CN116739568B - 基于大数据的网络运维服务智能检测方法、系统及介质 - Google Patents
基于大数据的网络运维服务智能检测方法、系统及介质 Download PDFInfo
- Publication number
- CN116739568B CN116739568B CN202311017578.3A CN202311017578A CN116739568B CN 116739568 B CN116739568 B CN 116739568B CN 202311017578 A CN202311017578 A CN 202311017578A CN 116739568 B CN116739568 B CN 116739568B
- Authority
- CN
- China
- Prior art keywords
- maintenance
- service
- data
- evaluation
- network
- 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.)
- Active
Links
- 238000012423 maintenance Methods 0.000 title claims abstract description 566
- 238000001514 detection method Methods 0.000 title claims abstract description 74
- 238000011156 evaluation Methods 0.000 claims abstract description 178
- 230000004044 response Effects 0.000 claims abstract description 113
- 238000012544 monitoring process Methods 0.000 claims abstract description 83
- 238000012545 processing Methods 0.000 claims abstract description 69
- 238000000034 method Methods 0.000 claims abstract description 28
- 230000002159 abnormal effect Effects 0.000 claims description 29
- 230000000694 effects Effects 0.000 claims description 27
- 238000012937 correction Methods 0.000 claims description 25
- 230000004043 responsiveness Effects 0.000 claims description 24
- 238000004364 calculation method Methods 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 17
- 238000002955 isolation Methods 0.000 claims description 12
- 230000002787 reinforcement Effects 0.000 claims description 12
- 230000005856 abnormality Effects 0.000 claims description 8
- 230000008439 repair process Effects 0.000 claims description 6
- 230000007613 environmental effect Effects 0.000 claims description 5
- 238000013210 evaluation model Methods 0.000 claims description 4
- 238000012502 risk assessment Methods 0.000 description 12
- 238000007689 inspection Methods 0.000 description 7
- 238000003032 molecular docking Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 241000700605 Viruses Species 0.000 description 2
- ZXQYGBMAQZUVMI-GCMPRSNUSA-N gamma-cyhalothrin Chemical compound CC1(C)[C@@H](\C=C(/Cl)C(F)(F)F)[C@H]1C(=O)O[C@H](C#N)C1=CC=CC(OC=2C=CC=CC=2)=C1 ZXQYGBMAQZUVMI-GCMPRSNUSA-N 0.000 description 2
- 230000009545 invasion Effects 0.000 description 2
- 238000013441 quality evaluation Methods 0.000 description 2
- 230000001550 time effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本申请提供了基于大数据的网络运维服务智能检测方法、系统及介质,属于网络运维服务技术领域。方法包括:获取维护服务信息集和安全管理服务信息并提取特征数据,根据维护保障服务特征数据集和安全管理服务特征数据处理获得维护保障服务响应度数据和安全管理服务评测数据,并进行运维校检处理获得运维管服评价指数,根据获取的网络运行环境监测信息测评获得运维环境风险系数和对应运维环境稳态级数,结合运维管服评价指数修正评估获得运维管服评检修正指数,与预设网络运维评检阈值进行对比获得网络运维服务评检结果;从而对网络运维服务和安全的统计数据结合运行环境风险情况进行评估检测,实现通过大数据对网络运维服务状况进行智能检测评估。
Description
技术领域
本申请涉及基于大数据的网络运维服务技术领域,具体而言,涉及基于大数据的网络运维服务智能检测方法、系统及介质。
背景技术
网络的运行维护通常包含基础设施和应用系统的运维保障、安全管理方面的监测、告警、修复等服务,涉及到硬件系统监测、漏洞隐患巡检、安全防护和预警以及支持、对接服务,而对于网络运维服务的各项服务响应和服务效果的统计评估,由于网络运维服务关联的项目内容和统计数据繁多,常涉及异常报告、故障反馈、故障隔离、安全成效以及客户反馈等方面的统计数据,且运维服务还受到网络运行环境的影响和干扰,因此,对网络运维服务进行统计和评估检测具有繁琐性和难度。虽然CN115426244A公开了基于大数据的网络设备故障检测方法、CN109753410A公开了基于大数据的运维服务系统,但目前仍缺乏可根据运维服务相关统计数据信息进行有效评估的技术。
针对上述问题,目前亟待有效的技术解决方案。
发明内容
本申请的目的在于提供基于大数据的网络运维服务智能检测方法、系统及介质,可以通过大数据对网络运维的保障服务和安全管理相关统计数据结合运行环境风险情况信息进行评估检测,实现通过大数据对网络运维服务状况进行智能检测评估。
本申请还提供了基于大数据的网络运维服务智能检测方法,包括以下步骤:
获取预设时间段内网络基础设施与应用系统的维护服务信息集和安全管理服务信息;
根据所述维护服务信息集提取维护保障服务特征数据集,根据所述安全管理服务信息提取安全管理服务特征数据,并获取所述预设时间段内的网络运行环境监测信息;
根据所述维护保障服务特征数据集处理获得多个维护保障服务响应度数据;
根据所述安全管理服务特征数据处理获得安全管理服务评测数据;
根据所述多个维护保障服务响应度数据结合所述安全管理服务评测数据进行运维校检处理,获得运维管服评价指数;
根据所述网络运行环境监测信息进行运维环境测评,获得所述预设时间段内的运维环境风险系数,并获得对应的运维环境稳态级数;
根据所述运维管服评价指数结合所述运维环境风险系数和运维环境稳态级数进行修正评估,获得运维管服评检修正指数;
根据所述运维管服评检修正指数与预设网络运维评检阈值进行对比获得网络运维服务评检结果。
可选地,在本申请所述的基于大数据的网络运维服务智能检测方法中,所述获取预设时间段内网络基础设施和应用系统的维护服务信息集和安全管理服务信息,包括:
获取预设时间段内网络基础设施和应用系统的维护服务信息集,包括服务监控报告信息、服务日志记载信息以及服务保障反馈信息;
获取所述预设时间段内网络基础设施和应用系统的安全管理服务信息,包括安全管理信息和网络服务信息。
可选地,在本申请所述的基于大数据的网络运维服务智能检测方法中,所述根据所述维护服务信息集提取维护保障服务特征数据集,根据所述安全管理服务信息提取安全管理服务特征数据,并获取所述预设时间段内的网络运行环境监测信息,包括:
根据所述维护服务信息集提取维护保障服务特征数据集,包括服务监测异常报告数据、服务日志标记数据以及服务保障反馈数据;
根据所述安全管理服务信息提取安全管理服务特征数据,包括安全管理统计数据和网络服务响应数据;
获取所述预设时间段内的网络运行环境监测信息,包括攻击活跃告警信息、漏洞监测频次信息以及入侵干扰报警信息。
可选地,在本申请所述的基于大数据的网络运维服务智能检测方法中,所述根据所述维护保障服务特征数据集处理获得多个维护保障服务响应度数据,包括:
根据所述服务监测异常报告数据、服务日志标记数据以及服务保障反馈数据分别提取对应的子数据,获得服务监测异常报告子数据、服务日志标记子数据以及服务保障反馈子数据;
所述服务监测异常报告子数据包括异常报告时效数据、异常漏报率数据、硬件故障频次数据;
所述服务日志标记子数据包括维护进程完成率数据、故障隔离指标数据、业务保障准点率数据;
所述服务保障反馈子数据包括服务反应及时率数据、客户反馈满足度数据、故障修复成效数据;
根据所述服务监测异常报告子数据、服务日志标记子数据、服务保障反馈子数据通过维护保障服务响应检测模型进行处理,分别获得对应第一维护保障服务响应度数据、第二维护保障服务响应度数据和第三维护保障服务响应度数据。
可选地,在本申请所述的基于大数据的网络运维服务智能检测方法中,所述根据所述安全管理服务特征数据处理获得安全管理服务评测数据,包括:
根据所述安全管理统计数据和网络服务响应数据分别提取对应的子数据,获得安全管理统计子数据和网络服务响应子数据;
所述安全管理统计子数据包括漏洞检测漏检率数据和安全补丁加固准时率数据;
所述网络服务响应子数据包括服务响应效率数据和检索服务响应成功率数据;
根据所述漏洞检测漏检率数据、安全补丁加固准时率数据结合服务响应效率数据和检索服务响应成功率数据进行评测处理,获得安全管理服务评测数据。
可选地,在本申请所述的基于大数据的网络运维服务智能检测方法中,所述根据所述多个维护保障服务响应度数据结合所述安全管理服务评测数据进行运维校检处理,获得运维管服评价指数,包括:
根据所述第一维护保障服务响应度数据、第二维护保障服务响应度数据以及第三维护保障服务响应度数据结合所述安全管理服务评测数据通过预设运维校检模型进行校检处理,获得运维管服评价指数;
所述运维管服评价指数的处理程序公式为:
;
其中,为运维管服评价指数,/>为安全管理服务评测数据,/>为第一维护保障服务响应度数据、第二维护保障服务响应度数据、第三维护保障服务响应度数据中三个数据中的第i个数据,/>、/>、/>为预设特征系数。
可选地,在本申请所述的基于大数据的网络运维服务智能检测方法中,所述根据所述网络运行环境监测信息进行运维环境测评,获得所述预设时间段内的运维环境风险系数,并获得对应的运维环境稳态级数,包括:
根据所述攻击活跃告警信息、漏洞监测频次信息以及入侵干扰报警信息通过预设网络环境风险测评模型进行测评,获取所述预设时间段内的运维环境风险系数;
根据所述运维环境风险系数与预设运维环境风险阈值进行对比,根据阈值对比结果范围获得对应运维环境风险等级;
根据所述运维环境风险系数与运维环境风险等级进行加权处理,获得对应的运维环境稳态级数。
可选地,在本申请所述的基于大数据的网络运维服务智能检测方法中,所述根据所述运维管服评价指数结合所述运维环境风险系数和运维环境稳态级数进行修正评估,获得运维管服评检修正指数,包括:
根据所述运维管服评价指数结合所述运维环境风险系数以及运维环境稳态级数进行修正处理,获得运维管服评检修正指数;
所述运维管服评检修正指数的修正计算公式为:
;
其中,为运维管服评检修正指数,/>为运维管服评价指数,/>为运维环境风险系数,/>为运维环境稳态级数,/>、/>为预设特征系数。
第二方面,本申请提供了基于大数据的网络运维服务智能检测系统,该系统包括:存储器及处理器,所述存储器中包括基于大数据的网络运维服务智能检测方法的程序,所述基于大数据的网络运维服务智能检测方法的程序被所述处理器执行时实现以下步骤:
获取预设时间段内网络基础设施与应用系统的维护服务信息集和安全管理服务信息;
根据所述维护服务信息集和安全管理服务信息分别提取维护保障服务特征数据集和安全管理服务特征数据,并获取所述预设时间段内的网络运行环境监测信息;
根据所述维护保障服务特征数据集处理获得多个维护保障服务响应度数据;
根据所述安全管理服务特征数据处理获得安全管理服务评测数据;
根据所述多个维护保障服务响应度数据结合所述安全管理服务评测数据进行运维校检处理,获得运维管服评价指数;
根据所述网络运行环境监测信息进行运维环境测评,获得所述预设时间段内的运维环境风险系数,并获得对应的运维环境稳态级数;
根据所述运维管服评价指数结合所述运维环境风险系数和运维环境稳态级数进行修正评估,获得运维管服评检修正指数;
根据所述运维管服评检修正指数与预设网络运维评检阈值进行对比获得网络运维服务评检结果。
第三方面,本申请还提供了计算机可读存储介质,所述计算机可读存储介质中包括基于大数据的网络运维服务智能检测方法程序,所述基于大数据的网络运维服务智能检测方法程序被处理器执行时,实现如上述任一项所述的基于大数据的网络运维服务智能检测方法的步骤。
由上可知,本申请提供的基于大数据的网络运维服务智能检测方法、系统及介质,通过获取维护服务信息集和安全管理服务信息并提取特征数据,根据维护保障服务特征数据集和安全管理服务特征数据处理获得维护保障服务响应度数据和安全管理服务评测数据,并进行运维校检处理获得运维管服评价指数,根据获取的网络运行环境监测信息测评获得运维环境风险系数和对应运维环境稳态级数,再结合运维管服评价指数修正评估获得运维管服评检修正指数,最后与预设网络运维评检阈值进行对比获得网络运维服务评检结果;从而基于大数据对网络运维的保障服务和安全管理相关统计数据结合运行环境风险情况信息进行评估检测,实现通过大数据对网络运维服务状况进行智能检测评估。
本申请的其他特征和优点将在随后的说明书阐述,并且,部分地从说明书中变得显而易见,或者通过实施本申请了解。本申请的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
附图说明
图1为本申请实施例提供的基于大数据的网络运维服务智能检测方法的流程图;
图2为本申请实施例提供的基于大数据的网络运维服务智能检测方法的获取维护服务信息集和安全管理服务信息的流程图;
图3为本申请实施例提供的基于大数据的网络运维服务智能检测方法的获取网络运行环境监测信息的流程图;
图4为本申请实施例提供的基于大数据的网络运维服务智能检测系统的结构示意图。
具体实施方式
下面将结合本申请实施例中附图,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。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的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。
应注意到,相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本申请的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
请参照图1,图1是本申请一些实施例中的基于大数据的网络运维服务智能检测方法的流程图。该基于大数据的网络运维服务智能检测方法用于终端设备中,例如电脑、手机终端等。该基于大数据的网络运维服务智能检测方法,包括以下步骤:S101、获取预设时间段内网络基础设施与应用系统的维护服务信息集和安全管理服务信息;S102、根据所述维护服务信息集提取维护保障服务特征数据集,根据所述安全管理服务信息提取安全管理服务特征数据,并获取所述预设时间段内的网络运行环境监测信息;S103、根据所述维护保障服务特征数据集处理获得多个维护保障服务响应度数据;S104、根据所述安全管理服务特征数据处理获得安全管理服务评测数据;S105、根据所述多个维护保障服务响应度数据结合所述安全管理服务评测数据进行运维校检处理,获得运维管服评价指数;S106、根据所述网络运行环境监测信息进行运维环境测评,获得所述预设时间段内的运维环境风险系数,并获得对应的运维环境稳态级数;S107、根据所述运维管服评价指数结合所述运维环境风险系数和运维环境稳态级数进行修正评估,获得运维管服评检修正指数;S108、根据所述运维管服评检修正指数与预设网络运维评检阈值进行对比获得网络运维服务评检结果。
需要说明的是,为实现对网络运维的保障服务和安全管理相关统计数据进行运维服务质量成效评估,通过获取预设时间段内网络基础设施和应用系统的维护服务信息和安全管理服务信息,并根据信息分别提取相关统计的特征数据,再分别根据维护保障服务特征数据和安全管理服务特征数据进行处理获得第一/第二/第三维护保障服务响应度数据以及安全管理服务评测数据,并进行运维校检处理获得运维管服评价指数,该评价指数反映出网络运维服务的评价效果,再根据采集的网络运行环境监测信息进行运维环境测评获得运维环境风险系数以及对应的运维环境稳态级数,获得对网络运维服务中环境状况的风险评估,最后根据运维管服评价指数结合运维环境风险系数和运维环境稳态级数进行修正评估获得运维管服评检修正指数,即获得对网络运维服务在时间段内的效果统计数据的评估检测结果,最后根据得到的运维管服评检修正指数与预设网络运维评检阈值进行对比,若运维管服评检修正指数符合预设网络运维评检阈值的阈值对比要求,则表明网络运维服务的质量评检结果通过,否则,则表明网络运维服务的质量评检结果不合规,从而实现通过大数据统计和处理技术对网络运维服务状况进行数据成效的检测评估。
图2是本申请实施例中的基于大数据的网络运维服务智能检测方法的获取维护服务信息集和安全管理服务信息的流程图。根据本发明实施例,所述获取预设时间段内网络基础设施和应用系统的维护服务信息集和安全管理服务信息,具体为:S201、获取预设时间段内网络基础设施和应用系统的维护服务信息集,包括服务监控报告信息、服务日志记载信息以及服务保障反馈信息;S202、获取所述预设时间段内网络基础设施和应用系统的安全管理服务信息,包括安全管理信息和网络服务信息。
需要说明的是,为实现通过大数据对网络运维服务状况进行数据成效的检测评估的技术效果,首先需采集预设时间段内网络基础设施和应用系统的维护服务信息集,网络基础设施包括主机系统、存储备份系统、终端、机房动力装置及配电消防系统等,应用系统包括局域网、互联网以及路由器、交换机、负载均衡设备等,维护服务信息集包括对设施和系统运行中的服务进程项目监控报告、服务进程记载日志以及服务保障情况反馈的信息,并获取时间段内网络基础设施和应用系统的安全管理服务信息,安全管理服务是对网络运维涉及的应用系统、终端及其内容的安全监督评估、安全预警响应以及网络对接、交汇通信、交互支持等方面的服务,其中包括安全管理信息和网络服务信息。
图3是本申请实施例中的基于大数据的网络运维服务智能检测方法的获取网络运行环境监测信息的流程图。根据本发明实施例,所述根据所述维护服务信息集提取维护保障服务特征数据集,根据所述安全管理服务信息提取安全管理服务特征数据,并获取所述预设时间段内的网络运行环境监测信息,具体为:S301、根据所述维护服务信息集提取维护保障服务特征数据集,包括服务监测异常报告数据、服务日志标记数据以及服务保障反馈数据;S302、根据所述安全管理服务信息提取安全管理服务特征数据,包括安全管理统计数据和网络服务响应数据;S303、获取所述预设时间段内的网络运行环境监测信息,包括攻击活跃告警信息、漏洞监测频次信息以及入侵干扰报警信息。
需要说明的是,维护保障服务特征数据集中包括对设施和系统运行中的服务进程的异常检测报告、服务进程日志标记以及服务保障情况反馈的数据,安全管理服务特征数据包括运维服务进程中安全管理和网络服务响应的相关数据,同时获取时间段内的网络运行环境监测信息,包括网络攻击活跃度的告警信息、漏洞监测出现的频次信息以及网络被入侵干扰的报警信息。
根据本发明实施例,所述根据所述维护保障服务特征数据集处理获得多个维护保障服务响应度数据,具体为:根据所述服务监测异常报告数据、服务日志标记数据以及服务保障反馈数据分别提取对应的子数据,获得服务监测异常报告子数据、服务日志标记子数据以及服务保障反馈子数据;所述服务监测异常报告子数据包括异常报告时效数据、异常漏报率数据、硬件故障频次数据;所述服务日志标记子数据包括维护进程完成率数据、故障隔离指标数据、业务保障准点率数据;所述服务保障反馈子数据包括服务反应及时率数据、客户反馈满足度数据、故障修复成效数据;根据所述服务监测异常报告子数据、服务日志标记子数据、服务保障反馈子数据通过维护保障服务响应检测模型进行处理,分别获得对应第一维护保障服务响应度数据、第二维护保障服务响应度数据和第三维护保障服务响应度数据。
需要说明的是,为评估网络运维的维护保障服务响应度情况,即根据提取得到的服务监测报告数据、服务日志标记数据以及服务保障反馈数据分别进行响应度检测处理,以评估运维服务保障的质量,对服务监测异常报告数据、服务日志标记数据、服务保障反馈数据分别提取对应子数据,再分别对子数据通过预设的维护保障服务响应检测模型进行检测计算,获得对应第一/第二/第三维护保障服务响应度数据,其中,维护保障服务响应检测模型是对上述各子数据分别进行处理计算并获得对应第一/第二/第三维护保障服务响应度数据的预设检测计算模型,其包括下文中描述的用于计算第一/第二/第三维护保障服务响应度数据的计算,根据异常报告中的报告反应度的时效数据、漏报率数据和捕获的硬件故障频次数据处理获得第一维护保障服务响应度数据,根据服务日志中所标记的维护进程完成率数据、故障完成隔离排除的完成度指标数据和保障业务进度完成的准点率的数据进行处理获得第二维护保障服务响应度数据,根据服务保障反馈的服务反应速度的及时率数据、客户反馈的满足度数据和故障修复后的成效数据进行处理获得第三维护保障服务响应度数据;其中,故障隔离指标数据为故障完成隔离排除的完成度指标数据,业务保障准点率数据为保障业务进度完成的准点率的数据。
其中,所述第一维护保障服务响应度数据、第二维护保障服务响应度数据、第三维护保障服务响应度数据的处理计算公式为:
;
其中,为第一维护保障服务响应度数据、第二维护保障服务响应度数据、第三维护保障服务响应度数据上述三个数据中的第i个数据,/>为预设网络维护服务响应因子,为异常报告时效数据、维护进程完成率数据、服务反应及时率数据三个数据中的第i个数据,/>为异常漏报率数据、故障隔离指标数据、客户反馈满足度数据三个数据中的第i个数据,/>为硬件故障频次数据、业务保障准点率数据、故障修复成效数据三个数据中的第i个数据,/>、/>、/>为预设特征系数(网络维护服务响应因子和特征系数通过网络运维服务数据库进行查询获得)。
根据本发明实施例,所述根据所述安全管理服务特征数据处理获得安全管理服务评测数据,具体为:根据所述安全管理统计数据和网络服务响应数据分别提取对应的子数据,获得安全管理统计子数据和网络服务响应子数据;所述安全管理统计子数据包括漏洞检测漏检率数据和安全补丁加固准时率数据;所述网络服务响应子数据包括服务响应效率数据和检索服务响应成功率数据;根据所述漏洞检测漏检率数据、安全补丁加固准时率数据结合服务响应效率数据和检索服务响应成功率数据进行评测处理,获得安全管理服务评测数据。
需要说明的是,在评估网络运维服务的质量时,网络安全服务也是评价运维服务质量成效的重要环节,根据获得的安全管理统计数据和网络服务响应数据分别提取对应的安全管理统计子数据和网络服务响应子数据,安全管理统计子数据包括漏洞检测的漏检率数据以及安全补丁加固的准时率数据,网络服务响应子数据包括网络对接、交汇通信、交互支持等网络服务的响应效率数据以及网络提供检索服务的响应成功率数据,再根据上述各子数据进行评测处理,获得安全管理服务评测数据,该安全管理服务评测数据反映网络运维服务中安全服务的质量成效。
其中,所述安全管理服务评测数据的计算公式为:
;
其中,为安全管理服务评测数据,/>、/>、/>、/>分别为漏洞检测漏检率数据、安全补丁加固准时率数据、服务响应效率数据、检索服务响应成功率数据,/>为预设网络安全域系数,/>、/>、/>、/>为预设特征系数(网络安全域系数和特征系数通过网络运维服务数据库进行查询获得)。
根据本发明实施例,所述根据所述多个维护保障服务响应度数据结合所述安全管理服务评测数据进行运维校检处理,获得运维管服评价指数,具体为:根据所述第一维护保障服务响应度数据、第二维护保障服务响应度数据以及第三维护保障服务响应度数据结合所述安全管理服务评测数据通过预设运维校检模型进行校检处理,获得运维管服评价指数。
所述运维管服评价指数的处理程序公式为:
;
其中,为运维管服评价指数,/>为安全管理服务评测数据,/>为第一维护保障服务响应度数据、第二维护保障服务响应度数据、第三维护保障服务响应度数据中三个数据中的第i个数据,/>、/>、/>为预设特征系数(特征系数通过网络运维服务数据库进行查询获得)。
需要说明的是,在获得了反映网络运维服务质量的多个维护保障服务响应度数据以及反映安全服务质量成效的安全管理服务评测数据后,根据第一维护保障服务响应度数据、第二维护保障服务响应度数据以及第三维护保障服务响应度数据结合安全管理服务评测数据通过预设运维校检模型进行运维校检处理获得运维管服评价指数,该预设运维校检模型是用于计算获得运维管服评价指数的包含上述处理公式的校检计算模型,该评价指数反映出网络运维管理服务的整体服务质量和安全成效的评价效果。
根据本发明实施例,所述根据所述网络运行环境监测信息进行运维环境测评,获得所述预设时间段内的运维环境风险系数,并获得对应的运维环境稳态级数,具体为:根据所述攻击活跃告警信息、漏洞监测频次信息以及入侵干扰报警信息通过预设网络环境风险测评模型进行测评,获取所述预设时间段内的运维环境风险系数;根据所述运维环境风险系数与预设运维环境风险阈值进行对比,根据阈值对比结果范围获得对应运维环境风险等级;根据所述运维环境风险系数与运维环境风险等级进行加权处理,获得对应的运维环境稳态级数。
需要说明的是,由于网络运维服务的质量成效还受到所处网络运行环境的影响和干扰,因此,需对预设时间段内的网络运维环境进行风险评估,并根据风险评估结果对运维管服评价指数进行加权处理,以提高评价检测结果的精确度,根据提取的时间段内的网络木马、黑客以及病毒等的攻击活跃度告警信息、对监测到的漏洞的出现频次信息以及外界非法入侵和干扰的报警信息通过预设网络环境风险测评模型进行测评,获取运维环境风险系数,该预设网络环境风险测评模型是处理计算获得运维环境风险系数的公式模型,通过下述公式可获得运维环境风险系数,再根据运维环境风险系数与预设运维环境风险阈值进行对比,根据阈值对比结果范围获得对应的运维环境风险等级,运维环境风险等级与运维环境风险阈值的阈值范围进行对应设置,本实施例中将运维环境风险阈值的阈值范围分为[0,20),[20,45),[45,70),[70,85),[85,100]五个阈值范围,并根据阈值范围对应划分运维环境风险等级,分别对应为一到五级,其中[0,20)为一级,则可根据运维环境风险系数的阈值对比结果获得对应的运维环境风险等级,例如,某运维环境风险系数A的对比阈值为83,则其对应的运维环境风险等级为四级,最后再将运维环境风险系数与运维环境风险等级进行加权处理,获得运维环境稳态级数,通过获得运维环境风险系数以及对应的运维环境稳态级数反映网络运维服务中环境状况的风险评估。
其中,所述运维环境风险系数的测评计算公式为:
;
其中,为运维环境风险系数,/>、/>、/>分别为攻击活跃告警信息、漏洞监测频次信息、入侵干扰报警信息,/>、/>、/>为预设特征系数(特征系数通过网络运维服务数据库进行查询获得)。
根据本发明实施例,所述根据所述运维管服评价指数结合所述运维环境风险系数和运维环境稳态级数进行修正评估,获得运维管服评检修正指数,具体为:根据所述运维管服评价指数结合所述运维环境风险系数以及运维环境稳态级数进行修正处理,获得运维管服评检修正指数;所述运维管服评检修正指数的修正计算公式为:
;
其中,为运维管服评检修正指数,/>为运维管服评价指数,/>为运维环境风险系数,/>为运维环境稳态级数,/>、/>为预设特征系数(特征系数通过网络运维服务数据库进行查询获得)。
需要说明的是,为提高对网络运维服务的质量评价检测结果的精确度,最后根据运维管服评价指数结合运维环境风险系数和运维环境稳态级数进行修正处理,获得运维管服评检修正指数,该修正指数即反映预设时间段内网络运维服务在网络运行环境下的服务质量和安全成效的评估结果。
如图4所示,本发明还公开了基于大数据的网络运维服务智能检测系统4,包括存储器41和处理器42,所述存储器中包括基于大数据的网络运维服务智能检测方法程序,所述基于大数据的网络运维服务智能检测方法程序被所述处理器执行时实现如下步骤:获取预设时间段内网络基础设施与应用系统的维护服务信息集和安全管理服务信息;根据所述维护服务信息集提取维护保障服务特征数据集,根据所述安全管理服务信息提取安全管理服务特征数据,并获取所述预设时间段内的网络运行环境监测信息;根据所述维护保障服务特征数据集处理获得多个维护保障服务响应度数据;根据所述安全管理服务特征数据处理获得安全管理服务评测数据;根据所述多个维护保障服务响应度数据结合所述安全管理服务评测数据进行运维校检处理,获得运维管服评价指数;根据所述网络运行环境监测信息进行运维环境测评,获得所述预设时间段内的运维环境风险系数,并获得对应的运维环境稳态级数;根据所述运维管服评价指数结合所述运维环境风险系数和运维环境稳态级数进行修正评估,获得运维管服评检修正指数;根据所述运维管服评检修正指数与预设网络运维评检阈值进行对比获得网络运维服务评检结果。
需要说明的是,为实现对网络运维的保障服务和安全管理相关统计数据进行运维服务质量成效评估,通过获取预设时间段内网络基础设施和应用系统的维护服务信息和安全管理服务信息,并根据信息分别提取相关统计的特征数据,再分别根据维护保障服务特征数据和安全管理服务特征数据进行处理获得第一/第二/第三维护保障服务响应度数据以及安全管理服务评测数据,并进行运维校检处理获得运维管服评价指数,该评价指数反映出网络运维服务的评价效果,再根据采集的网络运行环境监测信息进行运维环境测评获得运维环境风险系数以及对应的运维环境稳态级数,获得对网络运维服务中环境状况的风险评估,最后根据运维管服评价指数结合运维环境风险系数和运维环境稳态级数进行修正评估获得运维管服评检修正指数,即获得对网络运维服务在时间段内的效果统计数据的评估检测结果,最后根据得到的运维管服评检修正指数与预设网络运维评检阈值进行对比,若运维管服评检修正指数符合预设网络运维评检阈值的阈值对比要求,则表明网络运维服务的质量评检结果通过,否则,则表明网络运维服务的质量评检结果不合规,从而实现通过大数据统计和处理技术对网络运维服务状况进行数据成效的检测评估。
根据本发明实施例,所述获取预设时间段内网络基础设施和应用系统的维护服务信息集和安全管理服务信息,具体为:获取预设时间段内网络基础设施和应用系统的维护服务信息集,包括服务监控报告信息、服务日志记载信息以及服务保障反馈信息;获取所述预设时间段内网络基础设施和应用系统的安全管理服务信息,包括安全管理信息和网络服务信息。
需要说明的是,为实现通过大数据对网络运维服务状况进行数据成效的检测评估的技术效果,首先需采集预设时间段内网络基础设施和应用系统的维护服务信息集,网络基础设施包括主机系统、存储备份系统、终端、机房动力装置及配电消防系统等,应用系统包括局域网、互联网以及路由器、交换机、负载均衡设备等,维护服务信息集包括对设施和系统运行中的服务进程项目监控报告、服务进程记载日志以及服务保障情况反馈的信息,并获取时间段内网络基础设施和应用系统的安全管理服务信息,安全管理服务是对网络运维涉及的应用系统、终端及其内容的安全监督评估、安全预警响应以及网络对接、交汇通信、交互支持等方面的服务,其中包括安全管理信息和网络服务信息。
根据本发明实施例,所述根据所述维护服务信息集提取维护保障服务特征数据集,根据所述安全管理服务信息提取安全管理服务特征数据,并获取所述预设时间段内的网络运行环境监测信息,具体为:根据所述维护服务信息集提取维护保障服务特征数据集,包括服务监测异常报告数据、服务日志标记数据以及服务保障反馈数据;根据所述安全管理服务信息提取安全管理服务特征数据,包括安全管理统计数据和网络服务响应数据;获取所述预设时间段内的网络运行环境监测信息,包括攻击活跃告警信息、漏洞监测频次信息以及入侵干扰报警信息。
需要说明的是,维护保障服务特征数据集中包括对设施和系统运行中的服务进程的异常检测报告、服务进程日志标记以及服务保障情况反馈的数据,安全管理服务特征数据包括运维服务进程中安全管理和网络服务响应的相关数据,同时获取时间段内的网络运行环境监测信息,包括网络攻击活跃度的告警信息、漏洞监测出现的频次信息以及网络被入侵干扰的报警信息。
根据本发明实施例,所述根据所述维护保障服务特征数据集处理获得多个维护保障服务响应度数据,具体为:根据所述服务监测异常报告数据、服务日志标记数据以及服务保障反馈数据分别提取对应的子数据,获得服务监测异常报告子数据、服务日志标记子数据以及服务保障反馈子数据;所述服务监测异常报告子数据包括异常报告时效数据、异常漏报率数据、硬件故障频次数据;所述服务日志标记子数据包括维护进程完成率数据、故障隔离指标数据、业务保障准点率数据;所述服务保障反馈子数据包括服务反应及时率数据、客户反馈满足度数据、故障修复成效数据;根据所述服务监测异常报告子数据、服务日志标记子数据、服务保障反馈子数据通过维护保障服务响应检测模型进行处理,分别获得对应第一维护保障服务响应度数据、第二维护保障服务响应度数据和第三维护保障服务响应度数据。
需要说明的是,为评估网络运维的维护保障服务响应度情况,即根据提取得到的服务监测报告数据、服务日志标记数据以及服务保障反馈数据分别进行响应度检测处理,以评估运维服务保障的质量,对服务监测异常报告数据、服务日志标记数据、服务保障反馈数据分别提取对应子数据,再分别对子数据通过预设的维护保障服务响应检测模型进行检测计算,获得对应第一/第二/第三维护保障服务响应度数据,其中,维护保障服务响应检测模型是对上述各子数据分别进行处理计算并获得对应第一/第二/第三维护保障服务响应度数据的预设检测计算模型,具体计算公式见下述,根据异常报告中的报告反应度的时效数据、漏报率数据和捕获的硬件故障频次数据处理获得第一维护保障服务响应度数据,根据服务日志中所标记的维护进程完成率数据、故障完成隔离排除的完成度指标数据和保障业务进度完成的准点率的数据进行处理获得第二维护保障服务响应度数据,根据服务保障反馈的服务反应速度的及时率数据、客户反馈的满足度数据和故障修复后的成效数据进行处理获得第三维护保障服务响应度数据。
其中,所述第一维护保障服务响应度数据、第二维护保障服务响应度数据、第三维护保障服务响应度数据的处理计算公式为:
;
其中,为第一维护保障服务响应度数据、第二维护保障服务响应度数据、第三维护保障服务响应度数据上述三个数据中的第i个数据,/>为预设网络维护服务响应因子,为异常报告时效数据、维护进程完成率数据、服务反应及时率数据三个数据中的第i个数据,/>为异常漏报率数据、故障隔离指标数据、客户反馈满足度数据三个数据中的第i个数据,/>为硬件故障频次数据、业务保障准点率数据、故障修复成效数据三个数据中的第i个数据,/>、/>、/>为预设特征系数(网络维护服务响应因子和特征系数通过网络运维服务数据库进行查询获得)。
根据本发明实施例,所述根据所述安全管理服务特征数据处理获得安全管理服务评测数据,具体为:根据所述安全管理统计数据和网络服务响应数据分别提取对应的子数据,获得安全管理统计子数据和网络服务响应子数据;所述安全管理统计子数据包括漏洞检测漏检率数据和安全补丁加固准时率数据;所述网络服务响应子数据包括服务响应效率数据和检索服务响应成功率数据;根据所述漏洞检测漏检率数据、安全补丁加固准时率数据结合服务响应效率数据和检索服务响应成功率数据进行评测处理,获得安全管理服务评测数据。
需要说明的是,在评估网络运维服务的质量时,网络安全服务也是评价运维服务质量成效的重要环节,根据获得的安全管理统计数据和网络服务响应数据分别提取对应的安全管理统计子数据和网络服务响应子数据,安全管理统计子数据包括漏洞检测的漏检率数据以及安全补丁加固的准时率数据,网络服务响应子数据包括网络对接、交汇通信、交互支持等网络服务的响应效率数据以及网络提供检索服务的响应成功率数据,再根据上述各子数据进行评测处理,获得安全管理服务评测数据,该安全管理服务评测数据反映网络运维服务中安全服务的质量成效。
其中,所述安全管理服务评测数据的计算公式为:
;
其中,为安全管理服务评测数据,/>、/>、/>、/>分别为漏洞检测漏检率数据、安全补丁加固准时率数据、服务响应效率数据、检索服务响应成功率数据,/>为预设网络安全域系数,/>、/>、/>、/>为预设特征系数(网络安全域系数和特征系数通过网络运维服务数据库进行查询获得)。
根据本发明实施例,所述根据所述多个维护保障服务响应度数据结合所述安全管理服务评测数据进行运维校检处理,获得运维管服评价指数,具体为:根据所述第一维护保障服务响应度数据、第二维护保障服务响应度数据以及第三维护保障服务响应度数据结合所述安全管理服务评测数据通过预设运维校检模型进行校检处理,获得运维管服评价指数;所述运维管服评价指数的处理程序公式为:
;
其中,为运维管服评价指数,/>为安全管理服务评测数据,/>为第一维护保障服务响应度数据、第二维护保障服务响应度数据、第三维护保障服务响应度数据中三个数据中的第i个数据,/>、/>、/>为预设特征系数(特征系数通过网络运维服务数据库进行查询获得)。
需要说明的是,在获得了反映网络运维服务质量的多个维护保障服务响应度数据以及反映安全服务质量成效的安全管理服务评测数据后,根据第一维护保障服务响应度数据、第二维护保障服务响应度数据以及第三维护保障服务响应度数据结合安全管理服务评测数据通过预设运维校检模型进行运维校检处理获得运维管服评价指数,该预设运维校检模型是用于计算获得运维管服评价指数的包含上述处理公式的校检计算模型,该评价指数反映出网络运维管理服务的整体服务质量和安全成效的评价效果。
根据本发明实施例,所述根据所述网络运行环境监测信息进行运维环境测评,获得所述预设时间段内的运维环境风险系数,并获得对应的运维环境稳态级数,具体为:根据所述攻击活跃告警信息、漏洞监测频次信息以及入侵干扰报警信息通过预设网络环境风险测评模型进行测评,获取所述预设时间段内的运维环境风险系数;根据所述运维环境风险系数与预设运维环境风险阈值进行对比,根据阈值对比结果范围获得对应运维环境风险等级;根据所述运维环境风险系数与运维环境风险等级进行加权处理,获得对应的运维环境稳态级数。
需要说明的是,由于网络运维服务的质量成效还受到所处网络运行环境的影响和干扰,因此,需对预设时间段内的网络运维环境进行风险评估,并根据风险评估结果对运维管服评价指数进行加权处理,以提高评价检测结果的精确度,根据提取的时间段内的网络木马、黑客以及病毒等的攻击活跃度告警信息、对监测到的漏洞的出现频次信息以及外界非法入侵和干扰的报警信息通过预设网络环境风险测评模型进行测评,获取运维环境风险系数,该预设网络环境风险测评模型是处理计算获得运维环境风险系数的公式模型,通过下述公式可获得运维环境风险系数,再根据运维环境风险系数与预设运维环境风险阈值进行对比,根据阈值对比结果范围获得对应的运维环境风险等级,运维环境风险等级与运维环境风险阈值的阈值范围进行对应设置,本实施例中将运维环境风险阈值的阈值范围分为[0,20),[20,45),[45,70),[70,85),[85,100]五个阈值范围,并根据阈值范围对应划分运维环境风险等级,分别对应为一到五级,其中[0,20)为一级,则可根据运维环境风险系数的阈值对比结果获得对应的运维环境风险等级,例如,某运维环境风险系数A的对比阈值为83,则其对应的运维环境风险等级为四级,最后再将运维环境风险系数与运维环境风险等级进行加权处理,获得运维环境稳态级数,通过获得运维环境风险系数以及对应的运维环境稳态级数反映网络运维服务中环境状况的风险评估。
其中,所述运维环境风险系数的测评计算公式为:
;
其中,为运维环境风险系数,/>、/>、/>分别为攻击活跃告警信息、漏洞监测频次信息、入侵干扰报警信息,/>、/>、/>为预设特征系数(特征系数通过网络运维服务数据库进行查询获得)。
根据本发明实施例,所述根据所述运维管服评价指数结合所述运维环境风险系数和运维环境稳态级数进行修正评估,获得运维管服评检修正指数,具体为:根据所述运维管服评价指数结合所述运维环境风险系数以及运维环境稳态级数进行修正处理,获得运维管服评检修正指数;所述运维管服评检修正指数的修正计算公式为:
;
其中,为运维管服评检修正指数,/>为运维管服评价指数,/>为运维环境风险系数,/>为运维环境稳态级数,/>、/>为预设特征系数(特征系数通过网络运维服务数据库进行查询获得)。
需要说明的是,为提高对网络运维服务的质量评价检测结果的精确度,最后根据运维管服评价指数结合运维环境风险系数和运维环境稳态级数进行修正处理,获得运维管服评检修正指数,该修正指数即反映预设时间段内网络运维服务在网络运行环境下的服务质量和安全成效的评估结果。
本发明第三方面提供了可读存储介质,所述可读存储介质中包括基于大数据的网络运维服务智能检测方法程序,所述基于大数据的网络运维服务智能检测方法程序被处理器执行时,实现如上述任一项所述的基于大数据的网络运维服务智能检测方法的步骤。
本发明公开的基于大数据的网络运维服务智能检测方法、系统及介质,通过获取维护服务信息集和安全管理服务信息并提取特征数据,根据维护保障服务特征数据集和安全管理服务特征数据处理获得维护保障服务响应度数据和安全管理服务评测数据,并进行运维校检处理获得运维管服评价指数,根据获取的网络运行环境监测信息测评获得运维环境风险系数和对应运维环境稳态级数,再结合运维管服评价指数修正评估获得运维管服评检修正指数,最后与预设网络运维评检阈值进行对比获得网络运维服务评检结果;从而基于大数据对网络运维的保障服务和安全管理相关统计数据结合运行环境风险情况信息进行评估检测,实现通过大数据对网络运维服务状况进行智能检测评估。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (10)
1.基于大数据的网络运维服务智能检测方法,其特征在于,包括以下步骤:
获取预设时间段内网络基础设施与应用系统的维护服务信息集和安全管理服务信息;
根据所述维护服务信息集提取维护保障服务特征数据集,根据所述安全管理服务信息提取安全管理服务特征数据,并获取所述预设时间段内的网络运行环境监测信息;
根据所述维护保障服务特征数据集处理获得多个维护保障服务响应度数据;
根据所述安全管理服务特征数据处理获得安全管理服务评测数据;
根据所述多个维护保障服务响应度数据结合所述安全管理服务评测数据进行运维校检处理,获得运维管服评价指数;
根据所述网络运行环境监测信息进行运维环境测评,获得所述预设时间段内的运维环境风险系数,并获得对应的运维环境稳态级数;
根据所述运维管服评价指数结合所述运维环境风险系数和运维环境稳态级数进行修正评估,获得运维管服评检修正指数;
根据所述运维管服评检修正指数与预设网络运维评检阈值进行对比获得网络运维服务评检结果。
2.根据权利要求1所述的基于大数据的网络运维服务智能检测方法,其特征在于,所述获取预设时间段内网络基础设施与应用系统的维护服务信息集和安全管理服务信息,包括:
获取预设时间段内网络基础设施和应用系统的维护服务信息集,包括服务监控报告信息、服务日志记载信息以及服务保障反馈信息;
获取所述预设时间段内网络基础设施和应用系统的安全管理服务信息,包括安全管理信息和网络服务信息。
3.根据权利要求2所述的基于大数据的网络运维服务智能检测方法,其特征在于,所述根据所述维护服务信息集提取维护保障服务特征数据集,根据所述安全管理服务信息提取安全管理服务特征数据,并获取所述预设时间段内的网络运行环境监测信息,包括:
根据所述维护服务信息集提取维护保障服务特征数据集,包括服务监测异常报告数据、服务日志标记数据以及服务保障反馈数据;
根据所述安全管理服务信息提取安全管理服务特征数据,包括安全管理统计数据和网络服务响应数据;
获取所述预设时间段内的网络运行环境监测信息,包括攻击活跃告警信息、漏洞监测频次信息以及入侵干扰报警信息。
4.根据权利要求3所述的基于大数据的网络运维服务智能检测方法,其特征在于,所述根据所述维护保障服务特征数据集处理获得多个维护保障服务响应度数据,包括:
根据所述服务监测异常报告数据、服务日志标记数据以及服务保障反馈数据分别提取对应的子数据,获得服务监测异常报告子数据、服务日志标记子数据以及服务保障反馈子数据;
所述服务监测异常报告子数据包括异常报告时效数据、异常漏报率数据、硬件故障频次数据;
所述服务日志标记子数据包括维护进程完成率数据、故障隔离指标数据、业务保障准点率数据;
所述服务保障反馈子数据包括服务反应及时率数据、客户反馈满足度数据、故障修复成效数据;
根据所述服务监测异常报告子数据、服务日志标记子数据、服务保障反馈子数据通过维护保障服务响应检测模型进行处理,分别获得对应第一维护保障服务响应度数据、第二维护保障服务响应度数据和第三维护保障服务响应度数据。
5.根据权利要求4所述的基于大数据的网络运维服务智能检测方法,其特征在于,所述根据所述安全管理服务特征数据处理获得安全管理服务评测数据,包括:
根据所述安全管理统计数据和网络服务响应数据分别提取对应的子数据,获得安全管理统计子数据和网络服务响应子数据;
所述安全管理统计子数据包括漏洞检测漏检率数据和安全补丁加固准时率数据;
所述网络服务响应子数据包括服务响应效率数据和检索服务响应成功率数据;
根据所述漏洞检测漏检率数据、安全补丁加固准时率数据结合服务响应效率数据和检索服务响应成功率数据进行评测处理,获得安全管理服务评测数据。
6.根据权利要求5所述的基于大数据的网络运维服务智能检测方法,其特征在于,所述根据所述多个维护保障服务响应度数据结合所述安全管理服务评测数据进行运维校检处理,获得运维管服评价指数,包括:
根据所述第一维护保障服务响应度数据、第二维护保障服务响应度数据以及第三维护保障服务响应度数据结合所述安全管理服务评测数据通过预设运维校检模型进行校检处理,获得运维管服评价指数;
所述运维管服评价指数的处理程序公式为:
;
其中,为运维管服评价指数,/>为安全管理服务评测数据,/>为第一维护保障服务响应度数据、第二维护保障服务响应度数据、第三维护保障服务响应度数据中三个数据中的第i个数据,/>、/>、/>为预设特征系数。
7.根据权利要求6所述的基于大数据的网络运维服务智能检测方法,其特征在于,所述根据所述网络运行环境监测信息进行运维环境测评,获得所述预设时间段内的运维环境风险系数,并获得对应的运维环境稳态级数,包括:
根据所述攻击活跃告警信息、漏洞监测频次信息以及入侵干扰报警信息通过预设网络环境风险测评模型进行测评,获取所述预设时间段内的运维环境风险系数;
根据所述运维环境风险系数与预设运维环境风险阈值进行对比,根据阈值对比结果范围获得对应的运维环境风险等级;
根据所述运维环境风险系数与运维环境风险等级进行加权处理,获得对应运维环境稳态级数。
8.根据权利要求7所述的基于大数据的网络运维服务智能检测方法,其特征在于,所述根据所述运维管服评价指数结合所述运维环境风险系数和运维环境稳态级数进行修正评估,获得运维管服评检修正指数,包括:
根据所述运维管服评价指数结合所述运维环境风险系数以及运维环境稳态级数进行修正处理,获得运维管服评检修正指数;
所述运维管服评检修正指数的修正计算公式为:
;
其中,为运维管服评检修正指数,/>为运维管服评价指数,/>为运维环境风险系数,为运维环境稳态级数,/>、/>为预设特征系数。
9.基于大数据的网络运维服务智能检测系统,其特征在于,该系统包括:存储器及处理器,所述存储器中包括基于大数据的网络运维服务智能检测方法的程序,所述基于大数据的网络运维服务智能检测方法的程序被所述处理器执行时实现以下步骤:
获取预设时间段内网络基础设施与应用系统的维护服务信息集和安全管理服务信息;
根据所述维护服务信息集和安全管理服务信息分别提取维护保障服务特征数据集和安全管理服务特征数据,并获取所述预设时间段内的网络运行环境监测信息;
根据所述维护保障服务特征数据集处理获得多个维护保障服务响应度数据;
根据所述安全管理服务特征数据处理获得安全管理服务评测数据;
根据所述多个维护保障服务响应度数据结合所述安全管理服务评测数据进行运维校检处理,获得运维管服评价指数;
根据所述网络运行环境监测信息进行运维环境测评,获得所述预设时间段内的运维环境风险系数,并获得对应的运维环境稳态级数;
根据所述运维管服评价指数结合所述运维环境风险系数和运维环境稳态级数进行修正评估,获得运维管服评检修正指数;
根据所述运维管服评检修正指数与预设网络运维评检阈值进行对比获得网络运维服务评检结果。
10.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中包括基于大数据的网络运维服务智能检测方法程序,所述基于大数据的网络运维服务智能检测方法程序被处理器执行时,实现如权利要求1至8中任一项所述的基于大数据的网络运维服务智能检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311017578.3A CN116739568B (zh) | 2023-08-14 | 2023-08-14 | 基于大数据的网络运维服务智能检测方法、系统及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311017578.3A CN116739568B (zh) | 2023-08-14 | 2023-08-14 | 基于大数据的网络运维服务智能检测方法、系统及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116739568A CN116739568A (zh) | 2023-09-12 |
CN116739568B true CN116739568B (zh) | 2023-10-10 |
Family
ID=87919019
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311017578.3A Active CN116739568B (zh) | 2023-08-14 | 2023-08-14 | 基于大数据的网络运维服务智能检测方法、系统及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116739568B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117040912B (zh) * | 2023-09-13 | 2024-01-05 | 湖南新生命网络科技有限公司 | 一种基于数据分析的网络安全运维管理方法及系统 |
CN116980285B (zh) * | 2023-09-22 | 2023-12-08 | 北京绿色苹果技术有限公司 | 基于数据处理的驻场运维智能检测响应方法、系统和介质 |
CN117081851B (zh) * | 2023-10-10 | 2024-03-19 | 网思科技股份有限公司 | 网络安全态势感知信息的显示方法、系统和介质 |
CN117082561B (zh) * | 2023-10-12 | 2024-01-02 | 北京绿色苹果技术有限公司 | 一种通信网络智能监测评估方法、系统和介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105119750A (zh) * | 2015-09-08 | 2015-12-02 | 南京联成科技发展有限公司 | 一种基于大数据的分布式信息安全运维管理平台 |
KR101957673B1 (ko) * | 2018-08-13 | 2019-03-14 | 주식회사 에이디엠 | 네트워크 장비의 유지관리 방법과 이를 실행하기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체 |
KR102220027B1 (ko) * | 2020-08-03 | 2021-02-24 | 이효배 | 사업장 안전관리수준 평가 시스템 |
CN114978584A (zh) * | 2022-04-12 | 2022-08-30 | 深圳市蔚壹科技有限公司 | 基于单位单元的网络安全防护安全方法及系统 |
CN115426244A (zh) * | 2022-08-09 | 2022-12-02 | 武汉虹信技术服务有限责任公司 | 一种基于大数据的网络设备故障检测方法 |
-
2023
- 2023-08-14 CN CN202311017578.3A patent/CN116739568B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105119750A (zh) * | 2015-09-08 | 2015-12-02 | 南京联成科技发展有限公司 | 一种基于大数据的分布式信息安全运维管理平台 |
KR101957673B1 (ko) * | 2018-08-13 | 2019-03-14 | 주식회사 에이디엠 | 네트워크 장비의 유지관리 방법과 이를 실행하기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체 |
KR102220027B1 (ko) * | 2020-08-03 | 2021-02-24 | 이효배 | 사업장 안전관리수준 평가 시스템 |
CN114978584A (zh) * | 2022-04-12 | 2022-08-30 | 深圳市蔚壹科技有限公司 | 基于单位单元的网络安全防护安全方法及系统 |
CN115426244A (zh) * | 2022-08-09 | 2022-12-02 | 武汉虹信技术服务有限责任公司 | 一种基于大数据的网络设备故障检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116739568A (zh) | 2023-09-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116739568B (zh) | 基于大数据的网络运维服务智能检测方法、系统及介质 | |
CN111609883B (zh) | 一种基于大数据的通信机房防护监测管理系统 | |
Yang et al. | Anomaly-based intrusion detection for SCADA systems | |
CN111556083B (zh) | 电网信息物理系统网络攻击物理侧与信息侧协同溯源装置 | |
CN105868629B (zh) | 一种适用于电力信息物理系统的安全威胁态势评估方法 | |
CN117081851B (zh) | 网络安全态势感知信息的显示方法、系统和介质 | |
CN108520187A (zh) | 基于串行通信总线信号分析的工控系统物理入侵攻击检测方法 | |
CN112749097B (zh) | 一种模糊测试工具性能测评方法、装置 | |
CN103856471A (zh) | 跨站脚本攻击监控系统及方法 | |
CN116502925B (zh) | 基于大数据的数字工厂设备巡检评估方法、系统和介质 | |
CN115935415A (zh) | 基于工业互联网多要素感知的数据安全预警系统 | |
CN115794588A (zh) | 内存故障预测方法、装置、系统及监测服务器 | |
CN116094817A (zh) | 一种网络安全检测系统和方法 | |
CN117201188B (zh) | 基于大数据的it安全运行风险预测方法、系统和介质 | |
CN113590427A (zh) | 一种监控指标异常的告警方法、装置、存储介质和设备 | |
CN117955712A (zh) | 一种基于大数据的通信信息安全风险预警管控方法及系统 | |
CN116345689A (zh) | 二次设备监控方法、装置、计算机设备和存储介质 | |
CN113172764B (zh) | 搅拌站监控方法及系统 | |
CN114756870A (zh) | 基于SoS体系的多维度信息安全风险评估系统 | |
CN114997804A (zh) | 复杂配电网信息物理系统运行状态协同感知方法和系统 | |
CN116980285B (zh) | 基于数据处理的驻场运维智能检测响应方法、系统和介质 | |
CN113296047A (zh) | 一种智能电表检测方法 | |
CN117834308B (zh) | 一种网络安全态势感知方法、系统和介质 | |
Yuan et al. | [Retracted] Operational Status Monitoring and Fault Diagnosis System of Transformer Equipment | |
Zhang et al. | AN EQUIPMENT-ORIENTED VULNERABILITY THREAT ASSESSMENT METHOD FOR ELECTRIC POWER SUPERVISION AND CONTROL SYSTEMS |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |