[发明专利]线上报警方法和装置

权利要求书

1.一种线上报警方法，其特征在于，包括：

获取报警数据；

将所述报警数据输入至改进后的随机森林网络模型得到所述报警数据对应的报警等级；

按照所述报警等级确定相应的报警策略，根据所述报警策略执行相应的报警动作；

其中，所述改进后的随机森林网络模型包括随机森林网络模型和多层序列选择模型，所述随机森林网络模型是基于原始训练数据以及所述原始训练数据对应的报警等级标签进行训练得到；

所述多层序列选择模型用于根据输入的原始训练数据，确定关键特征指标集合。

2.根据权利要求1所述的线上报警方法，其特征在于，所述获取报警数据，具体包括：

根据预定义的数据聚合类别，收集原始报警数据；其中，所述数据聚合类别为根据对改进后的随机森林网络模型进行训练的过程中生成的关键特征指标集合确定；

将所述原始报警数据存储至分布式数据库中；

获取所述分布式数据库中的原始报警数据，并对不同数据聚合类别的所述原始报警数据按照时间维度进行聚合处理，得到报警数据；

将所述报警数据存储至聚合数据库。

3.根据权利要求1或2所述的线上报警方法，其特征在于，所述关键特征指标集合的确定方法包括：

S1、获取原始训练数据中的样本特征指标集，输入至所述多层序列选择模型；

S2、通过所述多层序列选择模型确定样本特征指标集的删除指标个数；

S3、从样本特征指标集中删除与所述删除指标个数对应的指标，得到剩余指标，根据剩余指标进行子集构建，得到指标子集；

S4、基于改进后的随机森林网络模型，分别对每个所述指标子集进行处理，确定所述指标子集的准确率，基于所述准确率对所述指标子集进行筛选，确定关键特征指标集合。

4.根据权利要求3所述的线上报警方法，其特征在于，所述基于改进后的随机森林网络模型，分别对每个所述指标子集进行处理，确定所述指标子集的准确率，基于所述准确率对所述指标子集进行筛选，确定关键特征指标集合，具体包括：

判断从当前的样本特征指标集中删除与当前的删除指标个数对应的指标，得到剩余指标，根据剩余指标进行子集构建，得到当前的所述指标子集的数量是否小于设定阈值；

若是，将删除指标个数自增1，判断样本特征指标集的指标个数与自增1后的删除指标个数是否相同，若不相同，将自增1后的删除指标个数作为当前的删除指标个数，执行步骤S2，若相同，选择最高准确率的指标子集作为关键特征指标集合；

若否，将所述当前的所述指标子集依次输入至所述改进后的随机森林网络模型中，以使所述改进后的随机森林网络模型根据所述当前的所述指标子集以及对应的报警等级标签确定所述当前的所述指标子集的准确率；

对所述准确率进行排序，从所述当前的样本特征指标集中删除准确率最低的指标子集中的指标，并将删除准确率最低的指标子集中的指标后的指标集作为当前的样本特征指标集，执行步骤S3。

5.根据权利要求3所述的线上报警方法，其特征在于，确定所述指标子集的准确率，具体包括：

采用第一处理模型确定所述指标子集的准确率，其中，所述第一处理模型包括：

其中，Acc表示所述特征指标集对应的准确率，TP是指被算法正确分为预设报警等级的与所述对应预设报警等级具有对应关系的特征指标；FP是指被算法错误分为预设报警等级的与所述对应预设报警等级不具有对应关系的特征指标；TN是指被算法正确分为非预设报警等级的与所述对应预设报警等级不具有对应关系的特征指标；FN是指被算法错误分为非预设报警等级的与所述对应预设报警等级具有对应关系的特征指标。