本说明书实施例涉及风险监控，尤其涉及一种服务风险监测方法、风险识别模型训练方法及系统。
背景技术：
1、随着网络技术的发展，为用户提供服务的软件系统越来越多。为了能够为用户持续稳定的提供服务，通常需要对所提供的服务在运行过程中存在的风险，进行快速有效的识别。当前，主要是通过人工监控软件系统运行日志来识别服务过程中的风险。该方式需要依赖人工，比较费时费力，且效率较低。
2、因此需要提供一种效率更高的服务风险监测方案。
3、背景技术部分的内容仅仅是发明人个人所知晓的信息，并不代表上述信息在本公开申请日之前已经进入公共领域，也不代表其可以成为本公开的现有技术。
技术实现思路
1、本说明书实施例提供一种服务风险监测方法、风险识别模型训练方法及系统，能够提供更高效的服务风险监测能力。
2、为了达到上述目的，本说明书实施例采用如下技术方案：
3、第一方面，本说明书实施例提供一种服务风险监测方法，该方法可用于监测目标服务器运行过程中的风险，所述方法包括：获取目标服务器的服务数据，所述服务数据为所述目标服务器提供服务过程中的运行数据；将所述服务数据输入风险识别模型，以输出风险识别结果，所述风险识别模型为大模型，具备根据服务数据识别判断服务风险的能力；以及向用户展示所述风险识别结果。
4、采用上述技术方案，可以通过具有根据服务数据识别判断服务风险的能力的大模型，根据采集到的目标服务器的服务数据，对目标服务器的服务进行监测，识别判断目标服务器的服务在运行过程中是否存在风险。将风险识别结果展示给用户，以便用户根据风险识别结果在服务存在风险时及时处置。从而，能够实现自动化的服务风险监测，不再依赖人工，从而提高服务风险监测的效率。并且，采用大模型能够广泛适用于各类服务器的服务监测，不需要针对服务器进行模型的重复训练。
5、在一种可能的实现方式中，所述将所述服务数据输入风险识别模型，以输出风险识别结果，包括：将所述服务数据按照预设的筛选规则进行过滤，得到过滤后的服务数据，所述筛选规则用于过滤掉无需进行风险识别的服务数据；以及将过滤后的服务数据输入所述风险识别模型，以输出风险识别结果。
6、在一种可能的实现方式中，所述服务数据包括以下至少一种：应用名、服务名、方法名、入参、返回值、结果码、成功标记、消耗时间以及发生时间、预设时长内调用量、预设时长内成功率、预设时长内的响应平均消耗时间或者预设时长级粒度的发生时间。
7、在一种可能的实现方式中，所述筛选规则包括以下至少一个：过滤掉重复的服务数据；过滤掉耗时低的服务数据；过滤掉返回值的结构复杂度低于预设阈值的服务数据；或者过滤掉结果码所指示的服务返回结果为正确的服务数据。
8、在一种可能的实现方式中，所述风险识别模型为生成模型，所述将过滤后的服务数据输入所述风险识别模型，以输出风险识别结果，包括：根据预设的提示词结构和所述过滤后的服务数据，生成提示词；以及将所述提示词输入所述风险识别模型，以使所述风险识别模型根据所述提示词输出所述风险识别结果。
9、在一种可能的实现方式中，所述方法还包括：响应于用户输入的提问信息，向所述用户展示对应于所述提问信息的回答信息，所述提问信息为所述用户针对所述风险识别结果的提问。
10、在一种可能的实现方式中，所述响应于用户输入的提问信息，向所述用户展示对应于所述提问信息的回答信息，包括：获取所述用户输入的提问信息；响应于获取到所述提问信息，将所述提问信息输入所述风险识别模型，以输出针对所述提问的回答信息；以及向所述用户展示所述回答信息。
11、在一种可能的实现方式中，所述风险识别结果包括以下至少一种数据：识别结果、风险类型、风险定位、风险原因或者处置策略，所述识别结果用于指示是否有风险。
12、在一种可能的实现方式中，所述方法还包括：获取所述用户的反馈打分，所述反馈打分为所述用户针对所述风险识别结果的打分；基于所述反馈打分，对所述风险识别模型进行强化学习训练。
13、第二方面，本说明书实施例提供一种服务风险监测装置，该装置可以应用于电子设备，用于实现上述第一方面中的方法。该装置的功能可以通过硬件实现，也可以通过硬件执行相应的软件实现。硬件或软件包括一个或多个与上述功能相对应的模块，例如，处理模块和获取模块等。
14、其中，获取模块，可以用于获取目标服务器的服务数据，所述服务数据为所述目标服务器提供服务过程中的运行数据；处理模块，可以用于将所述服务数据输入风险识别模型，以输出风险识别结果，所述风险识别模型为大模型，具备根据服务数据识别判断服务风险的能力；以及向用户展示所述风险识别结果。
15、在一种可能的实现方式中，处理模块，具体用于将所述服务数据按照预设的筛选规则进行过滤，得到过滤后的服务数据，所述筛选规则用于过滤掉无需进行风险识别的服务数据；以及将过滤后的服务数据输入所述风险识别模型，以输出风险识别结果。
16、在一种可能的实现方式中，所述服务数据包括以下至少一种：应用名、服务名、方法名、入参、返回值、结果码、成功标记、消耗时间以及发生时间、预设时长内调用量、预设时长内成功率、预设时长内的响应平均消耗时间或者预设时长级粒度的发生时间。
17、在一种可能的实现方式中，所述筛选规则包括以下至少一个：过滤掉重复的服务数据；过滤掉耗时低的服务数据；过滤掉返回值的结构复杂度低于预设阈值的服务数据；或者过滤掉结果码所指示的服务返回结果为正确的服务数据。
18、在一种可能的实现方式中，所述风险识别模型为生成模型，处理模块，具体用于根据预设的提示词结构和所述过滤后的服务数据，生成提示词；以及将所述提示词输入所述风险识别模型，以使所述风险识别模型根据所述提示词输出所述风险识别结果。
19、在一种可能的实现方式中，处理模块，还用于响应于用户输入的提问信息，向所述用户展示对应于所述提问信息的回答信息，所述提问信息为所述用户针对所述风险识别结果的提问。
20、在一种可能的实现方式中，获取模块，具体用于获取所述用户输入的提问信息；处理模块，具体用于响应于获取到所述提问信息，将所述提问信息输入所述风险识别模型，以输出针对所述提问的回答信息；以及向所述用户展示所述回答信息。
21、在一种可能的实现方式中，所述风险识别结果包括以下至少一种数据：识别结果、风险类型、风险定位、风险原因或者处置策略，所述识别结果用于指示是否有风险。
22、在一种可能的实现方式中，获取模块，还用于获取所述用户的反馈打分，所述反馈打分为所述用户针对所述风险识别结果的打分；处理模块，还用于基于所述反馈打分，对所述风险识别模型进行强化学习训练。
23、第三方面，本说明书实施例提供一种服务风险监测系统，包括：处理器，用于存储该处理器可执行指令的存储器。该处理器被配置为执行上述指令时，使得该服务风险监测系统实现如第一方面或第一方面的可能的实现方式中任一项所述的方法。
24、第四方面，本说明书实施例提供一种计算机可读存储介质，其上存储有计算机程序指令。当计算机程序指令被电子设备执行时，使得电子设备实现如第一方面或第一方面的可能的实现方式中任一项所述的方法。
25、第五方面，本说明书实施例提供一种计算机程序产品，包括计算机可读代码，当所述计算机可读代码在电子设备中运行时，使得电子设备实现如第一方面或第一方面的可能的实现方式中任一项所述的方法。
26、应当理解的是，上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。
27、第六方面，本说明书实施例提供一种风险识别模型训练方法，包括：获取训练数据，所述训练数据包括服务器的服务数据，代码变更详情数据，以及与所述服务数据对应的风险识别结果数据，所述服务数据为所述服务器提供服务过程中的运行数据；以及根据所述训练数据对初始模型进行训练，得到风险识别模型，所述风险识别模型为大模型，具备根据输入的服务数据识别判断服务风险，输出风险识别结果的能力。
28、采用上述技术方案，可以根据服务器的服务数据，代码变更详情数据以及对应的风险识别结果数据对初始模型进行训练，得到具有根据服务数据识别判断服务风险，输出风险识别结果的能力的大模型。从而可以通过该具有根据服务数据识别判断服务风险的能力的风险识别模型，根据采集到的目标服务器的服务数据，对目标服务器的服务进行监测，识别判断目标服务器的服务在运行过程中是否存在风险。将风险识别结果展示给用户，以便用户根据风险识别结果在服务存在风险时及时处置。能够实现自动化的服务风险监测，不再依赖人工，从而提高服务风险监测的效率。并且，采用大模型能够广泛适用于各类服务器的服务监测，不需要针对服务器进行模型的重复训练。
29、在一种可能的实现方式中，所述根据所述训练数据对初始模型进行训练，得到风险识别模型，包括：根据所述服务数据和所述代码变更详情数据，对所述初始模型进行无监督学习训练；以及将所述服务数据作为输入，所述风险识别结果数据作为打标数据，对所述初始模型进行监督学习训练。
30、在一种可能的实现方式中，所述服务数据包括以下至少一种：应用名、服务名、方法名、入参、返回值、结果码、成功标记、消耗时间以及发生时间、预设时长内调用量、预设时长内成功率、预设时长内的响应平均消耗时间或者预设时长级粒度的发生时间。
31、在一种可能的实现方式中，所述风险识别结果数据包括以下至少一种数据：识别结果、风险类型、风险定位、风险原因或者处置策略，所述识别结果用于指示是否有风险。
32、在一种可能的实现方式中，所述训练数据还包括自然语言数据、提示词样本数据、回答样本数据，所述方法还包括：根据所述自然语言数据对所述风险识别模型进行无监督学习训练；以及将所述提示词样本数据作为输入，所述回答样本数据作为打标数据，对所述风险识别模型进行生成式训练。
33、在一种可能的实现方式中，所述方法还包括：获取用户的反馈打分，所述反馈打分为所述用户在所述风险识别模型接收输入的服务数据，输出风险识别结果时，针对所述风险识别结果的打分；基于所述反馈打分，对所述风险识别模型进行强化学习训练。
34、第七方面，本说明书实施例提供一种风险识别模型训练装置，该装置可以应用于电子设备，用于实现上述第六方面中的方法。该装置的功能可以通过硬件实现，也可以通过硬件执行相应的软件实现。硬件或软件包括一个或多个与上述功能相对应的模块，例如，获取模块和训练模块等。
35、其中，获取模块，可以用于获取训练数据，所述训练数据包括服务器的服务数据，代码变更详情数据，以及与所述服务数据对应的风险识别结果数据，所述服务数据为所述服务器提供服务过程中的运行数据；训练模块，可以用于根据所述训练数据对初始模型进行训练，得到风险识别模型，所述风险识别模型为大模型，具备根据输入的服务数据识别判断服务风险，输出风险识别结果的能力。
36、在一种可能的实现方式中，训练模块，具体用于根据所述服务数据，对所述初始模型进行无监督学习训练；以及将所述服务数据作为输入，所述风险识别结果数据作为打标数据，对所述初始模型进行监督学习训练。
37、在一种可能的实现方式中，所述服务数据包括以下至少一种：应用名、服务名、方法名、入参、返回值、结果码、成功标记、消耗时间以及发生时间、预设时长内调用量、预设时长内成功率、预设时长内的响应平均消耗时间或者预设时长级粒度的发生时间。
38、在一种可能的实现方式中，所述风险识别结果数据包括以下至少一种数据：识别结果、风险类型、风险定位、风险原因或者处置策略，所述识别结果用于指示是否有风险。
39、在一种可能的实现方式中，所述训练数据还包括自然语言数据、提示词样本数据、回答样本数据，训练模块，还用于根据所述自然语言数据对所述风险识别模型进行无监督学习训练；将所述提示词样本数据作为输入，所述回答样本数据作为打标数据，对所述风险识别模型进行生成式训练。
40、在一种可能的实现方式中，获取模块，还用于获取用户的反馈打分，所述反馈打分为所述用户在所述风险识别模型接收输入的服务数据，输出风险识别结果时，针对所述风险识别结果的打分；训练模块，还用于基于所述反馈打分，对所述风险识别模型进行强化学习训练。
41、第八方面，本说明书实施例提供一种风险识别模型训练系统，包括：处理器，用于存储该处理器可执行指令的存储器。该处理器被配置为执行上述指令时，使得该风险识别模型训练系统实现如第六方面或第六方面的可能的实现方式中任一项所述的方法。
42、第九方面，本说明书实施例提供一种计算机可读存储介质，其上存储有计算机程序指令。当计算机程序指令被电子设备执行时，使得电子设备实现如第六方面或第六方面的可能的实现方式中任一项所述的方法。
43、第十方面，本说明书实施例提供一种计算机程序产品，包括计算机可读代码，当所述计算机可读代码在电子设备中运行时，使得电子设备实现如第六方面或第六方面的可能的实现方式中任一项所述的方法。
44、应当理解的是，上述第七方面至第十方面的有益效果可以参见上述第六方面中的相关描述，在此不再赘述。
1.一种服务风险监测方法，用于监测目标服务器运行过程中的风险，所述方法包括：
2.根据权利要求1所述的方法，其中，所述将所述服务数据输入风险识别模型，以输出风险识别结果，包括：
3.根据权利要求2所述的方法，其中，所述服务数据包括以下至少一种：应用名、服务名、方法名、入参、返回值、结果码、成功标记、消耗时间以及发生时间、预设时长内调用量、预设时长内成功率、预设时长内的响应平均消耗时间或者预设时长级粒度的发生时间。
4.根据权利要求3所述的方法，其中，所述筛选规则包括以下至少一个：
5.根据权利要求2所述的方法，其中，所述风险识别模型为生成模型，所述将过滤后的服务数据输入所述风险识别模型，以输出风险识别结果，包括：
6.根据权利要求5所述的方法，其中，所述方法还包括：
7.根据权利要求6所述的方法，其中，所述响应于用户输入的提问信息，向所述用户展示对应于所述提问信息的回答信息，包括：
8.根据权利要求1所述的方法，其中，所述风险识别结果包括以下至少一种数据：识别结果、风险类型、风险定位、风险原因或者处置策略，所述识别结果用于指示是否有风险。
9.根据权利要求1所述的方法，其中，所述方法还包括：
10.一种风险识别模型训练方法，所述方法包括：
11.根据权利要求10所述的方法，其中，所述根据所述训练数据对初始模型进行训练，得到风险识别模型，包括：
12.根据权利要求10所述的方法，其中，所述服务数据包括以下至少一种：应用名、服务名、方法名、入参、返回值、结果码、成功标记、消耗时间以及发生时间、预设时长内调用量、预设时长内成功率、预设时长内的响应平均消耗时间或者预设时长级粒度的发生时间。
13.根据权利要求10所述的方法，其中，所述风险识别结果数据包括以下至少一种数据：识别结果、风险类型、风险定位、风险原因或者处置策略，所述识别结果用于指示是否有风险。
14.根据权利要求10所述的方法，其中，所述训练数据还包括自然语言数据、提示词样本数据、回答样本数据，所述方法还包括：
15.根据权利要求10所述的方法，其中，所述方法还包括：
16.一种服务风险监测系统，包括：处理器，用于存储所述处理器可执行指令的存储器，所述处理器被配置为执行所述指令时，使得所述服务风险监测系统实现如权利要求1-9任一项所述的方法。
17.一种风险识别模型训练系统，包括：处理器，用于存储所述处理器可执行指令的存储器，所述处理器被配置为执行所述指令时，使得所述风险识别模型训练系统实现如权利要求10-15任一项所述的方法。
