一种基于无监督学习的智能运维告警生成方法

本发明公开了一种基于无监督学习的智能运维告警生成方法包括，基于运维数据构建表示系统内各服务节点及其相互关系的动态拓扑图，为每个服务节点生成表征其当前状态的节点状态向量，通过将动态拓扑图结构及节点状态向量输入预训练的时空图神经网络模型，计算每个服务节点的异常得分，当异常得分超过动态确定的告警阈值时，生成运维告警，此外，本发明还基于时间优先性和异常严重性确定根因节点和故障传播路径，并通过KL散度监控异常得分分布变化，进行增量式在线学习；本发明解决了现有技术中监督依赖高、忽略时空拓扑、阈值固定等局限性问题，提高了告警的根因定位精度、鲁棒性和泛化能力，降低了误报率和漏报率，提升了运维效率和实时性。