(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 202111666129.2 (22)申请日 2021.12.31 (71)申请人 联想 （北京） 有限公司 地址 100085 北京市海淀区上地西路6号2 幢2层201- H2-6 (72)发明人 陆明　聂志远　 (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 王花丽　张颖玲 (51)Int.Cl. G06F 11/07(2006.01) G06K 9/62(2022.01) (54)发明名称 一种异常分析方法、 设备和计算机可读存储 介质 (57)摘要 本申请实施例公开了一种异常分析方法、 设 备和计算机可读存储介质， 该方法包括： 获得目 标异常分类模型， 并获取至少一个目标特征指 标； 基于至少一个目标特征指标的数量和第一预 设阈值的关系， 确定异常分析处理过程； 获取待 分析数据； 从待分析数据中获取目标特征指标对 应的目标指标值， 将目标特征指标和目标特征指 标对应的目标指标值， 输入目标异常分类模型进 行推断处理， 获得决策路径和决策路径对应的推 断结果， 基于决策路径和决策路径对应的推断结 果， 确定异常分析结果。 如此， 通过将目标特征指 标和目标特征指标对应的目标指标值进行推断 处理， 并基于推断结果， 得到对存储卷性能异常 的分析结果， 从而实现对存储卷性能的异常根因 的有效分析。 权利要求书2页 说明书13页 附图6页 CN 114416410 A 2022.04.29 CN 114416410 A 1.一种异常 分析方法， 包括： 获得目标异常 分类模型， 并获取至少一个目标 特征指标； 基于所述至少一个目标特征指标的数量和第 一预设阈值的关系， 确定异常分析处理过 程； 确定所述至少一个目标特征指标的数量达到所述第 一预设阈值， 确定所述异常分析处 理过程为利用所述目标异常 分类模型 执行推断处 理过程； 获取待分析数据， 从所述待分析数据中获取所述目标特征指标对应的目标指标值， 所 述待分析 数据包括多个特 征指标和所述多个特 征指标对应的指标值； 将所述目标特征指标和所述目标特征指标对应的目标指标值， 输入所述目标异常分类 模型进行推断处 理， 获得至少一个决策路径、 所述至少一个决策路径对应的推断结果； 基于所述决策路径、 所述决策路径对应的推断结果， 确定异常 分析结果。 2.根据权利要求1中所述的方法， 所述基于所述决策路径、 所述决策路径对应的推断结 果， 确定异常 分析结果， 包括： 基于各个决策路径对应推断结果， 确定所述至少一个决策路径中的目标决策路径， 所 述目标决策路径为推断结果是异常状态的决策路径； 获取所述目标决策路径中各个目标 特征指标对应的至少一个目标指标值； 基于所述至少一个目标指标值， 对所述目标决策路径中的所述一个或多个目标特征指 标进行检测， 获得检测结果； 基于所述检测结果确定异常 分析结果。 3.根据权利要求2中所述的方法， 所述基于所述至少一个目标指标值， 对所述目标决策 路径中的所述一个或多个目标特征指标进行检测， 获得检测结果， 基于所述检测结果确定 异常分析结果， 包括： 基于所述目标决策路径中的一个或多个目标特征指标和所述一个或多个目标特征指 标对应的目标指标值， 确定存 储卷性能的当前状态； 将所述存 储卷性能的当前状态确定为所述检测结果； 如果所述存储卷性能的当前状态为异常状态， 将所述一个或多个目标特征指标进行标 记； 将被标记的所述 一个或多个目标 特征指标确定为所述异常 分析结果。 4.根据权利要求2中所述的方法， 所述异常分析结果还包括表征目标特征指标重要性 的目标排序结果， 所述方法还 包括： 获取所述目标异常 分类模型针对所述目标 特征指标的初始排序结果； 基于所述目标决策路径和所述初始排序结果， 确定所述目标特征指标的目标排序结 果； 将所述目标排序结果确定为所述异常 分析结果。 5.根据权利要求2所述的方法， 所述方法还 包括： 获取基于所述目标异常 分类模型确定的随机森林中的决策树个数； 确定所述至少一个目标特征指标的数量未达到所述第 一预设阈值， 且所述决策树个数 大于第二预设阈值， 确定所述异常 分析处理过程为目标特征异常检测处 理过程； 对所述目标特征指标中的一个或多个进行异常检测， 获得检测结果， 基于所述检测结权　利　要　求　书 1/2 页 2 CN 114416410 A 2果确定异常 分析结果。 6.根据权利要求 4所述的方法， 所述方法还 包括： 获取所述至少一个目标特征指标对应的正常指标范围， 基于所述至少一个目标特征指 标对应的正常指标 范围确定所述至少一个目标 特征指标各自对应的目标正常值； 将被标记的各个目标 特征指标对应的目标指标值， 更新 为对应的所述目标正常值； 基于所述目标异常分类模型对被标记的目标特征指标和所述被标记的目标特征指标 对应的目标正常值进行推断处 理， 获得被标记的目标 特征指标对应的修 正推断结果； 基于所述被标记的目标特征指标对应的修正推断结果， 从被标记的目标特征指标中确 定异常根因指标。 7.根据权利要求1中所述的方法， 所述方法还 包括： 获取训练数据和预设的异常分类模型， 所述训练数包括训练特征指标、 所述训练特征 指标对应的训练特 征值和训练特 征标签； 基于所述训练数据对所述预设的异常 分类模型进行训练， 得到初始 异常分类模型； 基于所述初始 异常分类模型确定各个训练特 征指标的重要性评价 值； 删除重要性评价 值低于第四预设阈值的训练特 征指标， 获得多个目标 特征指标； 将所述训练数据中的所述目标特征指标和所述训练数据中的所述目标特征指标对应 的指标值输入所述初始异常分类模型， 继续对所述初始异常分类模型进行训练， 直至得到 目标异常 分类模型。 8.根据权利要求7中所述的方法， 所述方法还 包括： 获取各个目标 特征指标的重要性评价 值； 基于所述各个目标特征指标的重要性评价值对所述多个目标特征指标进行排序， 得到 目标特征指标的初始排序结果。 9.一种异常 分析设备， 包括： 存储器， 用于存 储可执行异常分析指令； 处理器， 用于执行所述存储器中存储的可执行异常分析指令时， 实现权利要求1至8任 一项所述的方法。 10.一种计算机可读存储介质， 存储有可执行异常分析指令， 用于引起处理器执行时， 实现如权利要求1至8任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 114416410 A 3