System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种智能日志数据融合与建模分析的方法技术_技高网

一种智能日志数据融合与建模分析的方法技术

技术编号:43141479 阅读:7 留言:0更新日期:2024-10-29 17:44
本发明专利技术涉及数据建模处理的技术领域,提供了一种智能日志数据融合与建模分析的方法,分析企业服务器的企业端工作日志,识别企业服务器下属连接的异常网络片区,从异常网络片区监听得到所有异常数据流,对异常网络片区内部的数据传输状态进行标定;基于数据特征信息,寻找发生异常数据处理行为的所有目标用户端,对所有目标用户端配对处理为若干目标用户端集群;将所有目标用户端各自的运行日志数据融合为运行日志数据集合,以此建模处理为目标用户端集群下属所有目标用户端之间的数据交互进程模型,预测得到目标用户端集群下属所有目标用户端内部的异常应用程序,准确对目标用户端进行网络链路调整处理,提高企业级局域网内部终端的工作可靠性。

【技术实现步骤摘要】

本专利技术涉及数据建模处理的,特别涉及一种智能日志数据融合与建模分析的方法


技术介绍

1、企业级局域网内部包含大量用户终端设备,用户终端设备在处理工作任务过程中会与其他用户终端设备进行数据交互,从而在不同用户终端设备之间形成数据流,该数据流会携带相应用户终端设备在处理工作任务过程中生成的数据成分。当数据流经过的用户终端设备发生异常时,会使得数据流发生内容错乱,影响后续用户终端设备的任务处理准确性。为了保证企业级局域网内部数据流的正常处理和传输,通常会对每个用户终端设备进行单独的跟踪监测,这样能够保证企业级局域网整体的正常运行,但同时也增大了企业级局域网整体的设备硬件成本和运营负荷,导致无法对企业级局域网进行稳定可靠的运营状态预测,降低了企业级局域网内部用户终端设备的工作可靠性。


技术实现思路

1、针对现有技术存在的缺陷,本专利技术提供了智能日志数据融合与建模分析的方法,其分析企业服务器的企业端工作日志,识别企业服务器下属连接的异常网络片区,并从异常网络片区监听得到所有异常数据流,以此识别得到每个异常数据流的数据特征信息,对异常网络片区内部的数据传输状态进行标定;基于数据特征信息,寻找发生异常数据处理行为的所有目标用户端,并基于目标用户端的位置信息,对所有目标用户端进行关联网络链路标定,对所有目标用户端配对处理为若干目标用户端集群,实现对目标用户端的区分化集中调整控制;还将目标用户端集群下属所有目标用户端各自的运行日志数据融合为运行日志数据集合,以此建模处理为目标用户端集群下属所有目标用户端之间的数据交互进程模型,预测得到目标用户端集群下属所有目标用户端内部的异常应用程序,从而准确对目标用户端进行网络链路调整处理,对企业级局域网进行稳定可靠的运营状态预测,提高企业级局域网内部终端的工作可靠性。

2、本专利技术提供一种智能日志数据融合与建模分析的方法,包括如下步骤:

3、步骤s1,获取企业服务器的企业端工作日志,对所述企业端工作日志进行分析,识别所述企业服务器下属连接的异常网络片区;对所述异常网络片区进行监听,确定所述异常网络片区存在的所有异常数据流,并对每个异常数据流进行识别,得到每个异常数据流对应的数据特征信息;

4、步骤s2,基于所述数据特征信息,在所述异常网络片区寻找发生异常数据处理行为的所有目标用户端;基于所有目标用户端在所述异常网络片区的位置信息,对所有目标用户端进行关联网络链路标定,并基于标定的关联网络链路,对所有目标用户端进行配对处理,得到若干目标用户端集群;

5、步骤s3,获取所述目标用户端集群下属所有目标用户端各自的运行日志数据,对所有运行日志数据进行融合预处理,得到运行日志数据集合;对所述运行日志数据集合进行建模处理,得到所述目标用户端集群下属所有目标用户端之间的数据交互进程模型;

6、步骤s4,基于所述数据交互进程模型,确定所述目标用户端集群下属所有目标用户端内部的异常应用程序;基于所有异常应用程序各自的程序端口信息,对相应的目标用户端进行网络链路调整处理。

7、在本申请公开的一个实施例中,在所述步骤s1中,获取企业服务器的企业端工作日志,对所述企业端工作日志进行分析,识别所述企业服务器下属连接的异常网络片区,包括:

8、对企业服务器的数据接收端口进行监听,得到所述企业服务器对外界数据的接收流量变化信息;基于所述接收流量变化信息,确定所述企业服务器处于数据接收活跃状态的时间段分布信息;基于所述时间段分布信息,对所述企业服务器的日志记录进行筛选处理,得到所述企业服务器在相应时间段生成的企业端工作日志;

9、对所述企业端工作日志进行分析,得到所述企业服务器在运行过程中存在连接关系的所有网关设备;基于所有网关设备各自在所述企业服务器所在的网络内部的地址信息,确定所述企业服务器关联的网络片区;

10、对所述网络片区进行数据流量检测,将所述网络片区内部平均数据传输流量超过预设流量阈值的网络子片区确定为所述企业服务器下属连接的异常网络片区。

11、在本申请公开的一个实施例中,在所述步骤s1中,对所述异常网络片区进行监听,确定所述异常网络片区存在的所有异常数据流,并对每个异常数据流进行识别,得到每个异常数据流对应的数据特征信息,包括:

12、对所述异常网络片区下属所有网络链路进行监听,得到所述异常网络片区下属所有网络链路各自传输的数据样本序列;对所述数据样本序列进行数据内容识别,得到所述数据样本序列内部的数据内容重复比例;若所述数据内容重复比例大于预设比例阈值,则确定相应网络链路传输的数据流为异常数据流;

13、对所述异常数据流进行数据流来源追踪识别,得到所述异常数据流在整个传输过程中经过的终端设备身份信息,以此作为所述数据特征信息。

14、在本申请公开的一个实施例中,在所述步骤s2中,基于所述数据特征信息,在所述异常网络片区寻找发生异常数据处理行为的所有目标用户端,包括:

15、将所述终端设备身份信息与所述异常网络片区接入的所有用户终端的身份信息进行对比,若所述异常网络片区接入的用户终端的身份信息存在于所述终端设备身份信息,以及所述用户终端内部存在数据流处理任务进程,则将所述用户终端确定为发生异常数据处理行为的目标用户端;否则,不将所述用户终端确定为发生异常数据处理行为的目标用户端。

16、在本申请公开的一个实施例中,在所述步骤s2中,基于所有目标用户端在所述异常网络片区的位置信息,对所有目标用户端进行关联网络链路标定,并基于标定的关联网络链路,对所有目标用户端进行配对处理,得到若干目标用户端集群,包括:

17、获取所有目标用户端在所述异常网络片区的接入网关地址信息,基于所述接入网关地址信息,对所有目标用户端在所述异常网络片区内部接入的网络链路进行识别,以此标定得到所有目标用户端在所述异常网络片区内部的关联网络链路;

18、基于标定的关联网络链路内部的数据流传输走向信息,将发生直接数据交互的所有目标用户端进行配对处理,并划分到同一目标用户端集群。

19、在本申请公开的一个实施例中,在所述步骤s3中,获取所述目标用户端集群下属所有目标用户端各自的运行日志数据,对所有运行日志数据进行融合预处理,得到运行日志数据集合,包括:

20、基于所述目标用户端集群下属所有目标用户端各自的应用程序安装目录,获取所有目标用户端各自安装的所有应用程序的运行日志数据,并基于所述运行日志数据对应的应用程序类型信息,对所述运行日志数据进行标识区分处理;

21、将所有目标用户端各自对应于同一类型的应用程序的运行日志数据进行数据乱码内容剔除处理和数据内容去重处理,从而融合得到所有目标用户端对应于同一类型的应用程序的运行日志数据集合。

22、在本申请公开的一个实施例中,在所述步骤s3中,对所述运行日志数据集合进行建模处理,得到所述目标用户端集群下属所有目标用户端之间的数据交互进程模型,包括:...

【技术保护点】

1.一种智能日志数据融合与建模分析的方法,其特征在于,其包括如下步骤:

2.如权利要求1所述的智能日志数据融合与建模分析的方法,其特征在于:

3.如权利要求2所述的智能日志数据融合与建模分析的方法,其特征在于:

4.如权利要求3所述的智能日志数据融合与建模分析的方法,其特征在于:

5.如权利要求4所述的智能日志数据融合与建模分析的方法,其特征在于:

6.如权利要求1所述的智能日志数据融合与建模分析的方法,其特征在于:

7.如权利要求6所述的智能日志数据融合与建模分析的方法,其特征在于:

8.如权利要求1所述的智能日志数据融合与建模分析的方法,其特征在于:

9.如权利要求8所述的智能日志数据融合与建模分析的方法,其特征在于:

10.如权利要求9所述的智能日志数据融合与建模分析的方法,其特征在于:

【技术特征摘要】

1.一种智能日志数据融合与建模分析的方法,其特征在于,其包括如下步骤:

2.如权利要求1所述的智能日志数据融合与建模分析的方法,其特征在于:

3.如权利要求2所述的智能日志数据融合与建模分析的方法,其特征在于:

4.如权利要求3所述的智能日志数据融合与建模分析的方法,其特征在于:

5.如权利要求4所述的智能日志数据融合与建模分析的方法,其特征在于:

...

【专利技术属性】
技术研发人员:刘晓东马俊张颖张瑞强徐佳田园张然强子豪龚燕张羽萱张旸冯文强蒋颖陈尚涛凌明英晋梧峰
申请(专利权)人:国网四川省电力公司信息通信公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1