阅读说明：本技术 一种适用于音视频融合平台的智能告警收敛方法 (A kind of intelligent alarm convergence method suitable for audio-video convergence platform ) 是由 程家明 王军明 孔繁东 陈升亮 于 2019-08-08 设计创作，主要内容包括：本发明提供了一种适用于音视频融合平台的智能告警收敛方法,包括：根据现有音视频融合平台生成的基础告警记录数据构建训练集；构建用于告警收敛的学习模型,告警收敛是指去除无效告警、降低误报概率的过程；利用训练集中的训练样本训练学习模型,得到训练完成的学习模型；使用训练完成的学习模型对输入的当前音视频融合平台的告警记录进行计算识别,输出分类结果,分类包括有效、忽略和误报；告警识别器通过训练完成的学习模型判断当前音视频融合平台的告警记录是否为有效故障,如果是有效故障,则执行告警处理；如果告警识别器识别为不是有效告警,推送给人工审核,做标注或者直接删除操作。(The present invention provides a kind of intelligent alarm convergence methods suitable for audio-video convergence platform, comprising: the basis alarm record data generated according to existing audio-video convergence platform construct training set；Building refers to the process of the invalid alarm of removal, reduces misinformation probability for alerting convergent learning model, alarm convergence；Using the training sample training learning model in training set, the learning model of training completion is obtained；The learning model completed using training carries out calculating identification, output category result to the alarm record of the current audio-video convergence platform of input, and classification includes effectively, ignores and report by mistake；Whether it is that effective failure if it is effective failure then executes alarming processing that alarm identifier judges that the alarm of current audio-video convergence platform records by the learning model that training is completed；If alarm identifier is identified as not being effectively to alert, manual examination and verification are pushed to, do mark or direct delete operation.)

一种适用于音视频融合平台的智能告警收敛方法

技术领域

本发明涉及音视频通信领域，具体涉及一种适用于音视频融合平台的智能告警收敛方法。

背景技术

随着行业云化和微服务的趋势及应用越来越成熟，众多公司企业建立了基于云联邦+微服务架构的新一代音视频融合平台，先进技术带来了很多应用价值，但同时也面临了新的问题和挑战，比如系统集群规模更大，业务组件更多等，这些都给新一代音视频融合平台的运维工作带来了新的挑战。

在现有音视频融合平台运营监控业务中定义了多维度的告警，比如一个业务/服务有问题，可能触发多个维度的事件，比如服务维度、硬件设备维度、集群维度等，如果都触发了告警，就变成了噪音，一天收到成千上万个告警，基本就等于无效告警了，无法快速定位根本原因。

人工智能近年飞速发展，在众多领域也有了越来越多的实际用用并发挥着价值。基于上述提到的音视频融合平台在运营监控告警存在海量无效告警的问题，现基于机器学***台的有效告警数据，减少误报概率。另外，当今已有很多开源机器学***台，比如Google、百度等国内外企业均有开源各自的机器学***台，这也大大降低了入门门槛，使得中小企业及传统企业实现智能运维不再遥远。

发明内容

本发明要解决的技术问题在于，针对上述目前的音视频平台在运营监控告警存在海量无效告警的技术问题，提供一种适用于音视频融合平台的智能告警收敛方法解决上述技术缺陷。

一种适用于音视频融合平台的智能告警收敛方法，包括：

S1、根据现有音视频融合平台生成的基础告警记录数据构建训练集；

S2、构建用于告警收敛的学习模型，告警收敛是指去除无效告警、降低误报概率的过程；

S3、利用训练集中的训练样本训练学习模型，得到训练完成的学习模型；

S4、使用训练完成的学***台的告警记录进行计算识别，输出分类结果，分类包括有效、忽略和误报；

S5、告警识别器通过训练完成的学***台的告警记录是否为有效故障，如果是有效故障，则执行告警处理；如果告警识别器识别为不是有效告警，推送给人工审核，做标注或者直接删除操作。

进一步的，步骤S1中根据现有运维规则生成基础告警记录数据，通过搜集一定数量的告警记录数据并做分类标注，分类包括有效、忽略和误报，将这些已标注的告警数据建立成训练样本集。

进一步的，步骤S2中的学习模型使用决策树模型实现，决策树模型包括一个根节点，若干个内部节点和若干个叶节点；叶节点对应决策结果，其他每个节点对应一个属性测试；每个节点包含的样本集合根据属性测试的结果被划分到子节点中；根节点包含样本全集。

进一步的，步骤S3中利用训练集训练学习模型之前，要划分训练集的属性，设定属性集D＝{D₁，D₂，D₃}，其中D₁＝{d₁，d₂，d₃，d₄，d₅，d₆}＝{程序，主机，设备，网络，节点，业务}；D₂＝{d'₁，d'₂，d'₃，d'₄，d'₅，d'₆，d'₇，d'₈，d'₉}＝{接口，进程，在线状态，信号，性能，连接状态，并发量，网络质量}；D₃＝{d”₁，d”₂，d”₃，d”₄，d”₅}＝{提醒，一般，重要，紧急，灾难}；设定x为输入，x＝{x₁，x₂，x₃，…，x_m}，x_m代表第m个告警记录的输入；y为输出，y＝{y₁，y₂，y₃，…，y_m}＝{有效、忽略、误报}，y_m代表第m个告警记录的输出；构建训练集为：X＝{(x₁，y₁)，(x₂，y₂)，(x₃，y₃)，…，(x_m，y_m)}。

进一步的，步骤S5中所有被标注为有效、互联或误报类型的告警记录，继续反馈作为训练样本，以供机器学习不断优化和调整识别规则，以达到智能告警收敛、降低误报概率的目的。

与现有技术相比，本发明的优势在于：运用人工智能的机器学***台的告警数据，减少音视频融合平台来自多维度的频繁的无效警报，减少误报。

附图说明

下面将结合附图及实施例对本发明作进一步说明，附图中：

图1为本发明一种适用于音视频融合平台的智能告警收敛方法流程图。

具体实施方式

为了对本发明的技术特征、目的和效果有更加清楚的理解，现对照附图详细说明本发明的具体实施方式。

基于人工智能技术的音视频融合平台告警收敛方法，如图1所示，包括：

S1、构建训练集：根据现有运维规则生成基础告警记录数据，通过搜集一定数量的告警记录数据并做分类标注(有效、忽略、误报等)，将这些已标注的告警数据建立成训练样本集。

S2、构建用于告警收敛的学习模型，告警收敛是指去除无效告警、降低误报概率的过程：学习模型使用决策树模型实现，决策树模型包括一个根节点，若干个内部节点和若干个叶节点；叶节点对应决策结果，其他每个节点对应一个属性测试；每个节点包含的样本集合根据属性测试的结果被划分到子节点中；根节点包含样本全集。

S3、利用训练集中的训练样本训练学习模型，得到训练完成的学习模型：利用训练集训练学习模型之前，要划分训练集的属性，设定属性集D＝{D₁，D₂，D₃}，其中D₁＝{d₁，d₂，d₃，d₄，d₅，d₆}＝{程序，主机，设备，网络，节点，业务}；D₂＝{d'₁，d'₂，d'₃，d'₄，d'₅，d'₆，d'₇，d'₈，d'₉}＝{接口，进程，在线状态，信号，性能，连接状态，并发量，网络质量}；D₃＝{d”₁，d”₂，d”₃，d”₄，d”₅}＝{提醒，一般，重要，紧急，灾难}；设定x为输入，x＝{x₁，x₂，x₃，…，x_m}，x_m代表第m个告警记录的输入；y为输出，y＝{y₁，y₂，y₃，…，y_m}＝{有效、忽略、误报}，y_m代表第m个告警记录的输出；构建训练集为：X＝{(x₁，y₁)，(x₂，y₂)，(x₃，y₃)，…，(x_m，y_m)}。

S4、使用训练完成的学习模型对输入的告警记录进行计算识别，输出分类结果。

S5、告警识别器通过训练完成的学***台的告警记录数据是否为有效故障，如果是有效故障，则执行告警处理；如果告警识别器识别为不是有效告警，可以推送给人工审核，做标注或者直接删除操作，所有被标注为有效、互联或误报等类型的告警记录，继续反馈作为训练样本，以供机器学习不断优化和调整识别规则，以达到智能告警收敛、降低误报概率的目的。

初始化时需定义音视频融合平台告警识别的背景知识库，再通过从音视频融合平台中搜集已标注(有效、忽略、误报)的告警数据作为训练样本，通过机器学***台对背景知识库进行扩展和改进，更新告警识别规则，构建音视频融合平台的告警识别器。

上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。