[發明專利]一種系統異常的監測方法及裝置

有效

• 申請號: 201710089648.4
• 申請日: 2017-02-20
• 公開（公告）號: CN107066365B
• 公開（公告）日: 2021-01-01
• 發明（設計）人: 付敏;周揚;謝成錦;楊樹波
• 申請（專利權）人: 創新先進技術有限公司
• 主分類號: G06F11/30
• 分類號: G06F11/30
• 代理公司: 北京晉德允升知識產權代理有限公司 11623
• 代理人: 楊移

1.一種系統異常的監測方法，其特征在于，包括：

采集目標系統產生的至少一個維度的特征值，每個所述維度的特征值對應有異常判斷子模型；所述維度包括：所述系統的調用量維度、所述系統的被調用量維度、所述系統的調用時長維度、所述系統中的錯誤量維度、所述系統對數據庫的調用量維度中的一種或多種；

根據各維度的特征值以及通過訓練得到的異常判斷模型，確定所述目標系統出現異常的概率，所述異常判斷模型由多個維度的特征值對應的異常判斷子模型擬合得到；不同時間周期所對應的各異常判斷模型，由不同維度的特征值計算得到；一個時間周期對應一個異常判斷模型；所述異常判斷模型為混合高斯模型；

當所述概率介于所述異常判斷模型對應的小概率區間時，確定所述目標系統出現異常；

所述訓練得到異常判斷模型，具體包括：

確定時間周期，獲取在所述時間周期內產生的各個維度的樣本數據；

根據所述樣本數據，訓練得到各個維度在所述時間周期內對應的異常判斷子模型；

在得到各維度對應的異常判斷子模型時，根據得到的所述異常判斷子模型，擬合得到所述目標系統對應的異常判斷模型。

2.如權利要求1所述的監測方法，其特征在于，所述方法還包括：

在確定所述目標系統出現異常時，發出告警消息。

3.如權利要求1所述的監測方法，其特征在于，獲取在所述時間周期內產生的該維度的樣本數據，具體包括：

從所述目標系統歷史產生的樣本數據中，查找與所述時間周期相同的時間段內產生的該維度的樣本數據；

將查找到的所述樣本數據，作為所述時間周期對應的異常判斷子模型的訓練樣本。

4.如權利要求1所述的監測方法，其特征在于，在得到各維度對應的異常判斷子模型時，根據得到的所述異常判斷子模型，擬合得到所述異常判斷模型，具體包括：

在得到各維度對應的異常判斷子模型時，為各維度對應的異常判斷子模型分配初始權重值；

針對各維度對應的異常判斷子模型的初始權重值，分別執行以下操作：

判斷該維度對應的異常判斷子模型的初始權重值是否收斂；

在針對各維度對應的異常判斷子模型的初始權重值的判斷結果滿足收斂條件時，根據收斂的各異常判斷子模型的初始權重值，擬合得到所述異常判斷模型；

否則，對至少一個維度對應的異常判斷子模型的初始權重值進行調整。

5.如權利要求4所述的監測方法，其特征在于，對至少一個維度對應的異常判斷子模型的初始權重值進行調整，具體包括：

采用最大期望算法，對該維度對應的異常判斷子模型的初始權重值進行訓練；

判斷該維度對應的異常判斷子模型訓練得到的權重值是否收斂；

若是，則將訓練得到的權重值作為用于擬合所述異常判斷模型的該維度對應的異常判斷子模型的權重值；

若否，則繼續對該維度對應的異常判斷子模型訓練得到的權重值再次進行訓練，直至對該維度對應的異常子模型訓練后的權重值收斂為止。

6.如權利要求1所述的監測方法，其特征在于，所述方法還包括：

在訓練得到該維度在所述時間周期內對應的異常判斷子模型之前，當獲取到的在所述時間周期內產生的該維度的樣本數據中存在標記為異常的樣本數據時，獲取所述目標系統歷史產生的樣本數據中，與所述時間周期相同的時間段內的多個該維度的樣本數據；

計算獲取的多個該維度的樣本數據的均值以及方差的和值，并利用所述和值調整該維度中所述標記為異常的樣本數據，所述和值用于訓練該維度對應的異常判斷子模型。

7.如權利要求1所述的監測方法，其特征在于，采集目標系統產生的至少一個維度的特征值，具體包括：

針對各維度的特征值，確定與所述時間周期相鄰的多個時間周期的該維度的樣本數據的平均值，作為所述目標系統在所述時間周期產生的該維度的特征值。

8.如權利要求1所述的監測方法，其特征在于，所述方法還包括：

當所述異常判斷模型為混合高斯模型時，根據高斯原理，確定所述異常判斷模型對應的小概率區間。