[發明專利]內存溢出檢測方法及系統

有效

• 申請號: 202010447722.7
• 申請日: 2020-05-25
• 公開（公告）號: CN111679926B
• 公開（公告）日: 2023-08-15
• 發明（設計）人: 賈平楠;羅濤;施佳子;姚欣
• 申請（專利權）人: 中國工商銀行股份有限公司
• 主分類號: G06F11/07
• 分類號: G06F11/07
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 王濤;湯在彥

1.一種內存溢出檢測方法，其特征在于，包括：

根據獲取的原始數據生成特征數據組合；

判斷所述特征數據組合是否異常；

將異常的特征數據組合輸入預先創建的內存溢出檢測模型中，獲得內存溢出檢測結果；

根據獲取的原始數據生成特征數據組合包括：

判斷原始數據是否為當前有效訓練數據；當原始數據不是當前有效訓練數據時，從該原始數據中提取當前趨勢性數據，并根據當前趨勢性數據生成當前趨勢曲線，根據當前趨勢曲線和當前有效訓練數據生成特征數據組合。

2.根據權利要求1所述的內存溢出檢測方法，其特征在于，預先創建所述內存溢出檢測模型的步驟包括：

在獲取的歷史原始數據上標注異常標識；

根據所述異常標識與所述歷史原始數據的相關性篩選所述歷史原始數據，得到歷史特征數據；

根據所述歷史特征數據生成歷史特征數據組合，并將部分歷史特征數據組合作為訓練集；

根據所述訓練集對預設的初始檢測模型進行訓練，得到所述內存溢出檢測模型。

3.根據權利要求2所述的內存溢出檢測方法，其特征在于，根據所述歷史特征數據生成歷史特征數據組合包括：

判斷歷史特征數據是否為有效訓練數據；當歷史特征數據不是有效訓練數據時，從該歷史特征數據中提取趨勢性數據；

獲取所述趨勢性數據在不同時間段的最大值與最小值的差值，根據所述差值生成趨勢曲線；

根據所述趨勢曲線和有效訓練數據生成歷史特征數據組合。

4.根據權利要求1所述的內存溢出檢測方法，其特征在于，判斷所述特征數據組合是否異常包括：

確定所述特征數據組合的均值和標準差；

根據所述均值和標準差獲取所述特征數據組合的分布概率；

判斷所述分布概率是否大于標準分布概率；當所述分布概率大于所述標準分布概率時，所述特征數據組合異常。

5.一種內存溢出檢測系統，其特征在于，包括：

特征數據組合單元，用于根據獲取的原始數據生成特征數據組合；

判斷單元，用于判斷所述特征數據組合是否異常；

檢測結果單元，用于將異常的特征數據組合輸入預先創建的內存溢出檢測模型中，獲得內存溢出檢測結果；

所述特征數據組合單元具體用于：

判斷原始數據是否為當前有效訓練數據；當原始數據不是當前有效訓練數據時，從該原始數據中提取當前趨勢性數據，并根據當前趨勢性數據生成當前趨勢曲線，根據當前趨勢曲線和當前有效訓練數據生成特征數據組合。

6.根據權利要求5所述的內存溢出檢測系統，其特征在于，還包括：

標注單元，用于在獲取的歷史原始數據上標注異常標識；

歷史特征數據單元，用于根據所述異常標識與所述歷史原始數據的相關性篩選所述歷史原始數據，得到歷史特征數據；

訓練集確定單元，用于根據所述歷史特征數據生成歷史特征數據組合，并將部分歷史特征數據組合作為訓練集；

模型訓練單元，用于根據所述訓練集對預設的初始檢測模型進行訓練，得到所述內存溢出檢測模型。

7.根據權利要求6所述的內存溢出檢測系統，其特征在于，所述特征數據組合單元具體用于：

判斷歷史特征數據是否為有效訓練數據；當歷史特征數據不是有效訓練數據時，從該歷史特征數據中提取趨勢性數據；

獲取所述趨勢性數據在不同時間段的最大值與最小值的差值，根據所述差值生成趨勢曲線；

根據所述趨勢曲線和有效訓練數據生成歷史特征數據組合。

8.根據權利要求5所述的內存溢出檢測系統，其特征在于，所述判斷單元具體用于：

確定所述特征數據組合的均值和標準差；

根據所述均值和標準差獲取所述特征數據組合的分布概率；

判斷所述分布概率是否大于標準分布概率；當所述分布概率大于所述標準分布概率時，所述特征數據組合異常。