← 返回列表
一种软件系统多指标异常检测方法及系统
摘要文本
本发明属于大数据信息处理及智能化运维技术领域,提供了一种软件系统多指标异常检测方法及系统,其技术方案为:基于软件系统收集多维监控指标数据;然后利用注意力机制通过注意力权重来充分捕获多维监控指标数据的时间特征信息;使用图注意力网络来学习多维监控指标数据的空间特征信息;将学习到的时间特征信息和空间特征信息进行融合,构建基于变分Transformer的重构模型,经过残差变分自编码器得到隐变量,使用解码器得到最终的重构数据表示;基于重构数据与原始数据的重构损失来进行异常检测任务,解决了现有技术未充分考虑时间特征信息和空间特征信息,导致异常检测性能不佳的问题。
申请人信息
- 申请人:山东大学
- 申请人地址:250000 山东省济南市历城区山大南路27号
- 发明人: 山东大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种软件系统多指标异常检测方法及系统 |
| 专利类型 | 发明申请 |
| 申请号 | CN202410166028.6 |
| 申请日 | 2024/2/6 |
| 公告号 | CN117724935A |
| 公开日 | 2024/3/19 |
| IPC主分类号 | G06F11/30 |
| 权利人 | 山东大学 |
| 发明人 | 史玉良; 刘聪; 张建林; 王新军; 陈志勇; 孔凡玉 |
| 地址 | 山东省济南市历下区经十路17923号 |
专利主权项内容
1.一种软件系统多指标异常检测方法,其特征在于,包括如下步骤:获取软件系统的多维指标时序数据;基于软件系统的多维指标时序数据,分别学习得到多维监控指标时序数据的时间特征信息和空间特征信息;结合多维监控指标时序数据的时间特征信息和空间特征信息,结合训练后的多指标数据重构模型,得到重构数据表示;其中,所述多指标数据重构模型的构建过程包括:在多指标数据重构模型自编码器部分引入残差结构和注意力机制,将经过残差结构和注意力机制学习得到的隐变量输入至解码器中得到重构数据表示;结合重构误差和设定的阈值比较得到多指标数据的异常检测结果。 该数据由<>整理