【技術實現步驟摘要】
本公開涉及人工智能領域，尤其涉及一種基于深度學習的應用服務自巡檢方法、裝置、設備及介質。
技術介紹
1、在當前的軟件開發與運維實踐中，應用開發團隊與運維團隊經常面臨一個共同挑戰：確保應用界面上顯示的數據與后臺數據庫中的數據保持高度一致。傳統上，這種一致性的驗證依賴于人工比對方法，即開發人員或運維人員手動檢查應用界面顯示的數據，并與后臺數據庫中的數據進行逐一對比。
2、然而，人工比對方法的精確率較低，由于數據量龐大、字段繁多，人工檢查難以保證不遺漏任何不一致之處，尤其是在面對復雜的數據結構和大量的數據時，這一問題尤為突出；人工比對方法效率低下，隨著應用規模的不斷擴大和功能的持續更新，需要驗證的數據量呈指數級增長，而人工檢查的速度遠遠跟不上數據增長的速度，導致驗證周期過長，無法及時發現并解決問題；人工比對方法缺乏實時性，由于需要人工干預，無法實現對應用數據的實時監控和即時反饋，當數據不一致性問題發生時，往往已經對用戶體驗或業務流程造成了負面影響；人工比對方法成本高昂，需要大量的人力資源投入，不僅增加了企業的運營成本，還可能導致人力資源的浪費。
技術實現思路
1、本公開提供了一種基于深度學習的應用服務自巡檢方法、裝置、設備及介質，以至少解決現有技術中存在的以上技術問題。
2、根據本公開的第一方面，提供了一種基于深度學習的應用服務自巡檢方法，所述方法包括：
3、獲取后臺處理中樞發送的針對已登錄的應用的截圖指令，觸發應用對頁面進行截圖，并且生成后臺數據請求
4、將截取的頁面截圖傳輸至后臺數據庫中，后臺處理中樞從所述后臺數據庫調取所述頁面截圖，利用ocr識別工具輸出頁面截圖信息；
5、根據所述頁面截圖信息，生成頁面數據表，并對所述頁面數據表賦予其所屬頁面的唯一標識碼后，存儲到所述后臺數據庫中；
6、根據所述后臺數據請求，后臺處理中樞從所述后臺數據庫中調取應用對應的后臺數據表，并為所述后臺數據表賦予其所屬頁面的唯一標識碼；
7、利用訓練好的深度學習模型將具有相同標識碼的所述頁面數據表和所述后臺數據表進行比對，得到相似度，一旦比對結果低于預設相似度閾值，則觸發警報通知。
8、在一可實施方式中，所述深度學習模型為siamese網絡模型，所述siamese網絡模型包括兩個相同的子網絡；所述利用訓練好的深度學習模型將具有相同標識碼的所述頁面數據表和所述后臺數據表進行比對，得到相似度的步驟，包括：
9、將所述頁面數據表和所述后臺數據表轉換成矩陣形式后，輸入到訓練好的siamese網絡模型中，分別通過所述兩個子網絡得到對應的特征表示；
10、利用曼哈頓距離度量法計算兩個特征表示之間的相似度；
11、比較兩個特征表示之間的相似度與預設相似度閾值，若相似度低于預設相似度閾值，則確定數據不一致，觸發警報通知；所述警報通知包括問題種類、問題嚴重性、問題發生時間戳，所述問題種類包括數據類型不匹配、數值范圍不一致、關鍵字缺失；
12、其中，所述siamese網絡模型為使用多個由頁面數據表和后臺數據表組成的數據表對訓練而成的，所述數據表對包括數據一致的數據表對和數據不一致的數據表對。
13、在一可實施方式中，所述獲取后臺處理中樞發送的針對已登錄的應用的截圖指令，觸發應用對頁面進行截圖的步驟包括：
14、利用websocket協議建立應用與后臺處理中樞的實時雙向通信連接；
15、后臺處理中樞通過隨機數生成器隨機選擇已登錄的應用內的頁面，并向應用發送截圖指令；
16、應用接收到所述截圖指令后，利用sikulix插件識別并定位頁面中的特定元素以獲取屏幕坐標，并根據屏幕坐標使用計算機視覺庫進行頁面裁剪并生成截圖；
17、其中，所述websocket協議、所述sikulix插件、所述計算機視覺庫均被內置到應用內部。
18、在一可實施方式中，所述ocr識別工具包括tesseract4.x插件和cnn-bilstm模型；所述后臺處理中樞從所述后臺數據庫調取所述頁面截圖，利用ocr識別工具輸出頁面截圖信息的步驟包括：
19、后臺處理中樞對從后臺數據庫中調取的頁面截圖進行圖像預處理操作，所述圖像預處理操作包括灰度化、二值化和去噪聲；
20、利用tesseract4.x插件識別截圖中的文本和數字內容，利用cnn-bilstm模型作為輔助識別手段，將tesseract4.x插件和cnn-bilstm模型的識別結果整合，輸出頁面截圖信息，所述頁面截圖信息包括文本和數字。
21、在一可實施方式中，所述根據所述頁面截圖信息，生成頁面數據表，并對所述頁面數據表賦予其所屬頁面的唯一標識碼后，存儲到所述后臺數據庫中的步驟，包括：
22、對所述頁面截圖信息進行文本清洗操作，得到清洗后的文本，所述文本清洗操作包括去除無意義字符、空格、換行符；
23、利用自然語言處理模型從所述清洗后的文本中抽取特定信息；
24、根據特定信息，創建頁面數據表，并對所述頁面數據表賦予其所屬頁面的唯一標識碼。
25、在一可實施方式中，還包括：
26、統計所述問題種類的出現頻率，根據預設頻率閾值確定高頻問題；
27、根據所述問題嚴重性，為不同警報通知分配優先級；
28、根據所述問題發生時間戳，統計各時間段內的問題數量，所述時間段是預先劃分的；
29、根據確定的高頻問題、優先級、各時間段內的問題數量，生成統計分析報告。
30、在一可實施方式中，在所述觸發警報通知之后，還包括：
31、針對出現數據不一致的用戶頁面和/或高頻問題頁面，在所述問題發生時間戳過去預設處理時長后，再次執行權利要求1的全流程。
32、根據本公開的第二方面，提供了一種基于深度學習的應用服務自巡檢裝置，包括：
33、頁面截圖單元，用于獲取后臺處理中樞發送的針對已登錄的應用的截圖指令，觸發應用對頁面進行截圖，并且生成后臺數據請求發送至后臺處理中樞；
34、頁面識別單元，將截取的頁面截圖傳輸至后臺數據庫中，后臺處理中樞從所述后臺數據庫調取所述頁面截圖，利用ocr識別工具輸出頁面截圖信息；
35、頁面數據表生成單元，用于根據所述頁面截圖信息，生成頁面數據表，并對所述頁面數據表賦予其所屬頁面的唯一標識碼后，存儲到所述后臺數據庫中；
36、后臺數據表調取單元，用于根據所述后臺數據請求，后臺處理中樞從所述后臺數據庫中調取應用對應的后臺數據表，并為所述后臺數據表賦予其所屬頁面的唯一標識碼；
37、比對單元，用于利用訓練好的深度學習模型將具有相同標識碼的所述頁面數據表和所述后臺數據表進行比對，得到相似度，一旦比對結果低于預設相似度閾值，則觸發警報通知。
38、根據本公開的第三方面，提供了一種電子本文檔來自技高網...
【技術保護點】
1.一種基于深度學習的應用服務自巡檢方法，其特征在于，所述方法包括：
2.根據權利要求1所述的方法，其特征在于，所述深度學習模型為Siamese網絡模型，所述Siamese網絡模型包括兩個相同的子網絡；所述利用訓練好的深度學習模型將具有相同標識碼的所述頁面數據表和所述后臺數據表進行比對，得到相似度的步驟，包括：
3.根據權利要求1所述的方法，其特征在于，所述獲取后臺處理中樞發送的針對已登錄的應用的截圖指令，觸發應用對頁面進行截圖的步驟包括：
4.根據權利要求1所述的方法，其特征在于，所述OCR識別工具包括Tesseract4.x插件和CNN-BiLSTM模型；所述后臺處理中樞從所述后臺數據庫調取所述頁面截圖，利用OCR識別工具輸出頁面截圖信息的步驟包括：
5.根據權利要求1所述的方法，其特征在于，所述根據所述頁面截圖信息，生成頁面數據表，并對所述頁面數據表賦予其所屬頁面的唯一標識碼后，存儲到所述后臺數據庫中的步驟，包括：
6.根據權利要求2所述的方法，其特征在于，還包括：
7.根據權利要求6所述的方法，其特征
8.一種基于深度學習的應用服務自巡檢裝置，其特征在于，包括：
9.一種電子設備，其特征在于，包括：
10.一種存儲有計算機指令的非瞬時計算機可讀存儲介質，其特征在于，所述計算機指令用于使所述計算機執行根據權利要求1-7中任一項所述的方法。
...【技術特征摘要】
1.一種基于深度學習的應用服務自巡檢方法，其特征在于，所述方法包括：
2.根據權利要求1所述的方法，其特征在于，所述深度學習模型為siamese網絡模型，所述siamese網絡模型包括兩個相同的子網絡；所述利用訓練好的深度學習模型將具有相同標識碼的所述頁面數據表和所述后臺數據表進行比對，得到相似度的步驟，包括：
3.根據權利要求1所述的方法，其特征在于，所述獲取后臺處理中樞發送的針對已登錄的應用的截圖指令，觸發應用對頁面進行截圖的步驟包括：
4.根據權利要求1所述的方法，其特征在于，所述ocr識別工具包括tesseract4.x插件和cnn-bilstm模型；所述后臺處理中樞從所述后臺數據庫調取所述頁面截圖，利...
【專利技術屬性】
技術研發人員：付信成，陳子杰，沈燮勇，應曉，
申請(專利權)人：浙江省公眾信息產業有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。