Page 69 - 《软件学报》2021年第7期

王璐 等:基于事件关系保障识别质量的自适应分析方法 1987

和顶事件发生概率计算完成,最终根据这些概率得到发生的事件,输出事件名称、事件发生时间、触发该此事
件的相关感知对象等信息,达到事件识别的目的.
以图 2 为例,假设基本事件 X 4 发生,即 lowerEvent 4 发生(P(lowerEvent 4 =1)),此时获取该事件导致其上层事件
M 3 发生的概率,即 P(upperEvent 3 |lowerEvent 4 ),同时获取与 X 4 同层,并与 M 3 有关联的基本事件 X 5 和 X 6 的先验概
率 P(lowerEvent 5 )、P(lowerEvent 6 )以及条件概率 P(upperEvent 3 |lowerEvent 5 )、P(upperEvent 3 | lowerEvent 6 ),通过
式(4)计算出 M 3 发生的概率,即 P(upperEvent 3 ).计算得到这个中间事件的概率后,同样继续获取与其位于同层,
并与其上层事件有关联的 M 2 与 M 1 的发生概率,和 M 2 与 M 1 分别导致 T 发生的条件概率.其中,M 2 与 M 1 的发生
概率同样由式(4)获得.至此计算得到 P(M 3 )、P(M 2 )、P(M 1 )、P(T)的发生概率,根据这些概率得到发生的事件.
同样,为保证模型的可靠性,在模糊故障树模型依据运行环境进行动态调整后,本文会对贝叶斯网络模型进
行修正与更新,包括调整事件间的逻辑关系,根据新的模糊算子重新计算条件概率等,确保模型能够适应最新的
系统结构、环境以及随系统运行而发生的新类型事件.
此外,本文对系统资源、状态变化等基本事件进行了概率重要度与关键重要度分析,观察这些基本事件对
顶事件发生的影响,使得软件维护人员可有针对性地采取修改与完善措施,通过降低这些基本事件的发生概率,
实现上层事件发生概率的降低,最终实现确保自适应软件可靠、平稳运行的目标.具体分析过程如下.
 概率重要度表示当基本事件发生与不发生相比时,顶事件发生概率的减小量.概率重要度越大,表示采取
措施降低该基本事件发生的概率可以越迅速且有效地降低顶事件发生的概率.此时,软件维护人员可以采取有
针对性的措施有效地降低顶事件发生的概率.
 关键重要度表示基本事件发生概率的变化率与其引起顶事件发生概率的变化率之比.基本事件的关键
重要度越大,表明该基本事件所在的部件越薄弱,更易发生异常事件.软件维护人员可通过改进关键重要度较大
的部件,降低事件发生的频率,提升软件系统的稳定性和可靠性.
3.3 基于贝叶斯反向推理的变化监测方法
(1) 精英感知集合构建与管理
由于不同基本事件影响顶事件发生的条件概率不同,因此如果能够对条件概率较高,即易造成较大影响的
基本事件进行尽早识别,就可在顶事件发生之前及时处理系统异常,从而避免造成重大损失.因此,本文构建了
精英感知集合,存储与上述条件概率较高的基本事件相关的感知对象(称为精英感知对象),并可随贝叶斯网络
的更新而调整集合内容.通过对该集合内感知对象的密切监控,则可尽快识别基本事件,保证识别效率.具体地,
本文通过以下两种方式确定精英感知集合的范围.
首先,通过贝叶斯网络的反向推理能力,本文可计算得到各个基本事件的后验概率,即顶事件发生后,基本
事件发生的概率,如公式(5)所示.其中,P(basicEvent j )、P(topEvent)分别表示基本事件 j 和顶事件的先验概率,
P(topEvent|basicEvent j )表示在基本事件 j 发生的情况下,顶事件发生的概率,这些概率主要通过日志数据统计分
析,以频率估计概率的方式获得.基本事件的后验概率大小,反映了它对顶层事件发生的影响程度.后验概率越
大,证明它越可能导致顶事件的发生,因此本文选取与后验概率最大的基本事件相关的感知对象加入到精英感
知集合,进行重点监控.

P  j basicEvent |topEvent = P basicEvent j  topEvent |basicEvent P j  (5)
P  topEvent
其次,结构重要度是在已知基本事件发生概率均相等的条件下,表示各项基本事件对顶事件影响概率的大
小.结构重要度越大,表示该基本事件的发生对顶事件发生的影响越大.本文将与该基本事件相关的感知对象加
入精英感知集合并对其重点监控,以及时、有效地识别事件.
(2) 感知周期动态调整
目前产业界获取软件变化的常用方法可分为两类.其一是采用固定的较小感知周期监测部分与软件变化
相关的重要感知对象 [33] ,其二是根据感知对象运行状态实时计算感知周期进行频繁采样.相较于第 2 类方法,第