← 返回列表
一种基于混沌工程故障实验的智能化风险探索方法及系统
摘要文本
本发明公开了一种基于混沌工程故障实验的智能化风险探索方法及系统，方法包括抽取业务的业务类型特征、业务技术架构特征、业务指标特征以及业务故障特征，定义故障发生时业务特征；对特征进行特征值编码；提取数据的特征，并对提取出的特征进行特征值编码，利用特征对应的特征值训练场景推荐模型；基于训练好的场景推荐模型，利用实际的特征数据，排序输出故障推荐列表；故障注入过程中，对故障推荐列表中的故障进行混沌实验，基于故障的致命度进行带权重的随机，并在实验完成后基于实验的结果，再次动态更新权重。优点是 : 降低混沌工程实验的实施难度，从而达到非专业工程师也可以实施混沌实验，探索系统可能存在的风险，提升系统的稳定性。 详见官网：
申请人信息
- 申请人:北京同创永益科技发展有限公司
- 申请人地址:100082 北京市海淀区西直门北大街52、54、56号4层中栋0101-402
- 发明人: 北京同创永益科技发展有限公司
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种基于混沌工程故障实验的智能化风险探索方法及系统 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311380283.2 |
| 申请日 | 2023/10/24 |
| 公告号 | CN117332212A |
| 公开日 | 2024/1/2 |
| IPC主分类号 | G06F18/10 |
| 权利人 | 北京同创永益科技发展有限公司 |
| 发明人 | 朱柯; 郑阳; 潘星文 |
| 地址 | 北京市海淀区西直门北大街52、54、56号4层中栋0101-402 |
专利主权项内容
1.一种基于混沌工程故障实验的智能化风险探索方法，其特征在于：包括如下步骤，S1、业务特征抽取：抽取业务的业务类型特征、业务技术架构特征、业务指标特征以及业务故障特征，定义故障发生时业务特征；S2、特征值编码：利用Label Encoding对特征进行特征值编码；S3、推荐模型训练：选取注意力机制的神经网络模型作为场景推荐模型，按照S1提取清洗后的训练数据中的特征，并按照S2中的方式对提取出的特征进行特征值编码，利用特征对应的特征值训练场景推荐模型；S4、故障推荐：基于训练好的场景推荐模型，利用实际的特征数据，根据业务类型、业务技术架构、业务指标和业务故障特征计算故障优先级，并排序输出故障推荐列表；S5、风险探索：故障注入过程中，对故障推荐列表中的故障进行混沌实验，基于故障的致命度进行带权重的随机，并在实验完成后基于实验的结果，再次动态更新权重。