隐患挖掘方法、装置、设备及存储介质与流程

本技术涉及通信计算机，尤其涉及一种隐患挖掘方法、装置、设备及存储介质。

背景技术：

1、随着移动网络的普及发展，先于重大/重要故障，排查或者挖掘出网络隐患是亟待解决的。

2、目前的隐患挖掘主要通过人工梳理的方式进行，包括以下两方面：1)根据近期重大/重要故障事件的处理情况，人工梳理是否还存在相似的隐患，例如设备的某类软件版本存在bug，需要同步将所有同类设备的软件版本进行升级。2)人工挨个确认每类设备及其备份网元的运行情况。

3、依赖于人工梳理隐患挖掘，隐患发现数量少且单一，滞后严重且资源浪费多，也即，现有网络隐患排查或者挖掘存在效率低的技术问题。

技术实现思路

1、本技术的主要目的在于提供一种隐患挖掘方法、装置、设备及存储介质，旨在解决现有网络隐患排查或者挖掘效率低的技术问题。

2、为实现上述目的，本技术提供一种隐患挖掘方法，所述隐患挖掘方法包括：

3、获取多维度的运维隐患数据，其中，所述多维度的运维隐患数据至少包括设备告警数据、性能指标数据、故障工单数据以及集客投诉数据中的多项；

4、对所述运维隐患数据进行数据融合处理，得到不同粒度切片的特征矩阵；

5、对所述不同粒度切片的特征矩阵进行异常检测，得到所述运维隐患数据所指向的隐患网元。

6、可选地，所述对所述运维隐患数据进行数据融合处理，得到不同粒度切片的特征矩阵的步骤之前，所述方法包括：

7、从所述设备告警数据中提取第一数量类型告警数据、第一时长类型告警数据、第二时长类型告警数据以及第一频度类型告警数据中的一项或者多项；

8、和/或者从所述性能指标数据中提取风险指标类型数据、指标异常门限数据以及指标规则参数数据中的一项或者多项；

9、和/或者从所述故障工单数据中提取第二频度类型工单数据、第三时长类型工单数据以及第二数量类型工单数据中的一项或者多项；

10、和/或者从所述集客投诉数据中提取第三频度类型投诉数据和第四时长类型投诉数据中的一项或者多项。

11、可选地，所述运维隐患数据包括设备告警数据以及所述性能指标数据，所述设备告警数据按照网元粒度和/或者告警标题粒度进行隐患挖掘，

12、所述对所述运维隐患数据进行数据融合处理，得到不同粒度切片的特征矩阵的步骤，包括：

13、按照所述网元粒度以及所述告警标题粒度，从所述设备告警数据中分别提取在第一切片时间内的第一活动告警量以及在其他第二切片时间内的其他第二活动告警量，其中，所述其他第二切片时间可以为多个时间；

14、基于所述第一活动告警量生成第一告警量矩阵，基于所述第二活动告警量生成第二告警量矩阵；

15、对所述第一告警量矩阵以及所述第二告警量矩阵，继续按网元类型分组，得到各分组数据，基于每组网元类型分组下的分组数据以及所述性能指标数据，生成第一性能指标矩阵以及第二性能指标矩阵；

16、拼接所述第一告警量矩阵与所述第一性能指标矩阵，得到第一切片特征矩阵；

17、拼接所述第二告警量矩阵与所述第二性能指标矩阵，得到第二切片特征矩阵。

18、可选地，所述拼接所述第一告警量矩阵与所述第一性能指标矩阵，得到第一时间特征矩阵的步骤，包括：

19、从所述设备告警数据中提取第一数量类型告警数据、第一时长类型告警数据、第二时长类型告警数据以及第一频度类型告警数据；

20、确定所述第一数量类型告警数据、第一时长类型告警数据、第二时长类型告警数据以及第一频度类型告警数据分别相对于全部同网元类型网元的相应类异常指标的百分比；

21、基于所述百分比，确定第一参考特征矩阵；

22、拼接所述第一参考特征矩阵，所述第一告警量矩阵与所述第一性能指标矩阵，得到第一切片特征矩阵。

23、可选地，所述拼接所述第一参考特征矩阵，所述第一告警量矩阵与所述第一性能指标矩阵，得到第一切片特征矩阵的步骤，包括：

24、从所述故障工单数据中提取第二频度类型工单数据、第三时长类型工单数据以及第二数量类型工单数据；

25、根据所述第二频度类型工单数据、第三时长类型工单数据以及第二数量类型工单数据，确定在所述第一切片时间前预设时间段内的第二参考特征矩阵；

26、拼接所述第一参考特征矩阵，所述第二参考特征矩阵，所述第一告警量矩阵与所述第一性能指标矩阵，得到第一切片特征矩阵。

27、可选地，所述对所述不同粒度切片的特征矩阵进行异常检测，得到所述运维隐患数据所指向的隐患网元的步骤，包括：

28、利用集成的多个预设机器学习异常检测算法，对所述不同粒度切片的特征矩阵进行异常检测，按照投票机制输出异常网元以及时间定位；

29、和/或者确定所述设备告警数据对应的第一挖掘网元；

30、和/或者确定所述性能指标数据对应的第二挖掘网元；

31、和/或者确定所述故障工单数据对应的第三挖掘网元；

32、和/或者确定所述集客投诉数据分别对应的第四挖掘网元；

33、基于同日期下所述异常网元、所述时间定位以及不同切片粒度的异常置信度区间，和/或者所述第一挖掘网元，和/或者所述第二挖掘网元，和/或者所述第三挖掘网元，和/或者所述第四挖掘网元确定所述运维隐患数据所指向的隐患网元。

34、可选地，所述对所述不同粒度切片的特征矩阵进行异常检测，得到所述运维隐患数据所指向的隐患网元的步骤之后，所述方法包括：

35、基于所述隐患网元以及所述设备告警数据，确定异常度排名在预设范围的告警标题；

36、确定所述告警标题在第一切片时间以及其他第二切片时间内的第一标题告警量，并确定所述告警标题在所述设备告警数据中所对应的第二标题告警量；

37、根据所述第一标题告警量以及所述第二标题告警量，确定关联告警信息。

38、本技术还提供一种隐患挖掘装置，所述隐患挖掘装置包括：

39、获取模块，用于获取多维度的运维隐患数据，其中，所述多维度的运维隐患数据至少包括设备告警数据、性能指标数据、故障工单数据以及集客投诉数据中的多项；

40、融合模块，用于对所述运维隐患数据进行数据融合处理，得到不同粒度切片的特征矩阵；

41、检测模块，用于对所述不同粒度切片的特征矩阵进行异常检测，得到所述运维隐患数据所指向的隐患网元。

42、本技术还提供一种隐患挖掘设备，所述隐患挖掘设备为实体节点设备，所述隐患挖掘设备包括：存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的所述隐患挖掘方法的程序，所述隐患挖掘方法的程序被处理器执行时可实现如上述所述隐患挖掘方法的步骤。

43、本技术还提供一种存储介质，所述存储介质上存储有实现上述隐患挖掘方法的程序，所述隐患挖掘方法的程序被处理器执行时实现如上述所述隐患挖掘方法的步骤。

44、本技术还提供一种计算机程序产品、包括计算机程序，该计算机程序被处理器执行时实现上述所述隐患挖掘方法的步骤。

45、本技术提供一种隐患挖掘方法、装置、设备及存储介质，与现有隐患挖掘依赖于人工梳理，隐患发现数量少且单一，滞后严重且资源浪费多，致使网络隐患排查或者挖掘存在效率低相比，在本技术中，获取多维度的运维隐患数据，其中，所述多维度的运维隐患数据至少包括设备告警数据、性能指标数据、故障工单数据以及集客投诉数据中的多项；对所述运维隐患数据进行数据融合处理，得到不同粒度切片的特征矩阵；对所述不同粒度切片的特征矩阵进行异常检测，得到所述运维隐患数据所指向的隐患网元。在本技术中，全面利用且自动获取多维度的运维隐患数据，即获取设备告警数据、性能指标数据、故障工单数据以及集客投诉数据中的多项，进而自动地对所述运维隐患数据进行数据融合处理，得到不同粒度切片的特征矩阵，以全面且自动地进行异常检测，得到所述运维隐患数据所指向的隐患网元，可以理解，在本技术中，先于重大/重要故障，全面地排查网络隐患，避免隐患发现数量少且单一的情况，且本技术是自动排查而不是人工排查，因而，可以避免排查滞后，且避免资源浪费，提升了网络隐患排查或者挖掘的效率。