在必示智能风险感知平台产品落地实践的过程中，会经常涉及到解决变更后的实时监控、检测应用系统是否处于正常状态的运维场景。然而传统方法的准确率和判定效率均不太理想。同时，在单独训练模型时，训练成本也较高且计算效率不佳。为了提高异常变更检测的准确性，必示智能风险感知平台在此过程中提出了两项发明专利。

 

前者的技术原理主要是基于历史周期性和局部稳定性参考历史同期数据检测对和变更前后数据检测对思路，通过历史波动幅度对指标数据进行分类，并训练有限的通用性孪生网络模型即可处理数据对。这样，在保证异常检测准确性的同时，大幅度降低训练模型所需的训练资源；后者则依靠注入噪声的方式为原始样本添加标签。这样，能够减少生成训练标签过程中的人工参与，从而降低人工资源的消耗。同时孪生网络模型对异常变更进行检测，这也提高了异常变更检测的准确性。

 

通过这两项创新技术的使用，不仅提高了变更后验证的检测准确性，还提高了训练样本标注的效率，并降低了相应模型训练所需要开销。

 

作为国家高新技术企业，必示科技成立以来一直以AI技术助力企业运维的数智化转型：率先定义智能运维“风险预警、异常发现、故障定位”工业实践，推出了具有二十余项核心技术发明专利，并落地于银行、保险、证券、运营商、能源、制造、互联网、政务以及零售等行业的必示智能运维产品矩阵。

 

必示智能运维产品矩阵从事前预测和防范、事中快速分析定位和处理、事后经验知识沉淀，并以此为循环不断提升智能运维平台能力，最终降低MTTR，延长MTBF，加速智能运维在我国的商业化落地，助力企业数智化转型。

 

未来，必示科技将继续聚焦AIOps产品力和创新力的提升，利用人工智能技术在IT运维领域持续深耕，助力企业IT系统运行风险防范，加速必示智能运维产品矩阵在更多行业更多用户中高效、高品质落地。