本申请实施例涉及安全管控,特别涉及一种系统异常崩溃识别方法、装置、计算机设备及存储介质。
背景技术:
1、随着移动互联网技术的推广与应用,移动终端取得了良好的发展,用户的数量迅速增加,移动互联网技术的出现极大改变了人们的工作和生活方式。但多技术、多应用的融合以及多样化的需求,对移动终端的功能、应用提出了更高要求,尤其是在当下可应用于云端服务的各类功能产品竞争愈演愈烈的情况下,对移动端应用监控运维的新进程提出了更高的要求。
2、传统应用监控运维通常是被动地通过用户投诉等方式,来获取系统运行及业务办理情况,系统故障只能做好“亡羊补牢”,非实时监控的方式给系统运营管理带来很大的压力。
技术实现思路
1、本申请实施例提供了一种系统异常崩溃识别方法、装置、计算机设备及存储介质,可以提高对异常崩溃数据的识别准确率,从而提高基于异常崩溃数据进行的系统运维的准确性。该技术方案如下:
2、一方面,提供了一种系统异常崩溃识别方法,所述方法包括:
3、获取系统崩溃数据集,所述系统崩溃数据集中包含系统崩溃数据,所述系统崩溃数据用于指示移动端应用发生的崩溃事件;
4、通过无监督模型对所述系统崩溃数据集中的系统崩溃数据进行识别,获得候选异常崩溃数据;所述无监督模型是基于统计学判别法以及孤立森林算法构建的模型;
5、对所述候选异常崩溃数据进行筛选,获取异常崩溃数据。
6、另一方面,提供了一种系统异常崩溃识别装置,所述装置包括:
7、数据获取模块,用于获取系统崩溃数据集,所述系统崩溃数据集中包含系统崩溃数据,所述系统崩溃数据用于指示移动端发生的崩溃事件;
8、识别模块,用于通过无监督模型对所述系统崩溃数据集中的系统崩溃数据进行识别,获得候选异常崩溃数据;所述无监督模型是基于统计学判别法以及孤立森林算法构建的模型;
9、数据筛选模块,用于对所述候选异常崩溃数据进行筛选,获取异常崩溃数据。
10、在一种可能的实现方式中,所述装置还包括:
11、聚类模块,用于在通过无监督模型对所述系统崩溃数据集中的系统崩溃数据进行识别,获得候选异常崩溃数据之前,对所述系统崩溃数据集中的系统崩溃数据进行聚类处理,获得聚类结果;所述聚类结果包含多个数据分组,每个所述数据分组对应一个崩溃类型;
12、所述识别模块,用于通过所述无监督模型,基于各个所述系统崩溃数据所处所述数据分组的崩溃类型,对各个所述系统崩溃数据进行识别,获得所述候选异常崩溃数据。
13、在一种可能的实现方式中,所述识别模块,包括:
14、标准获取子模块,用于基于每个数据分组中的所述系统崩溃数据,获取各个崩溃类型对应的正态分布基准线;
15、数据判断子模块,用于通过统计学判别法中的3-sigma算法对各个所述系统崩溃数据进行判断,将不符合目标正态分布基准线的所述系统崩溃数据,确定为第一候选异常崩溃数据;所述目标正态分布基准线是所述系统崩溃数据所处的所述数据分组的崩溃类型的正态分布基准线;
16、数据过滤子模块,用于通过孤立森林算法对所述系统崩溃数据集中的所述系统崩溃数据进行过滤,将过滤出的独立森林节点对应的所述系统崩溃数据确定为第二候选异常崩溃数据;
17、数据确定子模块,用于将所述第一候选异常崩溃数据与所述第二候选异常崩溃数据的集合,确定为所述候选异常崩溃数据。
18、在一种可能的实现方式中,所述数据过滤子模块,用于提取各个所述系统崩溃数据中n个维度的数据内容;n为正整数;
19、对n个维度的所述数据内容进行向量化处理,获得各个所述系统崩溃数据的多维数组;
20、轮询n个维度,基于各个所述多维数组建立孤立树,获得n个维度各自对应的所述孤立树;
21、获取各个多维数组在n个维度的所述孤立树中的高度的平均高度;
22、将所述平均高度高于高度阈值的所述多维数组对应的所述系统崩溃数据确定为所述第二候选异常崩溃数据。
23、在一种可能的实现方式中,所述n个维度包括:所述崩溃名称,崩溃时间,所述崩溃类型,错误码,状态码,终端型号以及操作系统版本。
24、在一种可能的实现方式中,所述系统崩溃数据来源于不同的平台或操作系统;
25、所述数据获取模块,用于对采集到的初始系统崩溃数据进行预处理,获得所述系统崩溃数据;所述系统崩溃数据的数据标准一致;
26、所述预处理包括:对所述错误码进行二值化处理,对所述状态码进行二值化处理,以及对崩溃内容进行解析获得所述崩溃名称中的至少一种。
27、在一种可能的实现方式中,所述崩溃类型包括:启动错误,视图错误,点击错误,请求错误,数据错误,sdk错误,内核错误,本地错误,以及应用无响应。
28、另一方面,提供了一种计算机设备,所述计算机设备包含处理器和存储器,所述存储器存储有至少一条计算机程序,所述至少一条计算机程序由所述处理器加载并执行以实现上述的系统异常崩溃识别方法。
29、另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一条计算机程序,所述计算机程序由处理器加载并执行以实现上述的系统异常崩溃识别方法。
30、另一方面,提供了一种计算机程序产品,所述计算机程序产品包括至少一条计算机程序,所述计算机程序由处理器加载并执行以实现上述各种可选实现方式中提供的系统异常崩溃识别方法。
31、本申请提供的技术方案可以包括以下有益效果:
32、本申请实施例提供的系统异常崩溃识别方法,在获取到系统崩溃数据集后,通过基于统计学判别法以及鼓励森林算法构建的无监督模型对系统崩溃数据进行识别,以识别出其中的候选异常崩溃数据,再对获得的候选异常崩溃数据进行进一步筛选,从而获取到其中的异常崩溃数据。通过上述方法,可以实现对系统异常崩溃数据的自动识别,避免了人工识别并上报所造成的时延和误差,提高了运维效率;同时,通过无监督模型进行自动识别,同时叠加多层次的筛选识别,可以提高对异常崩溃数据的识别准确率,从而提高基于异常崩溃数据进行的系统运维的准确性。
33、应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
1.一种系统异常崩溃识别方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,在通过无监督模型对所述系统崩溃数据集中的系统崩溃数据进行识别,获得候选异常崩溃数据之前,所述方法还包括:
3.根据权利要求2所述的方法,其特征在于,所述通过所述无监督模型,基于各个所述系统崩溃数据的崩溃类型,对各个所述系统崩溃数据进行识别,获得所述候选异常崩溃数据,包括:
4.根据权利要求3所述的方法,其特征在于,所述通过孤立森林算法对所述系统崩溃数据集中的所述系统崩溃数据进行过滤,将过滤出的独立森林节点对应的所述系统崩溃数据确定为第二候选异常崩溃数据,包括:
5.根据权利要求4所述的方法,其特征在于,所述n个维度包括:所述崩溃名称,崩溃时间,所述崩溃类型,错误码,状态码,终端型号以及操作系统版本。
6.根据权利要求5所述的方法,其特征在于,所述系统崩溃数据来源于不同的平台或操作系统;所述方法还包括:
7.根据权利要求4所述的方法,其特征在于,所述崩溃类型包括:启动错误,视图错误,点击错误,请求错误,数据错误,sdk错误,内核错误,本地错误,以及应用无响应。
8.一种系统异常崩溃识别装置,其特征在于,所述装置包括:
9.一种计算机设备,其特征在于,所述计算机设备包括处理器和存储器,所述存储器存储有至少一条计算机程序,所述至少一条计算机程序由所述处理器加载并执行以实现如权利要求1至7任一所述的系统异常崩溃识别方法。
10.一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中存储有至少一条计算机程序,所述计算机程序由处理器加载并执行以实现如权利要求1至7任一所述的系统异常崩溃识别方法。