[發明專利]用于檢測系統異常的方法及其裝置

在審

• 申請號: 201811622495.6
• 申請日: 2018-12-28
• 公開（公告）號: CN110032490A
• 公開（公告）日: 2019-07-19
• 發明（設計）人: 蔣丹妮;何東杰;茅毓銘;張高磊;周雍愷
• 申請（專利權）人: 中國銀聯股份有限公司
• 主分類號: G06F11/30
• 分類號: G06F11/30;G06F11/34;G06K9/62;G06K9/66
• 代理公司: 中國專利代理(香港)有限公司 72001
• 代理人: 李湘;楊美靈

1.一種用于檢測系統異常的方法，其特征在于，包括下列步驟：

A）確定監控指標的歷史值的特征向量；以及

B）對所述特征向量進行聚類分析以得到一個或多個頻繁模式以用于判斷系統是否異常，所述特征向量與所述監控指標的波動性和所述監控指標之間的關聯性相關。

2.如權利要求1所述的方法，其中，所述監控指標包括下列中的一項或多項：所述系統中不同業務類型的鏈接數、吞吐量、隊列長度、響應時間和成功率。

3.如權利要求1所述的方法，其中，所述步驟A）包括：

按照移動的時間窗口長度和步長對所述監控指標的歷史值進行采樣，其中，同一時間窗口長度內的監控指標的歷史值構成一個訓練樣本；以及

針對每個所述訓練樣本，利用其中的監控指標的歷史值的統計特征分量構建相應的特征向量。

4.如權利要求3所述的方法，其中，針對每個所述訓練樣本進行歸一化處理之后再確定其相應的統計特征分量。

5.如權利要求3所述的方法，其中，在步驟B）中，通過對所述訓練樣本的特征向量進行聚類分析以得到所述頻繁模式。

6.如權利要求3所述的方法，其中，所述統計特征分量包括下列中的一項或多項：最大值、最小值、平均值、方差、偏度、峰度、一階差分值以及所述最大值和最小值在所述訓練樣本中的相對位置。

7.如權利要求4所述的方法，其中，在聚類分析時，動態改變所述統計特征分量的權重，使得屬于同一頻繁模式的訓練樣本的距離小于第一閾值，而屬于不同頻繁模式的訓練樣本的距離大于第二閾值。

8.如權利要求3所述的方法，其中，所述移動的時間窗口長度和步長根據實際業務場景確定，其中，能夠同時使用多種時間窗口長度和步長。

9.如權利要求1至8中任一項所述的方法，其中，依照下列方式確定系統是否異常：

C1)確定當前監控指標的特征向量；以及

C2)基于當前監控指標的特征向量與所述頻繁模式之間的距離確定系統是否處于異常狀態。

10.如權利要求9所述的方法，其中，在步驟C2)中，如果當前監控指標的特征向量與所述頻繁模式之間的距離小于設定的閾值，則確定系統處于正常狀態，否則，則確定系統處于異常狀態。

11.一種系統的異常檢測裝置，其包括存儲器、處理器以及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，所述處理器執行所述計算機程序時實現權利要求1至10中任一項所述的用于檢測系統異常的方法。

12.一種計算機可讀介質，其上存儲有計算機程序，其特征在于，該計算機程序被處理器執行時實現權利要求1至10中任一項所述的用于檢測系統異常的方法。