[發明專利]異常任務智能監測方法、裝置、設備及存儲介質

有效

• 申請號: 201910205657.4
• 申請日: 2019-03-16
• 公開（公告）號: CN110008082B
• 公開（公告）日: 2022-06-17
• 發明（設計）人: 陳萬慧;簡杰生;汪偉;蘇雪婷
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06F11/30
• 分類號: G06F11/30
• 代理公司: 深圳市世紀恒程知識產權代理事務所 44287
• 代理人: 胡海國

1.一種異常任務智能監測方法，其特征在于，所述方法包括：

將目標運行特征代入至預設多元高斯分布模型中，獲得多元高斯分布概率圖；

根據預設聚類算法對所述多元高斯分布概率圖進行聚類，獲得異常特征；

根據異常特征建立預設異常特征數據集；

獲取當前任務的執行數據，將所述執行數據與所述預設異常特征數據集進行對比分析，根據分析結果判斷所述當前任務是否為異常任務；

其中，所述將目標運行特征代入至預設多元高斯分布模型中，獲得多元高斯分布概率圖的步驟，包括：

將目標運行特征代入至預設多元高斯分布模型中，獲得各目標運行特征對應的特征向量；

獲取各特征向量之間的關聯關系，根據所述關聯關系和各特征向量生成多元高斯概率圖。

2.如權利要求1所述的方法，其特征在于，根據預設聚類算法對所述多元高斯分布概率圖進行聚類，獲得異常特征的步驟，包括：

根據預設聚類算法對所述多元高斯分布概率圖進行聚類，可獲得聚類結果；

對所述聚類結果分析，獲得所述多元高斯分布概率圖中的離群向量；

將所述離群向量對應的離群特征作為異常特征。

3.如權利要求2所述的方法，其特征在于，所述根據異常特征建立預設異常特征數據集的步驟，包括：

從預設樣本任務集中篩選出預設數量的多個樣本任務；

獲取各樣本任務的歷史執行率，將所述歷史執行率大于預設執行率的樣本任務作為目標任務；

根據預設多元高斯分布模型獲得多個目標任務的異常特征；

根據各異常特征建立預設異常特征數據集。

4.如權利要求3所述的方法，其特征在于，所述獲取當前任務的執行數據，將所述執行數據與所述預設異常特征數據集進行對比分析，根據分析結果判斷所述當前任務是否為異常任務的步驟，包括：

對正在運行的當前任務進行實時監控，獲得所述當前任務的執行數據；

將所述執行數據與所述預設異常特征數據集中的異常特征對應的異常數據進行匹配分析，并獲得分析結果；

在所述分析結果為所述執行數據與所述異常數據匹配時，判定所述當前任務為異常任務；

在所述分析結果為所述執行數據與所述異常數據不匹配時，判定所述當前任務為正常任務。

5.如權利要求1-4中任一項所述的方法，其特征在于，所述將目標運行特征代入至預設多元高斯分布模型中，獲得多元高斯分布概率圖之前，所述方法還包括：

獲取目標任務的歷史執行數據；

將所述歷史執行數據代入至預設無監督學習模型中，獲得所述目標任務的目標運行特征。

6.如權利要求5所述的方法，其特征在于，所述將所述歷史執行數據代入至預設無監督學習模型中，獲得所述目標任務的目標運行特征的步驟，包括：

將所述歷史執行數據代入至預設無監督學習模型中，獲得所述目標任務的CPU占用數據和內存占用數據；

將所述CPU占用數據和內存占用數據作為目標運行特征。

7.一種異常任務智能監測裝置，其特征在于，所述裝置包括：概率圖獲取模塊、異常特征獲取模塊、數據集建立模塊和判斷模塊；

其中，所述概率圖獲取模塊，用于將目標運行特征代入至預設多元高斯分布模型中，獲得多元高斯分布概率圖；

所述異常特征獲取模塊，用于根據預設聚類算法對所述多元高斯分布概率圖進行聚類，獲得異常特征；

所述數據集建立模塊，用于根據異常特征建立預設異常特征數據集；

所述判斷模塊，用于獲取當前任務的執行數據，將所述執行數據與所述預設異常特征數據集進行對比分析，根據分析結果判斷所述當前任務是否為異常任務；

所述概率圖獲取模塊，還用于將目標運行特征代入至預設多元高斯分布模型中，獲得各目標運行特征對應的特征向量；獲取各特征向量之間的關聯關系，根據所述關聯關系和各特征向量生成多元高斯概率圖。