本發(fā)明涉及日志異常檢測，尤其涉及一種業(yè)務(wù)異常度的檢測方法、裝置、設(shè)備及介質(zhì)。

背景技術(shù)：

1、隨著信息技術(shù)的不斷進步，系統(tǒng)遭遇的安全威脅和攻擊手段也在不斷演變和變得更加復(fù)雜。這提高了對系統(tǒng)異常行為的快速識別和響應(yīng)能力的要求，以便更好地保護系統(tǒng)的穩(wěn)定運行和數(shù)據(jù)安全。

2、現(xiàn)有技術(shù)中，當(dāng)業(yè)務(wù)異?；蝈e誤發(fā)生時，其產(chǎn)生的原因以及解決方案的制定往往涉及眾多層面和多個維度的復(fù)雜問題。在處理故障的過程中，往往需要投入大量的人力和時間進行人工干預(yù)。此外，由于無法有效識別系統(tǒng)潛在的異?；蝈e誤，通常會導(dǎo)致在事件發(fā)生后才進行處理，從而延遲響應(yīng)時間，增加修復(fù)成本，降低了異常處理的及時性和系統(tǒng)的可靠性。

技術(shù)實現(xiàn)思路

1、本發(fā)明提供了一種業(yè)務(wù)異常度的檢測方法、裝置、設(shè)備及介質(zhì)，以解決處理業(yè)務(wù)異?；蝈e誤時，人力成本高、時間成本高、處理及時性低和系統(tǒng)可靠性低的問題。

2、根據(jù)本發(fā)明實施例的一方面，提供了一種業(yè)務(wù)異常度的檢測方法，包括：

3、通過業(yè)務(wù)系統(tǒng)執(zhí)行目標(biāo)業(yè)務(wù)，并獲取業(yè)務(wù)系統(tǒng)在執(zhí)行目標(biāo)業(yè)務(wù)的過程中所生成的全部異常錯誤業(yè)務(wù)日志；其中，業(yè)務(wù)系統(tǒng)包括多個類型的實體，每個類型的實體的數(shù)量為一個或者多個；對各異常錯誤業(yè)務(wù)日志進行解析，識別目標(biāo)業(yè)務(wù)執(zhí)行過程中發(fā)生報錯的異常實體類型，并確定各異常實體類型下報錯的各類型異常和/或錯誤的數(shù)量；根據(jù)不同實體類型的異常比重，各異常和錯誤類型的得分值和各異常實體類型下報錯的各類型異常和/或錯誤的數(shù)量，計算目標(biāo)業(yè)務(wù)的業(yè)務(wù)異常度；在業(yè)務(wù)異常度大于預(yù)設(shè)的門限閾值時，將業(yè)務(wù)系統(tǒng)中待執(zhí)行業(yè)務(wù)的類型以及各異常錯誤業(yè)務(wù)日志的日志特征輸入至預(yù)先訓(xùn)練的故障預(yù)測模型中，預(yù)測業(yè)務(wù)系統(tǒng)中存在的潛在故障，并對潛在故障進行預(yù)警。

4、根據(jù)本發(fā)明實施例的另一方面，還提供了一種業(yè)務(wù)異常度的檢測裝置，包括：

5、異常錯誤業(yè)務(wù)日志獲取模塊，用于通過業(yè)務(wù)系統(tǒng)執(zhí)行目標(biāo)業(yè)務(wù)，并獲取業(yè)務(wù)系統(tǒng)在執(zhí)行目標(biāo)業(yè)務(wù)的過程中所生成的全部異常錯誤業(yè)務(wù)日志；異常錯誤業(yè)務(wù)日志解析模塊，用于對各異常錯誤業(yè)務(wù)日志進行解析，識別目標(biāo)業(yè)務(wù)執(zhí)行過程中發(fā)生報錯的異常實體類型，并確定各異常實體類型下報錯的各類型異常和/或錯誤的數(shù)量；業(yè)務(wù)異常度計算模塊，用于根據(jù)不同實體類型的異常比重，各異常和錯誤類型的得分值和各異常實體類型下報錯的各類型異常和/或錯誤的數(shù)量，計算目標(biāo)業(yè)務(wù)的業(yè)務(wù)異常度；潛在故障預(yù)測模塊，用于在業(yè)務(wù)異常度大于預(yù)設(shè)的門限閾值時，將業(yè)務(wù)系統(tǒng)中待執(zhí)行業(yè)務(wù)的類型以及各異常錯誤業(yè)務(wù)日志的日志特征輸入至預(yù)先訓(xùn)練的故障預(yù)測模型中，預(yù)測業(yè)務(wù)系統(tǒng)中存在的潛在故障，并對潛在故障進行預(yù)警。

6、根據(jù)本發(fā)明實施例的另一方面，還提供了一種電子設(shè)備，所述電子設(shè)備包括：

7、至少一個處理器；以及與所述至少一個處理器通信連接的存儲器；其中，所述存儲器存儲有可被所述至少一個處理器執(zhí)行的計算機程序，所述計算機程序被所述至少一個處理器執(zhí)行，以使所述至少一個處理器能夠執(zhí)行本發(fā)明任一實施例所述的業(yè)務(wù)異常度的檢測方法。

8、根據(jù)本發(fā)明實施例的另一方面，提供了一種計算機可讀存儲介質(zhì)，所述計算機可讀存儲介質(zhì)存儲有計算機指令，所述計算機指令用于使處理器執(zhí)行時實現(xiàn)本發(fā)明任一實施例所述的業(yè)務(wù)異常度的檢測方法。

9、根據(jù)本發(fā)明實施例的另一方面，還提供了一種計算機程序產(chǎn)品，包括計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)如本發(fā)明任一實施例所述方法的步驟。

10、本發(fā)明實施例的技術(shù)方案，通過業(yè)務(wù)系統(tǒng)執(zhí)行目標(biāo)業(yè)務(wù)，并獲取業(yè)務(wù)系統(tǒng)生成的全部異常錯誤業(yè)務(wù)日志；對各異常錯誤業(yè)務(wù)日志進行解析，識別目標(biāo)業(yè)務(wù)執(zhí)行過程中發(fā)生報錯的異常實體類型，并確定各異常實體類型下報錯的各類型異常和/或錯誤的數(shù)量；根據(jù)不同實體類型的異常比重，各異常和錯誤類型的得分值和各異常實體類型下報錯的各類型異常和/或錯誤的數(shù)量，計算目標(biāo)業(yè)務(wù)的業(yè)務(wù)異常度；在業(yè)務(wù)異常度大于預(yù)設(shè)的門限閾值時，將業(yè)務(wù)系統(tǒng)中待執(zhí)行業(yè)務(wù)的類型以及各異常錯誤業(yè)務(wù)日志的日志特征輸入至預(yù)先訓(xùn)練的故障預(yù)測模型中，預(yù)測業(yè)務(wù)系統(tǒng)中存在的潛在故障，并對潛在故障進行預(yù)警。通過綜合實體類型的異常比重、異常和錯誤類型的得分值及其數(shù)量計算目標(biāo)業(yè)務(wù)的業(yè)務(wù)異常度，實現(xiàn)嚴重異常或錯誤能夠得到優(yōu)先的識別和解決，降低了異常錯誤問題識別與處理所需的人力成本和時間成本，通過故障預(yù)測模型實現(xiàn)對業(yè)務(wù)系統(tǒng)中的潛在故障的識別和預(yù)警，從而對潛在故障進行預(yù)干預(yù)，提高了異常錯誤問題處理的及時性低和系統(tǒng)的可靠性。

11、應(yīng)當(dāng)理解，本部分所描述的內(nèi)容并非旨在標(biāo)識本發(fā)明的實施例的關(guān)鍵或重要特征，也不用于限制本發(fā)明的范圍。本發(fā)明的其它特征將通過以下的說明書而變得容易理解。

技術(shù)特征：

1.一種業(yè)務(wù)異常度的檢測方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，在根據(jù)不同實體類型的異常比重，各異常和錯誤類型的得分值和各異常實體類型下報錯的各類型異常和/或錯誤的數(shù)量，計算目標(biāo)業(yè)務(wù)的業(yè)務(wù)異常度之前，還包括：

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，根據(jù)各第一歷史日志分組，確定各異常和錯誤類型的得分值，包括：

4.根據(jù)權(quán)利要求2所述的方法，其特征在于，根據(jù)各第二歷史日志分組以及各異常和錯誤類型的得分值，確定不同實體類型的異常比重，包括：

5.根據(jù)權(quán)利要求1-4任一項所述的方法，其特征在于，根據(jù)不同實體類型的異常比重，各異常和錯誤類型的得分值和各異常實體類型下報錯的各類型異常和/或錯誤的數(shù)量，計算目標(biāo)業(yè)務(wù)的業(yè)務(wù)異常度，包括：

6.根據(jù)權(quán)利要求1-4任一項所述的方法，其特征在于，在將業(yè)務(wù)系統(tǒng)中待執(zhí)行業(yè)務(wù)的類型以及各異常錯誤業(yè)務(wù)日志的日志特征輸入至預(yù)先訓(xùn)練的故障預(yù)測模型中之前，還包括：

7.根據(jù)權(quán)利要求3所述的方法，其特征在于，在匯總獲取與每個異常和錯誤類型分別匹配的異常錯誤關(guān)聯(lián)特征之后，還包括：

8.一種業(yè)務(wù)異常度的檢測裝置，其特征在于，包括：

9.一種電子設(shè)備，其特征在于，所述電子設(shè)備包括：

10.一種計算機可讀存儲介質(zhì)，其特征在于，所述計算機可讀存儲介質(zhì)存儲有計算機指令，所述計算機指令用于使處理器執(zhí)行時實現(xiàn)權(quán)利要求1-7中任一項所述的業(yè)務(wù)異常度的檢測方法。

技術(shù)總結(jié)
本發(fā)明公開了一種業(yè)務(wù)異常度的檢測方法、裝置、設(shè)備及介質(zhì)，該方法包括：獲取并解析業(yè)務(wù)系統(tǒng)生成的異常錯誤業(yè)務(wù)日志，識別發(fā)生報錯的異常實體類型及各類型下的各類型異常和/或錯誤的數(shù)量，結(jié)合不同實體類型的異常比重及各異常和錯誤類型的得分值，計算目標(biāo)業(yè)務(wù)的業(yè)務(wù)異常度；在業(yè)務(wù)異常度大于預(yù)設(shè)的門限閾值時，將待執(zhí)行業(yè)務(wù)的類型以及各異常錯誤業(yè)務(wù)日志的日志特征輸入至預(yù)先訓(xùn)練的故障預(yù)測模型中，預(yù)測業(yè)務(wù)系統(tǒng)中存在的潛在故障，并對潛在故障進行預(yù)警。通過全方位評估異常度，并由故障預(yù)測模型實現(xiàn)對潛在故障的識別與預(yù)警，實現(xiàn)對高異常度異常的優(yōu)先處理，及時發(fā)現(xiàn)系統(tǒng)中的潛在問題并進行干預(yù)，減少系統(tǒng)的故障率，提高系統(tǒng)的可靠性。

技術(shù)研發(fā)人員：張雅婷
受保護的技術(shù)使用者：北京優(yōu)特捷信息技術(shù)有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/6