基于貝葉斯和大數據分析的業務連續性風險管理

盧士達，張露維，吳金龍，陳 艷，朱旻捷，蔡瑞奇

(1.國網上海市電力公司信息通信公司，上海 200436；2.國網上海市電力公司，上海 200122；3.上海服澤能源科技有限公司，上海 200001)

1 云數據中心容災備份研究現狀

業務連續性保護在國際上備受關注，是由多學科交叉的新興前沿研究的熱點領域。針對關鍵風險因素對業務連續性的影響，構建風險評估模型，基于大數據實現狀態、閾值、趨勢、評價等風險預警的云服務技術；提出保障電網云數據中心業務連續性的風險管理機制；研究業務運行過程中的故障精準定位等故障止損技術；構建基于監控軟件的應急恢復策略及技術。但目前缺少適應云環境下容災備份的業務連續性風險分析與評估方法[1-5]。

面向云環境下容災備份的業務連續性風險分析是一個較嶄新的研究領域，此前還沒有形成通用的風險評價體系的設計和風險分析評估模型，在缺乏通用的業務連續性風險分析指標評價體系和評估模型的情況下對業務連續性進行研究是比較困難的。

2 業務連續性分析與保護

2.1 風險管理的方法與內容

項目風險管理主要有控制型和財務型兩種方法。

(1)控制型風險管理方法。降低風險發生的概率，也就是從根本上解決問題，控制造成風險發生的因素，減少風險因素的存在。在遇到風險時，將風險的來源、產生原因分析出來，然后根據風險分析的結果，制定對策，解決風險并尋找從源頭消滅風險的辦法。在風險發生前，減小風險發生的概率[6-9]。

(2)財務型風險管理方法。雖然不是所有的風險都是可控的，但是許多風險都具有不確定性，例如自然條件下造成的風險。由于人們并不能有效預防風險的發生，在風險必然發生的情況下，可以假設風險隨時到來，做好一切準備措施，使風險來臨后造成的傷害最小化，并且做好災后恢復準備工作，可在最短的時間內恢復過來。

風險管理主要可以分為風險識別、風險評估和對策制定三個部分。簡單來說，就是先識別出風險的類型，然后評估風險的大小、來源，最后根據分析結果制定對策，應對風險。

2.2 災備體系的構建

一般來說，災備系統的運維對象為：①基礎設施；②IT系統。災備系統的運維過程設置為：①日常運行維護；②應急和恢復；③接替生產運行維護。

災備恢復業務和其他的業務不同，平時不會發生，但是如果風險來臨，災備恢復業務就會變得尤其重要，因此對災備中心的運營管理提出了特殊的要求，具體如下。

(1)“7×24×365”的要求。由于不是所有的災難都是可以預測的，沒有準備地遭遇災難會讓災難破壞力達到最大，災備恢復應該做到時時刻刻不間斷待命，以備不時之需。

(2)“小概率，高風險”的管理要求。雖然許多風險都可以被抑制，但是沒有被發現、沒法根治的災難才是最關鍵的，不能因為發生概率小而放松警惕。

(3)工作重復性強。由于需要反復演練以及反復檢查設備，因此工作的重復性很強。

(4)“演練為主，實操為輔”的日常管理要求。同理，因為使用到的概率小，所以災備管理需要經常演練，保持對災備業務的熟練度。

(5)質量控制難度較大。因為平時工作主要為演練，所以想要控制好質量是一件比較困難的事情。

因此，為了保證災備中心災備恢復業務的運行維護質量，建議以ITIL為基礎建立管理體系和設定管理流程，并且引入ISO 20000、ISO 9001、BS 25999、ISO 27001等國際標準管理體系的理念，從日常運行操作管理、問題管理、變更管理、應急響應、恢復管理等方面入手，搭建符合自身運行的災備中心災備管理體系。

2.3 業務連續性風險評估模型的構建方法選用

數學知識和結果評估，在最開始是由模型發展而來的，因此使用其建立模型可以很好地反映實際的問題，而且將風險數據化會對分析風險起到很大的幫助。針對云數據中心風險評估模型的搭建，從用數學知識進行分析的角度切入，選擇將貝葉斯網絡法當作主要工具，然后用云日志大數據分析的方式解析風險。

貝葉斯網絡擅長于分析不確定性和概率性的事件，可以從不完整、不準確的信息中進行推理，得到結論。同時，該網絡與風險的不確定性十分契合，因此使用貝葉斯網絡來搭建風險評估模型。

3 基于貝葉斯網絡構建風險評估模型

3.1 貝葉斯網絡與模糊集理論

貝葉斯公式是貝葉斯網絡的基礎。貝葉斯網絡的定義為在某事件發生時，另一事件的發生概率。貝葉斯網絡通常由兩部分構成：貝葉斯網絡結構，就是將代表隨機事件的節點使用有向邊連接起來，構成有向無環圖；貝葉斯網絡參數，它是對BN的定量分析，用來表示網絡節點之間的連接強度。

在具有動態故障信息的混合故障特性下，其診斷性能將受到限制。基于此，針對混合故障信息下的多故障分類問題，本研究提出了一種基于動靜態信息協同分析的分布式貝葉斯網絡在線故障診斷方法。通過動靜態信息的有效結合，深入挖掘故障特性，多方面提取故障特性；然后基于故障特性進行合理化分組，建立分布式的診斷子網，對混合故障信息進行解耦，進一步完成對多故障分類識別中故障類型的精細化診斷。

模糊數可以有多種形式，在風險評估中經常使用的有三角模糊數、LR型模糊數、梯形模糊數等。在研究中為了降低整體的復雜程度，選用較為方便、簡潔的三角模糊數作為事件的隸屬函數。

3.2 貝葉斯網絡與模糊集理論的結合

將模糊集理論的相關概念更深地加入到貝葉斯網絡中，使模糊貝葉斯網絡能對模糊問題、不確定性高的問題以及多態問題進行有效處理，這種應用可以將BN節點變量轉化為模糊節點變量[10-14]。

3.2.1 模糊貝葉斯網絡表示

將假定所研究的系統用X={x1,x2,x3,…,xn}表示，然后用ui表示xi所有可能的狀態集。

假設xi∈X，xi可被模糊化為模糊隨機變量ui，并且xi的狀態可能被模糊隨機變量ui繼承，則推出xi的模糊集：

Ui={ui1，ui2，ui3,…,uik}

(1)

式中k——ui的模糊狀態數；uij——ui的第j個模糊狀態，Uij={xi，uij(x)|xi∈X}。

其中，xi，uij(x)為變量xj位于ui中第j個模糊狀態uij的程度，用uij在給定xi條件下的概率表示。

假設U={u1，u2，u3，…，un}，用有向線段表示變量中的因果依賴關系，即：

L={(ui，uj)|i≠j，i=1,2,3,…，n，j=1,2,3，…，n}U×U

(2)

用條件概率表示，即：

P={P[ui|π(ui)]|i=1，2，3，…，n}

(3)

式中π(ui)——模糊變量ui的父節點集合。

綜上所述，推出模糊貝葉斯網絡：

FBN={U,L,P}

(4)

3.2.2 模糊貝葉斯網絡知識推理技術

模糊貝葉斯網絡推理分為預測推理、診斷推理和支持推理三種形式。

使用模糊貝葉斯網絡知識推理技術能夠將各子系統或組成部分在系統正常時起到的作用進行定量分析，并且可以快速計算出其正常工作時的概率以及系統故障條件下各子系統或組成部分出現故障的概率，最終可以做到迅速有效地識別系統中防御薄弱的地方，保障系統的正常運行及維護。

3.3 風險評估模型的構建

現階段模糊貝葉斯網絡的建模方法是使數據學習建模和人工建模相結合，將兩種方法的優勢發揮出來。由人工搭建模型，通過樣本數據學習修正人工搭建的不足，最終確定模糊貝葉斯網絡。但是樣本數據學習這一階段缺乏大量關于云數據中心業務連續性的樣本數據，在沒有數據支持的情況下，本研究選用ISM構建模糊多態貝葉斯網絡結構。

ISM能全面、準確地描述云數據中心業務連續型影響因素的組成，以及影響因素之間的關系。因此，將ISM確定結構模型更換為模糊多態貝葉斯網絡結構，能充分發揮解釋結構模型在系統安全分析中的優勢，構建出更加科學合理的模糊貝葉斯網絡結構。

由于ISM影響因素本身不存在任何狀態，為構建模糊多態貝葉斯網絡，本研究依據最低合理可行準則將模糊貝葉斯網絡節點風險等級劃分為可忽略狀態、可接受狀態和不可接受狀態三種。

基于模糊多態貝葉斯網絡的云數據中心業務連續性風險評估模型的具體思路如下。

(1)分析影響云數據中心業務連續性的因素，按其影響大小選出關鍵的影響因素，然后以此為基礎構建指標體系。

(2)用ISM構建解釋結構模型，進而分析出影響因素間的相互關系。

(3)利用模糊貝葉斯網絡知識將解釋結構模型轉換為模糊貝葉斯網絡結構。

(4)確定模糊貝葉斯網絡各節點的狀態，然后進行網絡推理計算。

4 基于云日志的風險預警應用

為了保證大規模分布式云數據中心的高可用性和可靠性，需要對大規模云數據中心的狀態進行監控，以及時發現系統的異常行為狀態。結合云數據中心的日志特點，構建基于深度學習的日志分析及異常檢測方法，根據云數據中心的運行日志信息檢測當前的調用或者服務請求是否合理，對于異常的調用和服務請求給出預警。

4.1 云日志解析技術

4.1.1 大數據云日志

日志是軟件系統非常關鍵的組件，它記錄了軟件運行時的信息，監控系統中發生的事件。

日志具有以下兩個特點：大數據級別；非結構化。因此，直接從表面上的數據發現有用的信息十分困難。日志分析的第一步應該為日志解析：將非結構化的日志轉化為結構化的形式。在此基礎上提出了一個基于日志匹配樹的無監督日志解析方法。這個方法對于每一條新生成的原始日志，能夠自動并快速生成其模板。日志會被分成多個組，在每個組內，采用日志對比樹提取其模板。

4.1.2 云日志解析

聚類算法的基本思想具體如下。

(1) 基于日志長度將日志劃分為不同的組。

(2) 利用日志字符串將每個組再進行細致劃分，使第二步劃分后組內的日志之間具有更高的相似性。

(3) 基于前綴樹的思想構建日志匹配樹，完成日志模板的提取。

對于日志解析，僅僅需要對日志內容部分進行處理。由于消息頭所包含的信息非常直觀，因此可以利用簡單的正則表達式將其識別并保留。

(1)基于日志長度將日志劃分為不同的組。首先，對每一條新進的原始日志進行劃分，將日志劃分成單詞的集合，以提高程序的準確性。最后，將日志分成許多組，每個組包含長度相同的日志對應的集合。而實際上長度相同的日志組中也存在模板不同的日志。為解決這一問題，提出了新的概念，稱之為日志字符串，這是對日志更具有代表性的描述。

(2)獲得日志字符串。為避免日志字符串種類數量爆炸，當遇到數字、標識或者兩者混合的時候，用“*”將其替代。最后，將所有字符和“*”按所屬字符的位置組成一個字符串，稱之為該原始日志信息的日志字符串。

(3)基于日志字符串聚類。為了降低時間復雜度，在日志模板提取之前利用日志字符串進行一個簡單的聚類。通過對比日志字符串，將具有相同日志字符串的日志歸為一類，不區分大小寫。在每個類下進行日志模板的提取，日志數量大大減少，從而大大降低了算法的時間復雜度。

(4)基于Trie樹思想構建日志匹配樹。基于Trie樹的思想構建日志匹配樹，可以有效提高從日志中抽取模板的效率和準確性。動態地構建日志匹配樹，將新進的日志作為查詢項與樹中日志匹配相同的節點。

4.2 基于深度學習的大數據云日志分析系統異常檢測框架與模型

完成對云日志的解析后，將非結構化的數據解析為結構化的表示。將得到的日志模板轉換為數字Log key。可以通過一種利用LSTM的深度神經網絡模型，將系統日志建模為自然語言序列。LSTM是長短期記憶網絡，一般用于解決循環神經網絡存在的長期依賴問題。基于LSTM的學習模型自動地從正常執行的日志中學習日志模式，利用反饋機制動態調整權重使其之適應新的執行狀態。

基于深度學習的云日志異常檢測模型運行流程設計為訓練階段和預測階段，而該模型的內容主要設計為兩個部分。

(1) 日志模板異常檢測模型。該模型的基本思想是把日志模板序列異常檢測問題轉化為一個多分類問題，即輸入一個固定窗口大小的日志模板序列，輸出下一個日志模板的概率分布。

(2) 日志變量異常檢測模型。在有些系統異常發生時，它的日志不會偏離正常的執行路徑，但是日志內的參數會與正常情況下的參數有較大差異。該模型將每一個Log key對應的參數保存下來，作為異常檢測的數據源。

5 保障電網云數據中心業務連續性的風險管理機制

根據風險管理理念，制定具體的風險管理防范方法。

5.1 云數據中心風險管理機制

云數據中心業務連續性風險管理機制的構建基于以下4個原則：全面性原則；時效性原則；經濟性原則；安全性原則。風險管理機制具體由風險識別機制、風險評估機制、風險處置機制構成。

(1)風險識別機制。風險識別是指在風險事故發生之前，通過風險的大小、風險的形態、歷史記錄等信息識別風險的類型以及風險的來源，從而制訂相應的對策。

(2)風險評估機制。云數據中心風險評估機制的基礎評估內容是由控制域、控制措施、控制要求三級架構組成。風險評估實施流程可以分為準備階段、實施階段和分析階段，方便評估工作的進行。

(3)風險管理機制。將風險識別機制、風險評估機制、風險處置機制，與風險評估模型、異常檢測模型相搭配，再結合實際情況，構建云數據中心的風險管理機制，則整個風險管理架構就形成了一個實時監測-實時反饋的風險管理機制。

風險評估模型與風險預警模型形成一個整體機制，可以有效降低災難發生的頻率，提高云業務系統對風險的響應速度。

5.2 云數據中心風險防范對策

針對數據制定風險防范對策。首先要加強數據的安全性和保密性；然后分散關鍵業務的集中度，在制定關鍵業務應用戰略時，應避免將所有數據放在一處；最后制定完善的多方備份戰略，了解云數據中心關鍵數據面臨的風險，并為最壞的情況做好策略上的準備。

針對云數據中心制定的風險防范對策如下。

(1)做好云平臺部署前的系統評估。為了將風險降到最低，在云平臺部署前必須要先做好虛擬化技術的應用，以及建設的調研、評估等準備工作。

(2)強化云平臺安全技術措施。主要為控制虛擬機蔓延、隔離虛擬機和常規性的安全防護等，加強安全技術水平是提高安全控制能力的重要基礎。

(3)增強數據庫的風險防范能力。根據云數據中心的各種數據以及歷史數據等信息查看各種用戶口令，根據用戶口令來配置口令的強弱程度，需結合實際情況進行調整。

(4)提高云數據中心自動化運維能力。通過建立一個智能運維自動化管理系統來實現云數據中心的自動化管理，然后使用自動化運維管理系統來實現對云數據中心運行過程中出現的故障以及問題進行集中管理和處理。運維管理平臺可以實時地對云數據中心的設備進行管理與監控。

(5)建立完善的云平臺架構。云平臺作為承載各種應用系統的基礎載體，必須保證其有一個完善的架構。如果預算不足，可以縮小規模，但還是要保持架構的完善，預算充足后再擴展。

(6)建立配套的運維輔助系統。為了有效地防范病毒以及攻擊，提高補丁的升級效率和可靠性，建議使用無代理防病毒管理和集中補丁升級管理。

6 結語

云數據中心業務連續性風險分析與評估是進行云環境下業務連續性研究的前提和基礎。云環境下業務連續性典型應用場景分析是實現云環境下業務連續性的關鍵措施，制定云環境下業務連續性評估指標體系與模型是有效評價云環境下業務連續性保護的關鍵所在。

通過研究不可抗力、管理要求、相關標準、運行環境等關鍵因素對業務連續性的影響，構建了風險評估模型，基于大數據實現狀態、閾值、趨勢、評價等風險預警的云服務技術來保障電網云數據中心業務連續性的風險管理。基于層次分析法的云環境下業務連續性評估方法是解決問題的手段。以這些研究成果為基礎，設計云環境下業務連續性保護評價指標體系，配套實施相應的風險管理流程，降低災難發生的頻率，提高響應速度。