買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉浪潮通信信息系統(tǒng)有限公司申請的專利故障定界與定位的方法、設備和存儲裝置獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN115664946B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-09-19發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202211228493.5，技術(shù)領域涉及：H04L41/0677；該發(fā)明授權(quán)故障定界與定位的方法、設備和存儲裝置是由吳鮮篷設計研發(fā)完成，并于2022-10-08向國家知識產(chǎn)權(quán)局提交的專利申請。

本故障定界與定位的方法、設備和存儲裝置在說明書摘要公布了：本發(fā)明特別涉及一種故障定界與定位的方法、設備和存儲裝置。該故障定界與定位的方法、設備和存儲裝置，采用基于自動學習的因果挖掘算法進行故障關聯(lián)規(guī)則自動發(fā)現(xiàn)，基于歷史數(shù)據(jù)進行規(guī)則自動評估，評估合格的規(guī)則實現(xiàn)自動部署生效，全面提升故障定界與定位的智能化水平。該故障定界與定位的方法、設備和存儲裝置，提升了關聯(lián)規(guī)則挖掘準確率和故障定位能力，通過建立機器自學習提升了故障命中率，通過實時日志分析和監(jiān)控提升了故障和投訴監(jiān)控預防能力以及處理效率，進而節(jié)省了運維時長，提高了工作效率，為系統(tǒng)自動化運維提供了助力。

本發(fā)明授權(quán)故障定界與定位的方法、設備和存儲裝置在權(quán)利要求書中公布了：1.一種故障定界與定位的方法，其特征在于：采用基于自動學習的因果挖掘算法進行故障關聯(lián)規(guī)則自動發(fā)現(xiàn)，基于歷史數(shù)據(jù)進行規(guī)則自動評估，評估合格的規(guī)則實現(xiàn)自動部署生效，全面提升故障定界與定位的智能化水平； 將強化學習應用到打分法的因果發(fā)現(xiàn)算法中，通過基于自注意力機制的encoder-decoder神經(jīng)網(wǎng)絡模型探索數(shù)據(jù)之間的關系，結(jié)合因果結(jié)構(gòu)的條件，并使用策略梯度的強化學習算法對神經(jīng)網(wǎng)絡參數(shù)進行訓練，最終得到因果圖結(jié)構(gòu)； 包括以下步驟： 步驟S1、模型設計 創(chuàng)建基于自注意力機制的encoder-decoder神經(jīng)網(wǎng)絡模型，用于挖掘出告警之間的因果關聯(lián)，利用因果關系圖自動挖掘海量告警中隱藏的關聯(lián)信息，以豐富網(wǎng)絡故障管理平臺的關聯(lián)規(guī)則庫； 步驟S2、選擇基于強化學習的因果挖掘CDWRL算法作為核心算法； 步驟S3、數(shù)據(jù)預處理 采用Fink流數(shù)據(jù)處理的方式將海量告警數(shù)據(jù)和資源數(shù)據(jù)輸入到Redis分析池中，并基于資源關系獲取網(wǎng)元以及關聯(lián)設備作為構(gòu)建關系圖的基礎；然后選擇一組關系，結(jié)合歷史告警數(shù)據(jù)，找出組合內(nèi)所有的告警類型，使用告警標題標識告警類型； 按照告警發(fā)生的時間，根據(jù)時間窗將告警數(shù)據(jù)處理成按時間片分割的數(shù)據(jù)，每條數(shù)據(jù)之間是獨立的； 步驟S4、構(gòu)建有向無環(huán)圖DGA 設計一個以原始數(shù)據(jù)矩陣為輸入，以圖的鄰接矩陣為輸出的基于神經(jīng)網(wǎng)絡的圖生成器；采用抽樣的思想從N條數(shù)據(jù)中抽取m個樣本，用于圖生成，得到一個m*d的矩陣；然后開始構(gòu)圖，矩陣的每一列是圖的一個節(jié)點，通過建立兩兩節(jié)點之間的關系，最能得到一個d*d的鄰接矩陣，也就是初始的有向無環(huán)圖DAG； 步驟S5、有向無環(huán)圖DGA迭代優(yōu)化 控制打分函數(shù)的下限和上限，并不斷調(diào)整參數(shù)，對結(jié)果進行無環(huán)性約束，基于打分的方式，通過訓練圖的迭代，實現(xiàn)有向無環(huán)圖DGA的結(jié)構(gòu)迭代優(yōu)化； 步驟S6、構(gòu)建打分函數(shù)和無環(huán)性約束 設計圖結(jié)構(gòu)打分函數(shù)，對圖結(jié)構(gòu)進行評分，基于打分的方式以及圖的無環(huán)性約束進行訓練，得到BIC得分最高的有向無環(huán)圖DGA結(jié)構(gòu)； 有向無環(huán)圖DGA的BIC打分公式為： 其中，θ為自定義參數(shù)，為參數(shù)θ的最大似然估計量，dθ為參數(shù)θ的維數(shù)，p為范疇假設，m為底數(shù)； 具有二元鄰接矩陣A的有向無環(huán)圖DGA的無環(huán)性約束公式如下： hA＝traceeA-d＝0 其中，eA為矩陣A的指數(shù)，用冪級數(shù)展開，即E+A+A22！+A33！+...； 步驟S7、構(gòu)建評分函數(shù) 基于打分函數(shù)和無環(huán)性約束構(gòu)建評分函數(shù)，通過梯度下降過程的迭代，最終得到優(yōu)化后的有向無環(huán)圖DGA結(jié)構(gòu)； 評分函數(shù)為： 其中，SG為向無環(huán)圖DGA的得分，DAGs為BIC得分最高的有向無環(huán)圖DGA圖結(jié)構(gòu)的集合，I為指示函數(shù)，當輸入為True時，輸出為1，輸入為False時，輸出為0，用于計數(shù)；λ1與λ2為兩個不小于0的懲罰參數(shù)，λ1與λ2越大，對有向無環(huán)圖DGA的無環(huán)性約束就越強； 自定義調(diào)整參數(shù)λ1與λ2，使評分reward最大化，即可得到優(yōu)化后的有向無環(huán)圖DGA結(jié)構(gòu)； 步驟S8、可視化展示 利用可視化工具將最終得到的向無環(huán)圖DGA的鄰接矩陣繪制出來進行展示，圖中的節(jié)點代表告警類型。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人浪潮通信信息系統(tǒng)有限公司，其通訊地址為：250100 山東省濟南市高新區(qū)浪潮路1036號浪潮科技園S06號樓；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。