(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111275830.1 (22)申请日 2021.10.2 9 (71)申请人 深圳前海微众 银行股份有限公司 地址 518052 广东省深圳市前海深港合作 区前湾一路1号A栋201室 申请人 香港科技大 学 (72)发明人 辛浩　尤嘉　叶金瓒　王雅琪　 林城　 (74)专利代理 机构 北京派特恩知识产权代理有 限公司 1 1270 代理人 刘晖铭　张颖玲 (51)Int.Cl. G06F 30/27(2020.01) G06K 9/62(2022.01) G06F 111/08(2020.01) (54)发明名称 模型训练方法、 根因确定方法、 装置、 设备及 存储介质 (57)摘要 本申请公开了一种模 型训练方法、 根因定位 方法、 装置、 设备及存储介质， 模型训练方法包 括： 将至少一个第一异常事件对应的异构图的特 征信息输入至根因检测模型， 得到每个第一异常 事件对应的第一根因； 其中， 第一异常事件表征 集成了多个微服务的设定系统发生的历史异常 事件； 异构图至少表征第一异常事件与相关的业 务指标、 微服务和设备之间的关系； 基于每个第 一异常事件对应的第一根因和对应的标定根因， 更新所述 根因检测模型的模型参数。 权利要求书2页 说明书16页 附图5页 CN 114036826 A 2022.02.11 CN 114036826 A 1.一种模型训练方法， 其特 征在于， 包括： 将至少一个第 一异常事件对应的异构图的特征信 息输入至根因检测模型， 得到每个第 一异常事件对应的第一根因； 其中， 第一异常事件表征集成了多个微服务的设定系统发生 的历史异常事件； 异构图至少表征第一异常事件与相关的业务指标、 微服务和设备之间的 关系； 基于每个第 一异常事件对应的第 一根因和对应的标定根因， 更新所述根因检测模型的 模型参数。 2.根据权利要求1所述的方法， 其特 征在于， 所述方法还 包括： 基于第一异常事件对应的业务流水日志， 确定出第一异常事件对应的第一信息； 所述 第一信息至少表征第一异常事件对应的微服务、 第三方机构、 微服务调用的第一子系统、 第 一子系统相关的第二子系统和服 务器； 基于设备部署日志， 确定出第一子系统相关的服务器的第二信息； 所述第二信息至少 表征服务器对应的母机、 网络区域和网络设备； 基于第一异常事 件对应的告警日志， 确定出第一异常事 件相关的告警信息； 基于第一异常事件对应的业务指标、 业务指标对应的微服务， 以及基于确定出的第一 信息、 第二信息和告警信息， 构建出第一异常事 件对应的异构图。 3.根据权利要求1所述的方法， 其特 征在于， 异构图的特 征信息包括以下至少之一： 异构图中节点之间的相关度； 异构图的最大深度、 异构图中节点的出度和节点对应的告警信息 。 4.根据权利要求1所述的方法， 其特 征在于， 确定异构图的特 征信息包括： 基于第一异常事 件对应的异构图， 确定出多条随机游走路径； 确定出多条随机游走路径中每 个节点的总出现次数； 基于确定出的每个节点的总出现次数， 从多条随机游走路径中确定出至少一条第 一随 机游走路径； 其中， 第一随机游走路径包括总出现次数最大的前N个节点， N为大于或等于2 的整数； 基于确定出的第一随机游走路径， 确定出异构图中节点之间的相关度。 5.根据权利要求4所述的方法， 其特征在于， 所述基于第一异常事件对应的异构图， 确 定出多条随机游走路径， 包括： 基于第一异常事件对应的异构图和第 一异常事件对应的设定元路径， 确定出多条随机 游走路径。 6.根据权利要求4所述的方法， 其特征在于， 所述基于确定出的第一随机游走路径， 确 定出异构图中节点之间的相关度， 包括： 确定出第一随机游走路径中每两个节点对应的第一向量； 基于第一向量之间的相似度， 确定出对应的节点之间的相关度。 7.根据权利要求6所述的方法， 其特 征在于， 确定出的第一随机游走路径为至少两条； 在所述基于第一向量之间的相似度， 确定出对应的节点之间的相关度之前， 所述方法 还包括： 基于不同的第 一随机游走路径对应的第 一向量之间的相关度， 对确定出的第 一向量进 行去重处 理。权　利　要　求　书 1/2 页 2 CN 114036826 A 28.根据权利要求1至7任一项所述的方法， 其特 征在于， 所述方法还 包括： 将每个第一异常事 件对应的设定特 征信息输入至所述 根因检测模型。 9.一种根因确定方法， 其特 征在于， 包括： 在检测到集成了多个微服务的设定系统发生第 二异常事件的情况下， 确定出第 二异常 事件对应的异构 图的特征信息； 所述异构 图至少表征所述第二异常事件与相关的业务指 标、 微服务和设备之间的关系； 将所述第二异常事件对应的异构图的特征信 息输入至第 一模型， 得到所述第 二异常事 件对应的根因； 其中， 所述第一模型为采用 如权利要求1至8任一项所述的模型训练方法训练得到的根因检 测模型。 10.根据权利要求9所述的方法， 其特 征在于， 所述方法还 包括： 基于第二异常事件对应的异构图， 输出至少一条第一路径； 第一路径的起始节点为第 二异常事 件， 第一路径的终止节点 为第二异常事 件对应的根因表征的故障节点。 11.一种模型训练装置， 其特 征在于， 包括： 训练单元， 用于将至少一个第 一异常事件对应的异构图的特征信 息输入至根因检测模 型， 得到每个第一异常事件对应的第一根因； 其中， 第一异常事件表征集成了多个微服务的 设定系统发生的历史异常事件； 异构图至少表征第一异常事件与相关的业务指标、 微服务 和设备之间的关系； 更新单元， 用于基于每个第一异常事件对应的第一根因和对应的标定根因， 更新所述 根因检测模型的模型参数。 12.一种根因确定装置， 其特 征在于， 包括： 第一确定单元， 用于在检测到集成了多个微服务的设定系统发生第 二异常事件的情况 下， 确定出第二异常事件对应的异构图的特征信息； 所述异构图至少表征所述第二异常事 件与相关的业 务指标、 微 服务和设备之间的关系； 第二确定单元， 用于将所述第二异常事件对应的异构图的特征信息输入至第一模型， 得到所述第二异常事 件对应的根因； 其中， 所述第一模型为采用 如权利要求1至8任一项所述的模型训练方法训练得到的根因检 测模型。 13.一种电子设备， 其特征在于， 包括： 处理器和用于存储能够在处理器上运行的计算 机程序的存 储器， 其中， 所述处 理器用于运行 所述计算机程序时， 执 行以下至少之一： 权利要求1至8任一项所述的方法的步骤； 权利要求9至10任一项所述的方法的步骤。 14.一种存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序被处理器执 行时实现以下至少之一： 权利要求1至8任一项所述的方法的步骤； 权利要求9至10任一项所述的方法的步骤。权　利　要　求　书 2/2 页 3 CN 114036826 A 3