[發明專利]一種異常狀態檢測方法、系統、存儲介質、程序、服務器

有效

• 申請號: 202010282760.1
• 申請日: 2020-04-12
• 公開（公告）號: CN111552609B
• 公開（公告）日: 2022-03-11
• 發明（設計）人: 沈玉龍;任忠;李騰;張志為;祝幸輝;焦成義
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06F11/30
• 分類號: G06F11/30;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 西安長和專利代理有限公司 61227
• 代理人: 何畏

1.一種異常狀態檢測方法，其特征在于，所述異常狀態檢測方法對LSTM1進行無監督學習，對LSTM2進行有監督學習，利用日志信息快速解決服務器故障；采用LSTM1循環神經網絡對具有時序特點的日志信息進行預測，通過識別日志信息的異常出現來發出警報，并輔助運維人員檢查故障原因；LSTM2則通過故障發生前的一段時間內的日志信息來給出造成當前情況的故障原因；

所述異常狀態檢測方法包括：

第一步，獲取服務器的原始日志信息，一類正常運行的日志數據和一類異常狀態的日志數據，以及專家得出的相應的故障日志對應的故障事件；

第二步，數據預處理，統計服務器組中有限的可統計的日志種類，建立字典庫將其編號；通過日志解析器將原始日志信息解析成文本，并按照字典庫將其轉換為數字序列，對于異常日志轉換的數字序列還需要與對應的異常事件相關聯，對異常數字序列進行標簽標注，每個故障標簽對應的值為0和1，其中0表示該故障并未發生，1表示發生了該故障；

第三步，構建LSTM神經網絡，采用雙層LSTM堆疊而成的LSTM的神經網絡模型，通過訓練獲取模型中各部分的權重參數與偏置項，同時對超參數進行微調，訓練過程中將收集到的數據按比例隨機劃分為訓練集和測試集；

第四步，采用線性回歸單元，將LSTM網絡的輸出映射到對應的標簽上構建分類器；

第五步，采集需要預測的日志信息，將原始日志信息轉換為日志編號的數字序列，將轉換后的數字序列輸入神經網絡之中；

第六步，異常狀態分析，將轉換后的日志序列輸入神經網絡之中后，選取有前面10個日志編號預測下一個日志編號，選取概率最大的8個日志編號認為服務器運行狀態正常，否則會將前一段時間內的異常日志序列輸入到網絡LSTM2中進行預測，是何種原因導致的服務器異常，在異常事件的維度上再添加一個正常事件，當LSTM2預測出結果不是正常的時候，發出警報；將預測的結果以及異常日志信息呈現給運維人員，以輔助運維人員進行檢測；

所述第三步確定LSTM1模型的時間步長，選取10個日志編號對下一個日志編號進行預測；對于LSTM2模型，選取25個日志編號作為判斷異常事件原因的序列長度，將LSTM1預測出的差別較大的日志編號時刻為起始，沿序列向前的25個日志編號作為預測事件原因的輸入。

2.如權利要求1所述的異常狀態檢測方法，其特征在于，所述第三步的兩個LSTM分類預測模型包括輸入層、隱藏層和輸出層；

輸入層由一系列神經元構成，用以獲取輸入數據的特征向量；

隱藏層由兩層LSTM層堆疊而成，每層LSTM層分別具有多個神經元，每個神經元對應一個LSTM記憶塊，記憶塊包含自連接的狀態神經元以及輸入門、輸出門和遺忘門，在同一時間步的LSTM層之間，采用正則化方法減少過擬合的影響；

輸出層為具有多個神經元的全連接層，分別對應需要預測的目標類別，通過歸一化指數函數softmax激活函數，將隱藏層的輸出轉換為與分類預測類別相關的概率分布預測值。