成功的设备启动事件的重合度，进而根据重合度来判断该目标异常问题对应的异常规则与设备启动事件执行失败的相关程度，从而确定该目标异常问题对应的异常规则的置信度。或者，也可以根据与目标异常问题的异常规则匹配的设备启动事件在执行成功的设备启动事件中所占的比例，若这个比例较高，则可以认为该目标异常问题对应的异常规则与设备启动事件执行失败的相关程度较弱，该目标异常问题对应的异常规则的置信度较低。

通过实验，上述两种方案——确定目标异常问题对应的异常规则的置信度的方案，检测出来的置信度较低的异常规则的重合度较高，说明这两个方案可以交叉验证，通过这两个方案可以证明专家提供的异常规则是否合理，还可将置信度较低的异常规则反馈给专家进行修正。

可选地，本实施例中，该设备检测方法还可以包括：

基于各个目标异常问题对应的异常规则，从候选设备中检测出各个目标异常问题对应的异常设备；

根据所述候选设备的设备执行成功率，从所述候选设备中选取出目标设备；

基于各个目标异常问题对应的异常设备与所述目标设备的重合度，确定各个目标异常问题对应的异常规则的置信度。

其中，具体地，各个候选设备可以是属于同一设备维度的设备。基于目标异常问题对应的异常规则，从候选设备检测出目标异常问题对应的异常设备的过程可以参考上述实施例中“检测待检测设备是否为目标异常问题下的异常设备”的过程。

其中，目标设备具体可以是候选设备中设备执行成功率大于预设值的设备，也可以理解为候选设备中的高质量设备，其中，预设值可以根据实际情况进行设置。

其中，若重合度较高，则目标异常问题对应的异常规则的置信度较低，可以不相信这个异常规则做出的判断。若重合度较低，则目标异常问题对应的异常规则的置信度较高。

如图1h所示，展示了根据某个目标异常问题对应的异常规则A，从候选设备中检测出来的该目标异常问题对应的异常设备，以及从候选设备中筛选出来的设备执行成功率大于预设值的高质量设备，高质量设备与基于异常规则A检测出来的异常设备的重叠部分应该尽可能小，这样异常规则A的置信度较高。

可选地，本实施例中，该设备检测方法还可以包括：

基于各个目标异常问题对应的异常规则与候选设备启动事件对应的设备运行事件信息的匹配度，从所述候选设备启动事件中确定各个目标异常问题对应的异常设备启动事件；

根据所述候选设备启动事件对应的事件执行结果，从所述候选设备启动事件中选取目标设备启动事件；

根据各个目标异常问题对应的异常设备启动事件和所述目标设备启动事件的重合度，确定各个目标异常问题对应的异常规则的置信度。

其中，针对每个目标异常问题，若目标异常问题对应的异常规则与某个候选设备启动事件对应的设备运行事件信息的匹配度高于预设值，则可以将该候选设备启动事件确定为该目标异常问题对应的异常设备启动事件。

其中，事件执行结果可以包括事件执行成功或事件执行失败。目标设备启动事件具体可以是执行成功的候选设备启动事件。

其中，若目标异常问题对应的异常设备启动事件和目标设备启动事件的重合度较高，则可以确定该目标异常问题对应的异常规则的置信度较低；反之，若目标异常问题对应的异常设备启动事件和目标设备启动事件的重合度较低，则可以确定该目标异常问题对应的异常规则的置信度较高。

如图1i所示，展示了根据某个目标异常问题对应的异常规则A，从候选设备启动事件中检测出来的该目标异常问题对应的异常设备启动事件，以及从候选设备启动事件中筛选出来的执行成功的目标设备启动事件，目标设备启动事件与基于异常规则A检测出来的异常设备启动事件的重叠部分应该尽可能小，这样异常规则A的置信度较高。

在一实施例中，目标异常问题对应的异常规则的置信度还可以通过被判为异常的高质量设备的数量来确定。如表1所示，展示了四个确定置信度的例子，其中，误判率具体可以是被判为异常的高质量设备的数量、除以高质量设备的数量得到的商，启动事件单元对应的目标单元尺度为该启动事件单元包含的设备启动事件的数量。

表1

其中，当误判率较高时，则对应的目标异常问题的异常规则的置信度较低；当误判率较低时，则对应的目标异常问题的异常规则的置信度较高。

由表1可知，误判率与目标异常问题对应的异常规则、以及启动事件单元对应的目标单元尺度二者有关。因此，可以根据误判率，对不同的目标异常问题的异常规则设置不同的权重，也可以对不同单元尺度的启动事件单元设置不同的权重。

在目标异常问题相同时，启动事件单元对应的目标单元尺度为5相比目标单元尺度为50时，计算得到的误判率较低，也就是说，目标单元尺度为5的置信度比目标单元尺度为50的置信度高。

在目标单元尺度相同时，异常问题1对应的异常规则相比异常问题2对应的异常规则，计算得到的误判率较高，也就是说，异常问题1对应的异常规则的置信度比异常问题2对应的异常规则的置信度低。

例如，对于相同目标异常问题的异常规则检测出来的异常设备a和异常设备b，若在计算异常设备a存在目标异常问题的目标概率时，使用的启动事件单元的目标单元尺度为5，在计算异常设备b存在目标异常问题的目标概率时，使用的启动事件单元的目标单元尺度为50，由于目标单元尺度为5的置信度比目标单元尺度为50的置信度高，因此，可以对异常设备a存在目标异常问题的目标概率赋予较高的权重，对异常设备b存在目标异常问题的目标概率赋予较低的权重。

又例如，对于通过相同的启动事件单元对应的目标单元尺度检测出来的异常设备c和异常设备d，若异常设备c是基于异常问题1对应的异常规则检测得到的，异常设备d是基于异常问题2对应的异常规则检测得到的，由于异常问题1对应的异常规则的置信度比异常问题2对应的异常规则的置信度低，因此，可以对异常设备c存在异常问题1的目标概率赋予较低的权重，对异常设备d存在异常问题2的目标概率赋予较高的权重。

本申请的设备检测方法可以获取设备上报的日志数据，日志数据中可能记载着设备运行过程中的异常事件，本实施例可以对日志数据进行处理，得到设备在各个设备启动事件中对应的设备运行事件信息，再对各个设备启动事件对应的设备运行事件信息进行分析，可以确定设备在各个设备启动事件中存在的异常问题，这样先定位设备可能发生故障的原因，即异常问题，再根据异常问题检测出异常设备，能够直接确定设备故障的原因是否为目标异常问题，无需人工进行故障原因的查询，提高了设备检测的效率和精确度。

而且，本实施例中设备上报的日志数据可以包含设备中具体哪个模块的运行事件信息，这样可以确定设备在各个设备启动事件中具体哪个模块出现异常问题，因此该设备检测方法还可以定位设备发生故障的具体模块，再根据发生故障的模块制定对应的维护方案。

本实施例还可以获取设备的异常分数，根据各个设备的异常分数筛选出需要修复的设备，得到故障设备列表。设备运营人员每日都可以查看最新产生的故障设备列表，从而对设备进行修复。可选地，本申请的设备检测系统还可以跟踪各个设备的处理状态(即是否已经解决异常问题)，若存在设备多天被重复检测出异常问题、且尚未处理，可以通知设备运营人员尽快修复，这样更有利于设备运营人员对设备的管理。

在一具体场景中，如图1j所示，可以获取待检测设备在多个设备启动事件中产生的日志数据，再对每个设备启动事件中产生的日志数据进行结构化处理，封装成每个设备启动事件对应的设备运行事件信息；进而针对每个设备启动事件，可以根据领域专家提供的多个预设异常问题对应的异常规则与该设备启动事件对应的设备运行事件信息的匹配度，从各个预设异常问题中选取待检测设备在该设备启动事件中存在的异常问题，从而将设备运行事件信息转化为异常问题。然后，对各个设备启动事件对应的异常问题进行统计分析，可以得到待检测设备存在目标异常问题的目标概率，从而根据该目标概率，检测待检测设备是否为目标异常问题下的异常设备。根据检测结果，可以从待检测设备中筛选出异常设备，还可以获知异常设备的异常原因。

此外，还可以获取目标异常问题对应的异常规则的置信度，将置信度较低的异常规则反馈给专家进行修正。

其中，“对各个设备启动事件对应的异常问题进行统计分析”的过程具体可以如下：

按照目标单元尺度，将各个设备启动事件划分成至少一个启动事件单元，每个启动事件单元包括至少一个设备启动事件，一个启动事件单元也可以视为一个窗口；

根据各个设备启动事件对应的异常问题，确定目标异常问题在各个启动事件单元中的占比；

再对目标异常问题在各个启动事件单元中的占比进行融合，得到待检测设备存在目标异常问题的目标概率。

其中，单一的设备启动事件的信息量较少，将多个设备启动事件封装成启动事件单元，可以增强信息的表征力；而且，在相邻的设备启动事件中，设备所处的状态(如老旧程度，使用频率等)可能是相同的，异常问题在相邻的设备启动事件中发生的概率也是一致的；而异常问题在不同启动事件单元中发生的概率一般是不同的，这样可以更准确地计算待检测设备存在异常问题的概率。

其中，可以基于待检测设备存在目标异常问题的目标概率，检测待检测设备是否为目标异常问题下的异常设备；此外，目标概率的大小，还可以表征目标异常问题发生的严重程度，基于目标异常问题发生的严重程度，将确定对设备具体的处理方案。

其中，步骤“根据目标概率，检测待检测设备是否为目标异常问题下的异常设备”，具体可以包括：获取与待检测设备相同设备维度的高质量设备存在目标异常问题的参考概率，再基于参考概率，确定目标异常问题在该设备维度的非异常设备中发生的基准概率；然后，根据目标概率和基准概率，检测待检测设备是否为目标异常问题下的异常设备。

由上可知，本实施例可以获取待检测设备在至少一个设备启动事件中产生的设备运行事件信息；基于各个设备启动事件对应的设备运行事件信息，确定所述待检测设备在各个设备启动事件中存在的异常问题；根据各个设备启动事件对应的异常问题，确定目标异常问题在至少一个启动事件单元中的占比，其中，每个启动事件单元包括至少一个设备启动事件；根据所述目标异常问题在各个启动事件单元中的占比，检测所述待检测设备是否为所述目标异常问题下的异常设备。本申请实施例的设备检测的过程是从异常问题出发，通过设备运行事件信息来确定设备存在的异常问题，再根据异常问题检测出异常设备，并且可以直接确定设备故障的原因是否为目标异常问题，无需人工进行故障原因的查询，提高了设备检测的效率和精确度。

根据前面实施例所描述的方法，以下将以该设备检测装置具体集成在服务器举例作进一步详细说明。

本申请实施例提供一种设备检测方法，如图2所示，该设备检测方法的具体流程可以如下：

201、服务器获取待检测设备在至少一个设备启动事件中产生的日志数据。

其中，设备启动事件具体可以是用户每对待检测设备开启的一次新操作。例如，若待检测设备为人脸支付设备，设备启动事件可以是针对某个用户进行人脸支付的事件。

其中，日志数据具体即待检测设备产生的过程性事件的记录数据；具体地，日志数据记载着日期、时间、使用者及动作等相关操作信息的描述。

202、服务器针对每个设备启动事件，对所述设备启动事件中产生的日志数据进行结构化处理，得到所述待检测设备在所述设备启动事件中对应的设备运行事件信息。

其中，设备运行事件信息可以是待检测设备在运行过程中所产生的具体事件。比如，若待检测设备为人脸支付设备，在一次设备启动事件中，如在一次人脸支付事件中，设备运行事件信息可以是摄像头打开失败，也可以是支付失败等。

可选地，本实施例中，步骤“针对每个设备启动事件，对所述设备启动事件中产生的日志数据进行结构化处理，得到所述待检测设备在所述设备启动事件中对应的设备运行事件信息”，可以包括：

针对每个设备启动事件，对所述设备启动事件中产生的日志数据进行特征提取，得到所述日志数据对应的至少一个事件元数据；

对所述日志数据对应的至少一个事件元数据进行封装处理，得到所述待检测设备在所述设备启动事件中对应的设备运行事件信息。

其中，对日志数据的特征提取，具体可以是对日志数据进行关键词提取。一些实施例中，可以对日志数据进行分词处理，得到日志数据的各个文本单元，再将日志数据的各个文本单元与预先设置的一些关键词进行相似度的计算，根据相似度的大小，从日志数据的各个文本单元中选取关键词，将选取到的关键词作为日志数据对应的事件元数据。其中，文本单元可以是一个词，也可以是一个字。

其中，事件元数据可以理解为描述日志数据对应属性的信息。

203、服务器针对每个设备启动事件，计算所述设备启动事件对应的设备运行事件信息与各个预设异常问题对应的异常规则之间的匹配度。

其中，预设异常问题对应的异常规则可以为针对该预设异常问题的事件集合，具体可以是该业务领域的专家根据设备的预设异常问题所提供的事件集合。

其中，一些实施例中，针对每个设备启动事件，可以对该设备启动事件对应的设备运行事件信息进行语义提取，得到设备运行事件信息对应的语义特征信息，再计算设备运行事件信息对应的语义特征信息、与各预设异常问题对应的异常规则的语义特征信息之间的向量距离，向量距离可以表征匹配度的大小，向量距离越大，匹配度越小；反之，向量距离越小，匹配度越高。

可以理解的是，不同设备运行事件信息可能对应同一异常问题，本实施例可以根据预设异常问题对应的异常规则，将设备运行事件信息转化为异常问题，从而对设备运行事件信息进行去重。

204、服务器根据所述匹配度，从各个预设异常问题中选取所述待检测设备在所述设备启动事件中存在的异常问题。

其中，一些实施例中，可以将匹配度高于预设值的预设异常问题作为待检测设备在设备启动事件中存在的异常问题，该预设值可以根据实际情况进行设置。另一些实施例中，可以将匹配度最高的预设异常问题作为待检测设备在设备启动事件中存在的异常问题。

205、服务器根据各个设备启动事件对应的异常问题，确定目标异常问题在至少一个启动事件单元中的占比，其中，每个启动事件单元包括至少一个设备启动事件。

其中，一个启动事件单元中可能不存在异常问题，也可能存在一种或多种异常问题。其中，目标异常问题在启动事件单元中的占比对应的数值范围可以是零到一。

可选地，本实施例中，步骤“根据各个设备启动事件对应的异常问题，确定目标异常问题在至少一个启动事件单元中的占比”之前，还可以包括：

确定所需要获取的启动事件单元对应的目标单元尺度；

基于所述目标单元尺度，对所述至少一个设备启动事件进行划分处理，得到至少一个启动事件单元。

其中，目标单元尺度可以视为启动事件单元包含的设备启动事件的数量。

可选地，本实施例中，步骤“根据各个设备启动事件对应的异常问题，确定目标异常问题在至少一个启动事件单元中的占比”，可以包括：

针对每个启动事件单元，根据所述启动事件单元中各个设备启动事件对应的异常问题，统计所述启动事件单元中存在目标异常问题的设备启动事件的数量；

根据所述数量，确定所述目标异常问题在所述启动事件单元中的占比。

206、服务器对所述目标异常问题在各个启动事件单元中的占比进行融合，得到所述待检测设备存在所述目标异常问题的目标概率。

其中，对目标异常问题在各个启动事件单元中的占比的融合方式有多种，本实施例对此不作限制。比如，该融合方式可以是均值运算，也可以是加权融合等。

一些实施例中，可以将目标异常问题在各个启动事件单元中的占比进行均值运算，将均值运算得到的结果作为待检测设备存在目标异常问题的目标概率。另一些实施例中，可以获取各个启动事件单元对应的权重，再根据权重，将目标异常问题在各个启动事件单元中的占比进行加权运算，得到待检测设备存在目标异常问题的目标概率。

207、服务器基于所述目标概率，检测所述待检测设备是否为所述目标异常问题下的异常设备。

可选地，一些实施例中，若目标概率高于预设值，可以将待检测设备确定为目标异常问题下的异常设备，该预设值可以根据实际情况进行设置。

可选地，本实施例中，步骤“基于所述目标概率，检测所述待检测设备是否为所述目标异常问题下的异常设备”，可以包括：

获取符合预设质量条件、且与所述待检测设备的设备维度相同的至少一个参考设备；

根据所述至少一个参考设备存在所述目标异常问题的参考概率，确定所述目标异常问题在所述设备维度的非异常设备中发生的基准概率；

基于所述目标概率和所述基准概率，检测所述待检测设备是否为所述目标异常问题下的异常设备。

其中，该预设质量条件可以根据实际情况进行设置，本实施例对此不作限制。比如，该预设质量条件可以是设备执行成功率高于预设值。符合预设质量条件的设备可以认为是高质量设备。参考设备可以是与待检测设备处于同个设备维度的高质量设备。

其中，设备维度具体可以指设备的应用领域(如设备的应用场景)、或者设备类型等方面的信息。例如，设备维度可以包括支付业务场景、测试场景等。

可选地，本实施例中，步骤“根据所述至少一个参考设备存在所述目标异常问题的参考概率，确定所述目标异常问题在所述设备维度的非异常设备中发生的基准概率”，可以包括：

对各个参考设备存在所述目标异常问题的参考概率进行均值运算，得到所述目标异常问题在所述参考设备中发生的平均概率；

对各个参考设备存在所述目标异常问题的参考概率进行标准差运算，得到标准差运算结果；

根据所述平均概率和所述标准差运算结果，确定所述目标异常问题在所述设备维度的非异常设备中发生的基准概率。

可选地，本实施例中，步骤“基于所述目标概率和所述基准概率，检测所述待检测设备是否为所述目标异常问题下的异常设备”，可以包括：

当所述目标概率大于所述基准概率时，确定待检测设备为所述目标异常问题下的异常设备；

当所述目标概率不大于所述基准概率时，确定待检测设备不为所述目标异常问题下的异常设备。

可选地，本实施例中，该设备检测方法还可以包括：

根据各个目标异常问题对应的异常规则的置信度，确定各个目标异常问题对应的权重；

基于各个目标异常问题对应的权重，对各个目标异常问题对应的目标概率进行融合，得到所述待检测设备的异常分数。

其中，具体地，目标异常问题对应的异常规则的置信度越高，目标异常问题对应的权重越大；反之，目标异常问题对应的异常规则的置信度越低，目标异常问题对应的权重越小。

其中，待检测设备的异常分数可以在一定程度上反映待检测设备的故障程度或者出现故障的可能性。本实施例可以根据各个设备的异常分数，对异常分数较高的设备进行优先处理；具体地，可以根据各个设备的异常分数，对各个设备进行从大到小的排序，得到排序后设备，优先处理排序后设备中的前n个设备；或者，也可以对异常分数大于预设值的设备进行优先处理，该预设值可以根据实际情况进行设置。

需要说明的是，不同设备的异常分数可能差异很大，因此可以先对各个设备的异常分数进行归一化处理，再根据归一化后的异常分数对各个设备进行排序。其中，归一化处理的方式有多种，本实施例对此不作限制，比如可以采用对数进行归一化处理。

由上可知，本实施例可以通过服务器获取待检测设备在至少一个设备启动事件中产生的日志数据；针对每个设备启动事件，对所述设备启动事件中产生的日志数据进行结构化处理，得到所述待检测设备在所述设备启动事件中对应的设备运行事件信息；计算所述设备启动事件对应的设备运行事件信息与各个预设异常问题对应的异常规则之间的匹配度；根据所述匹配度，从各个预设异常问题中选取所述待检测设备在所述设备启动事件中存在的异常问题；根据各个设备启动事件对应的异常问题，确定目标异常问题在至少一个启动事件单元中的占比，其中，每个启动事件单元包括至少一个设备启动事件；对所述目标异常问题在各个启动事件单元中的占比进行融合，得到所述待检测设备存在所述目标异常问题的目标概率；基于所述目标概率，检测所述待检测设备是否为所述目标异常问题下的异常设备。本申请实施例的设备检测的过程是从异常问题出发，通过设备运行事件信息来确定设备存在的异常问题，再根据异常问题检测出异常设备，并且可以直接确定设备故障的原因是否为目标异常问题，无需人工进行故障原因的查询，提高了设备检测的效率和精确度。

为了更好地实施以上方法，本申请实施例还提供一种设备检测装置，如图3所示，该设备检测装置可以包括获取单元301、问题确定单元302、占比确定单元303以及检测单元304，如下：

(1)获取单元301；

获取单元301，用于获取待检测设备在至少一个设备启动事件中产生的设备运行事件信息。

可选的，在本申请的一些实施例中，所述获取单元可以包括日志获取子单元和结构化子单元，如下：

所述日志获取子单元，用于获取待检测设备在至少一个设备启动事件中产生的日志数据；

结构化子单元，用于针对每个设备启动事件，对所述设备启动事件中产生的日志数据进行结构化处理，得到所述待检测设备在所述设备启动事件中对应的设备运行事件信息。

可选的，在本申请的一些实施例中，所述结构化子单元具体可以用于针对每个设备启动事件，对所述设备启动事件中产生的日志数据进行特征提取，得到所述日志数据对应的至少一个事件元数据；对所述日志数据对应的至少一个事件元数据进行封装处理，得到所述待检测设备在所述设备启动事件中对应的设备运行事件信息。

(2)问题确定单元302；

问题确定单元302，用于基于各个设备启动事件对应的设备运行事件信息，确定所述待检测设备在各个设备启动事件中存在的异常问题。

可选的，在本申请的一些实施例中，所述问题确定单元可以包括计算子单元和问题选取子单元，如下：

所述计算子单元，用于针对每个设备启动事件，计算所述设备启动事件对应的设备运行事件信息与各个预设异常问题对应的异常规则之间的匹配度；

问题选取子单元，用于根据所述匹配度，从各个预设异常问题中选取所述待检测设备在所述设备启动事件中存在的异常问题。

(3)占比确定单元303；

占比确定单元303，用于根据各个设备启动事件对应的异常问题，确定目标异常问题在至少一个启动事件单元中的占比，其中，每个启动事件单元包括至少一个设备启动事件。

可选的，在本申请的一些实施例中，所述设备检测装置还可以包括划分单元，所述划分单元可以用于确定所需要获取的启动事件单元对应的目标单元尺度；基于所述目标单元尺度，对所述至少一个设备启动事件进行划分处理，得到至少一个启动事件单元。

可选的，在本申请的一些实施例中，所述占比确定单元可以包括统计子单元和占比确定子单元，如下：

所述统计子单元，用于针对每个启动事件单元，根据所述启动事件单元中各个设备启动事件对应的异常问题，统计所述启动事件单元中存在目标异常问题的设备启动事件的数量；

占比确定子单元，用于根据所述数量，确定所述目标异常问题在所述启动事件单元中的占比。

(4)检测单元304；

检测单元304，用于根据所述目标异常问题在各个启动事件单元中的占比，检测所述待检测设备是否为所述目标异常问题下的异常设备。

可选的，在本申请的一些实施例中，所述检测单元可以包括融合子单元和检测子单元，如下：

所述融合子单元，用于对所述目标异常问题在各个启动事件单元中的占比进行融合，得到所述待检测设备存在所述目标异常问题的目标概率；

检测子单元，用于基于所述目标概率，检测所述待检测设备是否为所述目标异常问题下的异常设备。

可选的，在本申请的一些实施例中，所述检测子单元具体可以用于获取符合预设质量条件、且与所述待检测设备的设备维度相同的至少一个参考设备；根据所述至少一个参考设备存在所述目标异常问题的参考概率，确定所述目标异常问题在所述设备维度的非异常设备中发生的基准概率；基于所述目标概率和所述基准概率，检测所述待检测设备是否为所述目标异常问题下的异常设备。

可选的，在本申请的一些实施例中，步骤“根据所述至少一个参考设备存在所述目标异常问题的参考概率，确定所述目标异常问题在所述设备维度的非异常设备中发生的基准概率”，可以包括：

对各个参考设备存在所述目标异常问题的参考概率进行均值运算，得到所述目标异常问题在所述参考设备中发生的平均概率；

对各个参考设备存在所述目标异常问题的参考概率进行标准差运算，得到标准差运算结果；

根据所述平均概率和所述标准差运算结果，确定所述目标异常问题在所述设备维度的非异常设备中发生的基准概率。

可选的，在本申请的一些实施例中，所述设备检测装置还可以包括异常分数确定单元，所述异常分数确定单元，用于根据各个目标异常问题对应的异常规则的置信度，确定各个目标异常问题对应的权重；基于各个目标异常问题对应的权重，对各个目标异常问题对应的目标概率进行融合，得到所述待检测设备的异常分数。

可选的，在本申请的一些实施例中，所述设备检测装置还可以包括规则置信度确定单元，所述规则置信度确定单元，用于基于各个目标异常问题对应的异常规则，从候选设备中检测出各个目标异常问题对应的异常设备；根据所述候选设备的设备执行成功率，从所述候选设备中选取出目标设备；基于各个目标异常问题对应的异常设备与所述目标设备的重合度，确定各个目标异常问题对应的异常规则的置信度。

可选的，在本申请的一些实施例中，所述规则置信度确定单元可以用于基于各个目标异常问题对应的异常规则与候选设备启动事件对应的设备运行事件信息的匹配度，从所述候选设备启动事件中确定各个目标异常问题对应的异常设备启动事件；根据所述候选设备启动事件对应的事件执行结果，从所述候选设备启动事件中选取目标设备启动事件；根据各个目标异常问题对应的异常设备启动事件和所述目标设备启动事件的重合度，确定各个目标异常问题对应的异常规则的置信度。

由上可知，本实施例可以由获取单元301获取待检测设备在至少一个设备启动事件中产生的设备运行事件信息；通过问题确定单元302基于各个设备启动事件对应的设备运行事件信息，确定所述待检测设备在各个设备启动事件中存在的异常问题；通过占比确定单元303根据各个设备启动事件对应的异常问题，确定目标异常问题在至少一个启动事件单元中的占比，其中，每个启动事件单元包括至少一个设备启动事件；通过检测单元304根据所述目标异常问题在各个启动事件单元中的占比，检测所述待检测设备是否为所述目标异常问题下的异常设备。本申请实施例的设备检测的过程是从异常问题出发，通过设备运行事件信息来确定设备存在的异常问题，再根据异常问题检测出异常设备，并且可以直接确定设备故障的原因是否为目标异常问题，无需人工进行故障原因的查询，提高了设备检测的效率和精确度。

本申请实施例还提供一种电子设备，如图4所示，其示出了本申请实施例所涉及的电子设备的结构示意图，该电子设备可以是终端或者服务器等，具体来讲：

该电子设备可以包括一个或者一个以上处理核心的处理器401、一个或一个以上计算机可读存储介质的存储器402、电源403和输入单元404等部件。本领域技术人员可以理解，图4中示出的电子设备结构并不构成对电子设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。其中：

处理器401是该电子设备的控制中心，利用各种接口和线路连接整个电子设备的各个部分，通过运行或执行存储在存储器402内的软件程序和/或模块，以及调用存储在存储器402内的数据，执行电子设备的各种功能和处理数据，从而对电子设备进行整体监控。可选的，处理器401可包括一个或多个处理核心；优选的，处理器401可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器401中。

存储器402可用于存储软件程序以及模块，处理器401通过运行存储在存储器402的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器402可主要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、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据电子设备的使用所创建的数据等。此外，存储器402可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器402还可以包括存储器控制器，以提供处理器401对存储器402的访问。

电子设备还包括给各个部件供电的电源403，优选的，电源403可以通过电源管理系统与处理器401逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源403还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。

该电子设备还可包括输入单元404，该输入单元404可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。

尽管未示出，该电子设备还可以包括显示单元等，在此不再赘述。具体在本实施例中，电子设备中的处理器401会按照如下的指令，将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器402中，并由处理器401来运行存储在存储器402中的应用程序，从而实现各种功能，如下：

获取待检测设备在至少一个设备启动事件中产生的设备运行事件信息；基于各个设备启动事件对应的设备运行事件信息，确定所述待检测设备在各个设备启动事件中存在的异常问题；根据各个设备启动事件对应的异常问题，确定目标异常问题在至少一个启动事件单元中的占比，其中，每个启动事件单元包括至少一个设备启动事件；根据所述目标异常问题在各个启动事件单元中的占比，检测所述待检测设备是否为所述目标异常问题下的异常设备。

以上各个操作的具体实施可参见前面的实施例，在此不再赘述。

由上可知，本实施例可以获取待检测设备在至少一个设备启动事件中产生的设备运行事件信息；基于各个设备启动事件对应的设备运行事件信息，确定所述待检测设备在各个设备启动事件中存在的异常问题；根据各个设备启动事件对应的异常问题，确定目标异常问题在至少一个启动事件单元中的占比，其中，每个启动事件单元包括至少一个设备启动事件；根据所述目标异常问题在各个启动事件单元中的占比，检测所述待检测设备是否为所述目标异常问题下的异常设备。本申请实施例的设备检测的过程是从异常问题出发，通过设备运行事件信息来确定设备存在的异常问题，再根据异常问题检测出异常设备，并且可以直接确定设备故障的原因是否为目标异常问题，无需人工进行故障原因的查询，提高了设备检测的效率和精确度。

本领域普通技术人员可以理解，上述实施例的各种方法中的全部或部分步骤可以通过指令来完成，或通过指令控制相关的硬件来完成，该指令可以存储于一计算机可读存储介质中，并由处理器进行加载和执行。

为此，本申请实施例提供一种计算机可读存储介质，其中存储有多条指令，该指令能够被处理器进行加载，以执行本申请实施例所提供的任一种设备检测方法中的步骤。例如，该指令可以执行如下步骤：

获取待检测设备在至少一个设备启动事件中产生的设备运行事件信息；基于各个设备启动事件对应的设备运行事件信息，确定所述待检测设备在各个设备启动事件中存在的异常问题；根据各个设备启动事件对应的异常问题，确定目标异常问题在至少一个启动事件单元中的占比，其中，每个启动事件单元包括至少一个设备启动事件；根据所述目标异常问题在各个启动事件单元中的占比，检测所述待检测设备是否为所述目标异常问题下的异常设备。

以上各个操作的具体实施可参见前面的实施例，在此不再赘述。

其中，该计算机可读存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取记忆体(RAM，Random Access Memory)、磁盘或光盘等。

由于该计算机可读存储介质中所存储的指令，可以执行本申请实施例所提供的任一种设备检测方法中的步骤，因此，可以实现本申请实施例所提供的任一种设备检测方法所能实现的有益效果，详见前面的实施例，在此不再赘述。

根据本申请的一个方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述设备检测方面的各种可选实现方式中提供的方法。

以上对本申请实施例所提供的一种设备检测方法以及相关设备进行了详细介绍，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 (16)

1.一种设备检测方法，其特征在于，包括：

获取待检测设备在至少一个设备启动事件中产生的设备运行事件信息；

基于各个设备启动事件对应的设备运行事件信息，确定所述待检测设备在各个设备启动事件中存在的异常问题；

根据各个设备启动事件对应的异常问题，确定目标异常问题在至少一个启动事件单元中的占比，其中，每个启动事件单元包括至少一个设备启动事件；

根据所述目标异常问题在各个启动事件单元中的占比，检测所述待检测设备是否为所述目标异常问题下的异常设备。

2.根据权利要求1所述的方法，其特征在于，所述获取待检测设备在至少一个设备启动事件中产生的设备运行事件信息，包括：

获取待检测设备在至少一个设备启动事件中产生的日志数据；

针对每个设备启动事件，对所述设备启动事件中产生的日志数据进行结构化处理，得到所述待检测设备在所述设备启动事件中对应的设备运行事件信息。

3.根据权利要求2所述的方法，其特征在于，所述针对每个设备启动事件，对所述设备启动事件中产生的日志数据进行结构化处理，得到所述待检测设备在所述设备启动事件中对应的设备运行事件信息，包括：

针对每个设备启动事件，对所述设备启动事件中产生的日志数据进行特征提取，得到所述日志数据对应的至少一个事件元数据；

对所述日志数据对应的至少一个事件元数据进行封装处理，得到所述待检测设备在所述设备启动事件中对应的设备运行事件信息。

4.根据权利要求1所述的方法，其特征在于，所述基于各个设备启动事件对应的设备运行事件信息，确定所述待检测设备在各个设备启动事件中存在的异常问题，包括：

针对每个设备启动事件，计算所述设备启动事件对应的设备运行事件信息与各个预设异常问题对应的异常规则之间的匹配度；

根据所述匹配度，从各个预设异常问题中选取所述待检测设备在所述设备启动事件中存在的异常问题。

5.根据权利要求1所述的方法，其特征在于，所述根据各个设备启动事件对应的异常问题，确定目标异常问题在至少一个启动事件单元中的占比之前，还包括：

确定所需要获取的启动事件单元对应的目标单元尺度；

基于所述目标单元尺度，对所述至少一个设备启动事件进行划分处理，得到至少一个启动事件单元。

6.根据权利要求1所述的方法，其特征在于，所述根据各个设备启动事件对应的异常问题，确定目标异常问题在至少一个启动事件单元中的占比，包括：

针对每个启动事件单元，根据所述启动事件单元中各个设备启动事件对应的异常问题，统计所述启动事件单元中存在目标异常问题的设备启动事件的数量；

根据所述数量，确定所述目标异常问题在所述启动事件单元中的占比。

7.根据权利要求1所述的方法，其特征在于，所述根据所述目标异常问题在各个启动事件单元中的占比，检测所述待检测设备是否为所述目标异常问题下的异常设备，包括：

对所述目标异常问题在各个启动事件单元中的占比进行融合，得到所述待检测设备存在所述目标异常问题的目标概率；

基于所述目标概率，检测所述待检测设备是否为所述目标异常问题下的异常设备。

8.根据权利要求7所述的方法，其特征在于，所述基于所述目标概率，检测所述待检测设备是否为所述目标异常问题下的异常设备，包括：

获取符合预设质量条件、且与所述待检测设备的设备维度相同的至少一个参考设备；

根据所述至少一个参考设备存在所述目标异常问题的参考概率，确定所述目标异常问题在所述设备维度的非异常设备中发生的基准概率；

基于所述目标概率和所述基准概率，检测所述待检测设备是否为所述目标异常问题下的异常设备。

9.根据权利要求8所述的方法，其特征在于，所述根据所述至少一个参考设备存在所述目标异常问题的参考概率，确定所述目标异常问题在所述设备维度的非异常设备中发生的基准概率，包括：

对各个参考设备存在所述目标异常问题的参考概率进行均值运算，得到所述目标异常问题在所述参考设备中发生的平均概率；

对各个参考设备存在所述目标异常问题的参考概率进行标准差运算，得到标准差运算结果；

根据所述平均概率和所述标准差运算结果，确定所述目标异常问题在所述设备维度的非异常设备中发生的基准概率。

10.根据权利要求7所述的方法，其特征在于，所述方法还包括：

根据各个目标异常问题对应的异常规则的置信度，确定各个目标异常问题对应的权重；

基于各个目标异常问题对应的权重，对各个目标异常问题对应的目标概率进行融合，得到所述待检测设备的异常分数。

11.根据权利要求10所述的方法，其特征在于，所述方法还包括：

基于各个目标异常问题对应的异常规则，从候选设备中检测出各个目标异常问题对应的异常设备；

根据所述候选设备的设备执行成功率，从所述候选设备中选取出目标设备；

基于各个目标异常问题对应的异常设备与所述目标设备的重合度，确定各个目标异常问题对应的异常规则的置信度。

12.根据权利要求10所述的方法，其特征在于，所述方法还包括：

基于各个目标异常问题对应的异常规则与候选设备启动事件对应的设备运行事件信息的匹配度，从所述候选设备启动事件中确定各个目标异常问题对应的异常设备启动事件；

根据所述候选设备启动事件对应的事件执行结果，从所述候选设备启动事件中选取目标设备启动事件；

根据各个目标异常问题对应的异常设备启动事件和所述目标设备启动事件的重合度，确定各个目标异常问题对应的异常规则的置信度。

13.一种设备检测装置，其特征在于，包括：

获取单元，用于获取待检测设备在至少一个设备启动事件中产生的设备运行事件信息；

问题确定单元，用于基于各个设备启动事件对应的设备运行事件信息，确定所述待检测设备在各个设备启动事件中存在的异常问题；

占比确定单元，用于根据各个设备启动事件对应的异常问题，确定目标异常问题在至少一个启动事件单元中的占比，其中，每个启动事件单元包括至少一个设备启动事件；

检测单元，用于根据所述目标异常问题在各个启动事件单元中的占比，检测所述待检测设备是否为所述目标异常问题下的异常设备。

14.一种电子设备，其特征在于，包括存储器和处理器；所述存储器存储有应用程序，所述处理器用于运行所述存储器内的应用程序，以执行权利要求1至12任一项所述的设备检测方法中的操作。

15.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有多条指令，所述指令适于处理器进行加载，以执行权利要求1至12任一项所述的设备检测方法中的步骤。

16.一种计算机程序产品，包括计算机程序或指令，其特征在于，该计算机程序或指令被处理器执行时实现权利要求1至12任一项所述的设备检测方法中的步骤。

Images