一种基于区块链的智能分析处理方法

技术领域

本发明涉及智能分析处理技术领域，具体为一种基于区块链的智能分析处理方法。

背景技术

计算机已形成了规模巨大规模产业，带动了全球范围的技术进步。计算机已遍及一般学校、企事业单位，进入寻常百姓家，成为信息社会中必不可少的工具。

然而，随着应用系统的体量变得越来越庞大，功能系统变得越来越复杂，使得计算机很容易出现软件BUG等复杂异常状态。计算机日志记录着系统运行时的状态信息，因此当计算机出现异常状态时，维修人员通常通过计算机日志分析故障问题。但是随着计算机系统的体量和复杂度急剧攀升，每天都会产生TB数量级的各种模式的日志数据，当维修人员通过如此庞大数量的计算机日志进行故障问题分析时，不但需要耗费大量的时间、精力，且易产生误差。因此，设计提取效率高的一种基于区块链的智能分析处理方法是很有必要的。

发明内容

本发明的目的在于提供一种基于区块链的智能分析处理方法，以解决上述背景技术中提出的问题。

为了解决上述技术问题，本发明提供如下技术方案：一种基于区块链的智能分析处理方法，应用于智能分析处理系统，所述智能分析处理系统包括控制识别模块、分析处理模块与日志输出模块，所述控制识别模块与分析处理模块电连接，所述分析处理模块与日志输出模块网络连接，所述控制识别模块用于对计算机日志进行控制识别，所述分析处理模块用于计算机日志信息进行分析处理，所述日志输出模块用对处理完成的日志进行输出控制。

根据上述技术方案，所述控制识别模块日志控制模块、识别确定模块与提取导出模块，所述日志控制模块与识别确定模块电连接，所述识别确定模块与提取导出模块数据连接，所述日志控制模块用于对计算机日志输出进行控制，所述识别确定模块用于对计算机日志进行识别处理，所述提取导出模块用于对可能导致计算机异常的计算机日志进行提取导出。

根据上述技术方案，所述分析处理模块包括数据转化模块、数据清洗模块、动态调整模块与模拟训练模块，所述数据转化模块与数据清洗模块数据连接，所述动态调整模块与数据转化模块电连接，所述数据转化模块用于对计算机日志进行数据转化处理，所述数据清洗模块用于对计算机日志进行数据清洗，所述动态调整模块用于对数据进行动态调整，所述模拟训练模块用于对计算机日志数据进行模拟训练。

根据上述技术方案，所述日志输出模块包括接收定位模块、异常排序模块与结果输出模块，所述接收定位模块与异常排序模块电连接，所述异常排序模块与结果输出模块网络连接，所述接收定位模块用于进行数据接收处理，所述异常排序模块用于对可能存在异常的计算机日志数据进行排序处理，所述结果输出模块用于对结果数据进行输出。

根据上述技术方案，所述智能分析处理方法主要包括以下步骤：

步骤S1：计算机运行出现异常后，智能启动智能分析处理系统对计算机异常进行分析处理；

步骤S2：控制计算机日志的产生，并对其进行识别提取处理；

步骤S3：对提取的计算机日志完成数据转换后，进行模型训练处理判定可能存在异常的计算机日志；

步骤S4：对可能存在异常的计算机日志进行定位排序后，进一步完成结果输出。

根据上述技术方案，所述步骤S2进一步包括以下步骤：

步骤S21：启动智能分析处理系统后，通过日志控制模块控制计算机日志继续完成一次整体计算机日志的产生后，停止计算机日志的产生；

步骤S22：接收到计算机的整体日志后，识别确定模块对日志进行识别得到计算机日志的异常类型，并初步确定可能导致异常的计算机功能系统；

步骤S23：提取出可能导致计算机工作运行异常的计算机功能系统日志，通过提取导出模块将其进行导出至数据清洗模块。

根据上述技术方案，所述步骤S3进一步包括以下步骤：

步骤S31：获取到可能导致计算机工作运行异常的计算机功能系统日志后，通过数据清洗模块完成对获取到计算机日志的数据清洗；

步骤S32：完成数据清洗后，启用数据转化模块数据转换模块对数据清洗完成的计算机日志数据进行文本表征数据转换，将计算机日志中的文本数据转换为数字矩阵，矩阵中每个元素即为一个实数；

步骤S33：进一步通过模拟训练模块将转换完成的计算机日志数据进行运行模拟训练，从而得到计算机每个功能系统日志信度值，将小于设定预设值的功能系统日志进行标记存储。

根据上述技术方案，所述步骤S32进一步包括在进行计算机日志中的文本数据过程中，当对程度副词进行转换时，动态调整模块对程度副词转换后的数据值进行智能调整。

根据上述技术方案，所述步骤S4进一步包括以下步骤：

步骤S41：接收到模拟训练完成并进行标记的计算机日志后，异常排序模块根据被标记日志信度值由小到大进行初步排序，同时将其对应的未被转换的日志数据进行同样的排序的到最终排序结果后，通过电信号启用接收定位模块；

步骤S42：接收定位模块对最终排序结果中的日志信息进行接收识别，提取出其中包含计算机所属用户的隐私信息，并将其通过区块链节点进行存储处理后，将处理完成最终排序结果的计算机日志通过结果输出模块进行输出，供维修人员进行查阅分析。

与现有技术相比，本发明所达到的有益效果是：本发明，通过设置有控制识别模块、分析处理模块与日志输出模块，可有效缩减计算机日志数据量、滤除无关数据，使系统对数据分析处理更加高效，并减缓系统对计算机日志数据发的分析运算压力，使系统工作运行更加流畅；并为维修人员通常通过计算机日志分析故障问题提供了可靠的处理依据，加快其对计算机维修处理的速度，并使其维修处理更加准确、高效，避免了因对庞大数量的计算机日志分析而造成的时间、精力消耗。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1是本发明的系统模块组成示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1，本发明提供技术方案：一种基于区块链的智能分析处理方法，应用于智能分析处理系统，智能分析处理系统包括控制识别模块、分析处理模块与日志输出模块，控制识别模块与分析处理模块电连接，分析处理模块与日志输出模块网络连接，控制识别模块用于对计算机日志进行控制识别，分析处理模块用于计算机日志信息进行分析处理，日志输出模块用对处理完成的日志进行输出控制。

控制识别模块日志控制模块、识别确定模块与提取导出模块，日志控制模块与识别确定模块电连接，识别确定模块与提取导出模块数据连接，日志控制模块用于对计算机日志输出进行控制，识别确定模块用于对计算机日志进行识别处理，提取导出模块用于对可能导致计算机异常的计算机日志进行提取导出。

分析处理模块包括数据转化模块、数据清洗模块、动态调整模块与模拟训练模块，数据转化模块与数据清洗模块数据连接，动态调整模块与数据转化模块电连接，数据转化模块用于对计算机日志进行数据转化处理，数据清洗模块用于对计算机日志进行数据清洗，动态调整模块用于对数据进行动态调整，模拟训练模块用于对计算机日志数据进行模拟训练。

日志输出模块包括接收定位模块、异常排序模块与结果输出模块，接收定位模块与异常排序模块电连接，异常排序模块与结果输出模块网络连接，接收定位模块用于进行数据接收处理，异常排序模块用于对可能存在异常的计算机日志数据进行排序处理，结果输出模块用于对结果数据进行输出。

智能分析处理方法主要包括以下步骤：

步骤S1：计算机运行出现异常后，智能启动智能分析处理系统对计算机异常进行分析处理；

步骤S2：控制计算机日志的产生，并对其进行识别提取处理；

步骤S3：对提取的计算机日志完成数据转换后，进行模型训练处理判定可能存在异常的计算机日志；

步骤S4：对可能存在异常的计算机日志进行定位排序后，进一步完成结果输出。

步骤S2进一步包括以下步骤：

步骤S21：启动智能分析处理系统后，通过日志控制模块控制计算机日志继续完成一次整体计算机日志的产生后，停止计算机日志的产生；该步骤中，计算机产生异常状态后，导致该异常状态产生的可能是计算机其它运行功能系统导致，故当异常状态产生后控制计算机继续产生一次整体计算机日志可使后续分析处理更加准确、全面，同时完成一次整体计算机日志的产生后停止计算机日志的产生，可减少计算机的存储压力，同时减轻后续分析处理的计算机日志数据量，使分析处理更加高效；

步骤S22：接收到计算机的整体日志后，识别确定模块对日志进行识别得到计算机日志的异常类型，并初步确定可能导致异常的计算机功能系统；通过对计算机日志进行识别可确定日志的异常类型，并进一步根据日志异常类型及计算机工作运行逻辑原理可初步确定可能导致计算机异常状态的计算机功能系统，其中计算机功能系统包括生产应用系统、操作系统、分布式系统等，通过该步骤的识别处理，可使后续分析处理更加高效、精准；

步骤S23：提取出可能导致计算机工作运行异常的计算机功能系统日志，通过提取导出模块将其进行导出至数据清洗模块。

步骤S3进一步包括以下步骤：

步骤S31：获取到可能导致计算机工作运行异常的计算机功能系统日志后，通过数据清洗模块完成对获取到计算机日志的数据清洗；该步骤中，对获取到计算机日志进行识别后，对其中的无关固定量如数字、标识符等，及日志模板类型数据进行标记并清洗滤除，通过该处理方法可有效缩减计算机日志数据量、滤除无关数据，使系统对数据分析处理更加高效，并减缓系统对计算机日志数据发的分析运算压力，使系统工作运行更加流畅；

步骤S32：完成数据清洗后，启用数据转化模块数据转换模块对数据清洗完成的计算机日志数据进行文本表征数据转换，将计算机日志中的文本数据转换为数字矩阵，矩阵中每个元素即为一个实数；通过该步骤，将计算机日志中的文本数据通过文本表征处理，将其转换为数字矩阵，是将文本数据进行向量化处理，经过该处理可使计算机日志的文本数据更利于系统识别，加快系统对计算机日志的识别效率，极大程度的减少了识别分析误差的产生，有利于后续对问题日志的筛选排除；

步骤S33：进一步通过模拟训练模块将转换完成的计算机日志数据进行运行模拟训练，从而得到计算机每个功能系统日志信度值，将小于设定预设值的功能系统日志进行标记存储。该步骤中，基于TextCNN分类模型及计算机工作运行原理逻辑对计算机日志进行运行模拟训练，并得到每个功能系统所属日志的信度，信度值越小表明该功能系统导致计算机运行异常的可能性越大，通过该步骤，对导致计算机运行异常的范围进行初步确定，为后续维修人员通常通过计算机日志分析故障问题提供了可靠的处理依据，加快其对计算机维修处理的速度，并使其维修处理更加准确、高效，避免了因对庞大数量的计算机日志分析而造成的时间、精力消耗。

步骤S32进一步包括在进行计算机日志中的文本数据过程中，当对程度副词进行转换时，动态调整模块对程度副词转换后的数据值进行智能调整。由于计算机日志文本会包含许多程度副词如快速增加、慢速增加等，故在进行该类副词转换过程中，将该类副词转换后的数字结合计算机整体运行日志信息通过后面智能添加多小数位进行表示，通过该处理使转换后的数字表述更加精准，并使模拟训练结果更加高效、准确，且更符合计算机运行状态，间接使转换后的计算机文本数据语义特征丰富且准确。

步骤S4进一步包括以下步骤：

步骤S41：接收到模拟训练完成并进行标记的计算机日志后，异常排序模块根据被标记日志信度值由小到大进行初步排序，同时将其对应的未被转换的日志数据进行同样的排序的到最终排序结果后，通过电信号启用接收定位模块；

步骤S42：接收定位模块对最终排序结果中的日志信息进行接收识别，提取出其中包含计算机所属用户的隐私信息，并将其通过区块链节点进行存储处理后，将处理完成最终排序结果的计算机日志通过结果输出模块进行输出，供维修人员进行查阅分析。通过该步骤，可有效保护计算机所属用户的隐私信息，并使计算机维修人员根据输出结果可高效、准确的对计算机进行分析维修。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。

最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。