故障检测方法、装置、设备、存储介质及产品与流程

本发明涉及人工智能，尤其涉及故障检测方法、装置、设备、存储介质及产品。

背景技术：

1、随着互联网技术的快速发展，大规模分布式系统被广泛应用于各个领域，正在成为互联网的核心基础设施，并为云存储、云计算、搜索引擎、社交网络、网络购物等服务提供持续、可靠地支持，但是由于规模庞大、整体运行逻辑复杂、组件之间频繁交互等原因，导致系统内的各种硬件和软件故障频繁发生，影响着数以亿计用户的数据安全和使用体验，为此，目前常用的故障检测方式依赖于传统机器学习算法和深度学习算法，即将经过预处理的日志数据以特定格式输入到算法模型中，通过调整和迭代算法模型的参数进行行为模式学习，可以自动化地进行故障检测，但是上述方式仅关注日志数据的单一特征，且还依赖于数据标注，无法有效应对大规模分布式系统每天产生的大量无标签数据，造成故障检测的精度和效率较低。

2、上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

技术实现思路

1、本发明的主要目的在于提供一种故障检测方法、装置、设备、存储介质及产品，旨在解决现有进行故障检测的精度和效率较低的技术问题。

2、为实现上述目的，本发明提供了一种故障检测方法，所述故障检测方法包括以下步骤：

3、获取待检测对象的当前日志数据；

4、根据所述当前日志数据确定目标序列表征向量和目标计数向量；

5、基于目标双向门控循环检测模型根据所述目标序列表征向量和所述目标计数向量确定所述待检测对象的故障检测结果。

6、可选地，所述根据所述当前日志数据确定目标序列表征向量和目标计数向量，包括：

7、通过目标解析算法将所述当前日志数据解析为当前日志模板；

8、统计当前日志模板在目标滑动窗口的当前滑动次数；

9、根据所述当前滑动次数确定目标计数向量；

10、通过快速文本分类算法对所述当前日志模板中的各单词进行向量化处理，得到向量化单词；

11、根据目标向量表示整合策略对所述向量化单词进行嵌入向量整合，得到当前模板向量；

12、根据所述当前模板向量和当前日志序列向量生成目标序列表征向量。

13、可选地，所述基于目标双向门控循环检测模型根据所述目标序列表征向量和所述目标计数向量确定所述待检测对象的故障检测结果，包括：

14、将所述目标序列表征向量和所述目标计数向量分别输入至所述目标双向门控循环检测模型；

15、获取所述目标双向门控循环检测模型输出的日志模板的预测类别概率分布数据；

16、根据所述日志模板的预测类别概率分布数据确定正常模板集合；

17、根据所述正常模板集合和当前窗口的实际标签确定待检测对象的故障检测结果。

18、可选地，所述基于目标双向门控循环检测模型根据所述目标序列表征向量和所述目标计数向量确定所述待检测对象的故障检测结果之前，还包括：

19、获取历史日志数据集；

20、通过目标解析算法将所述历史日志数据集解析为日志模板集合；

21、根据所述日志模板集合确定历史序列表征向量集和历史计数向量集；

22、将所述历史序列表征向量集和所述历史计数向量集输入至双向门控循环神经网络中进行训练，得到目标双向门控循环检测模型。

23、可选地，所述根据所述日志模板集合确定历史序列表征向量集和历史计数向量集，包括：

24、获取历史日志数据集中各历史日志数据的发生时间；

25、根据所述各历史日志数据的发生时间和日志模板集合将所述历史日志数据集建模为历史日志序列向量集；

26、在所述日志模板集合中存在描述符时，统计在目标滑动窗口内各日志模板出现的次数；

27、根据所述次数确定历史计数向量集；

28、根据所述日志模板集合和所述历史日志序列向量集确定历史序列表征向量集。

29、可选地，所述根据所述日志模板集合和所述历史日志序列向量集确定历史序列表征向量集，包括：

30、通过快速文本分类算法对所述日志模板集合中的各单词进行向量化处理；

31、根据目标向量表示整合策略对处理后的各单词进行嵌入向量整合，得到模板向量；

32、将所述历史日志序列向量集中的各子项替换为所述模板向量，生成历史序列表征向量集。

33、此外，为实现上述目的，本发明还提出一种故障检测装置，所述故障检测装置包括：

34、获取模块，用于获取待检测对象的当前日志数据；

35、向量确定模块，用于根据所述当前日志数据确定目标序列表征向量和目标计数向量；

36、检测模块，用于基于目标双向门控循环检测模型根据所述目标序列表征向量和所述目标计数向量确定所述待检测对象的故障检测结果。

37、此外，为实现上述目的，本发明还提出一种故障检测设备，所述故障检测设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的故障检测程序，所述故障检测程序配置为实现如上文所述的故障检测方法。

38、此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有故障检测程序，所述故障检测程序被处理器执行时实现如上文所述的故障检测方法。

39、此外，为实现上述目的，本发明还提出一种计算机程序产品，所述计算机程序产品包括故障检测程序，所述故障检测程序被处理器执行时实现如上文所述的故障检测方法。

40、本发明提出的故障检测方法，通过获取待检测对象的当前日志数据；根据所述当前日志数据确定目标序列表征向量和目标计数向量；基于目标双向门控循环检测模型根据所述目标序列表征向量和所述目标计数向量确定所述待检测对象的故障检测结果；通过上述方式，充分利用日志数据的事件序列和个数两类特征确定目标序列表征向量和目标计数向量，采用结合注意力机制的目标双向门控循环检测模型根据目标序列表征向量和目标计数向量进行故障检测，从而能够有效提高故障检测的精度和效率，并保障系统的可靠性。

技术特征：

1.一种故障检测方法，其特征在于，所述故障检测方法包括以下步骤：

2.如权利要求1所述的故障检测方法，其特征在于，所述根据所述当前日志数据确定目标序列表征向量和目标计数向量，包括：

3.如权利要求1所述的故障检测方法，其特征在于，所述基于目标双向门控循环检测模型根据所述目标序列表征向量和所述目标计数向量确定所述待检测对象的故障检测结果，包括：

4.如权利要求1所述的故障检测方法，其特征在于，所述基于目标双向门控循环检测模型根据所述目标序列表征向量和所述目标计数向量确定所述待检测对象的故障检测结果之前，还包括：

5.如权利要求4所述的故障检测方法，其特征在于，所述根据所述日志模板集合确定历史序列表征向量集和历史计数向量集，包括：

6.如权利要求5所述的故障检测方法，其特征在于，所述根据所述日志模板集合和所述历史日志序列向量集确定历史序列表征向量集，包括：

7.一种故障检测装置，其特征在于，所述故障检测装置包括：

8.一种故障检测设备，其特征在于，所述故障检测设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的故障检测程序，所述故障检测程序配置有实现如权利要求1至6中任一项所述的故障检测方法。

9.一种存储介质，其特征在于，所述存储介质上存储有故障检测程序，所述故障检测程序被处理器执行时实现如权利要求1至6中任一项所述的故障检测方法。

10.一种计算机程序产品，其特征在于，所述计算机程序产品包括故障检测程序，所述故障检测程序被处理器执行时实现如权利要求1至6中任一项所述的故障检测方法。

技术总结
本发明涉及人工智能技术领域，公开了一种故障检测方法、装置、设备、存储介质及产品，所述方法包括：获取待检测对象的当前日志数据；根据所述当前日志数据确定目标序列表征向量和目标计数向量；基于目标双向门控循环检测模型根据所述目标序列表征向量和所述目标计数向量确定所述待检测对象的故障检测结果；通过上述方式，充分利用日志数据的事件序列和个数两类特征确定目标序列表征向量和目标计数向量，采用结合注意力机制的目标双向门控循环检测模型根据目标序列表征向量和目标计数向量进行故障检测，从而能够有效提高故障检测的精度和效率，并保障系统的可靠性。

技术研发人员：王鑫,范东媛,王学建,明道冬,陈苏昊,程亮亮,宫婷,陈蕾,王俊巧,洪小钰,王祖鹏,富勇楠
受保护的技术使用者：中移动信息技术有限公司
技术研发日：
技术公布日：2024/7/23