[發(fā)明專利]一種基于時間序列的空間分析異常檢測方法

有效

• 申請?zhí)枺?/td>: 202110600285.2
• 申請日: 2021-05-31
• 公開（公告）號: CN113344059B
• 公開（公告）日: 2022-06-07
• 發(fā)明（設(shè)計）人: 李銳;吳華意;宋旭穎;董朝陽;賴英杰;洪勇;閆科
• 申請（專利權(quán)）人: 武漢大學(xué);武漢光谷信息技術(shù)股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06Q50/26
• 代理公司: 武漢科皓知識產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 42222
• 代理人: 王琪

本發(fā)明涉及一種基于時間序列的空間分析異常檢測方法。該方法主要包括同一國土規(guī)劃空間分析任務(wù)識別和國土規(guī)劃空間分析異常檢測兩部分，可識別國土規(guī)劃分析服務(wù)平臺同一空間分析任務(wù)產(chǎn)生的操作，并能檢測出引起圖層分析服務(wù)性能下降的異常響應(yīng)。本發(fā)明考慮不同圖層在分析任務(wù)中的共現(xiàn)特點，能提高檢測的準確性，可為國土規(guī)劃空間分析服務(wù)平臺運行維護提供參考，能夠有效避免規(guī)模化并行服務(wù)中帶來的性能下降處理不及時的問題，有助于維持國土規(guī)劃空間分析服務(wù)性能的穩(wěn)定性。

技術(shù)領(lǐng)域

本發(fā)明屬于國土規(guī)劃空間分析異常檢測領(lǐng)域，特別是涉及一種基于時間序列的空間分析異常檢測方法。

背景技術(shù)

國土規(guī)劃空間信息云平臺采用分布式系統(tǒng)的管理方式，其規(guī)則和復(fù)雜性不斷增加，使得日志量暴增。目前異常檢測在現(xiàn)代大規(guī)模分布式系統(tǒng)的管理中起著重要作用，記錄系統(tǒng)運行時信息的日志已廣泛用于異常檢測。在現(xiàn)代分布式系統(tǒng)全天候持續(xù)產(chǎn)生大量日志的背景下，基于自動日志分析的異常檢測方法成為學(xué)術(shù)界和工業(yè)界具有實際重要性的研究課題。

如國土規(guī)劃空間信息云平臺這樣的現(xiàn)代大規(guī)模服務(wù)系統(tǒng)，通過數(shù)千臺機器來擴展構(gòu)建分布式系統(tǒng)，擴展后分布式系統(tǒng)的高性能計算能夠處理用戶高并發(fā)的訪問請求。與此同時，分布式系統(tǒng)下高并發(fā)用戶訪問請求產(chǎn)生的日志給基于日志的異常檢測帶來挑戰(zhàn)。挑戰(zhàn)主要集中在兩方面：一是從原始日志數(shù)據(jù)集中識別出同一國土規(guī)劃空間分析任務(wù)，二是基于國土規(guī)劃空間分析日志的異常檢測。

國土規(guī)劃空間分析任務(wù)雖然可以通過空間分析任務(wù)號標識，但是無法區(qū)分用戶前后多次對同一國土規(guī)劃空間分析任務(wù)進行操作。因此考慮從國土規(guī)劃空間分析日志數(shù)據(jù)之間的相關(guān)性入手解決上述問題，國土規(guī)劃日志記錄的是空間分析圖層的分析返回結(jié)果，一次國土規(guī)劃空間分析任務(wù)往往是對一個分析專題進行空間分析，因此同一專題下的不同圖層很大概率會被同時分析，所以同一國土規(guī)劃空間分析任務(wù)涉及的圖層操作量之間相關(guān)性很強，因此可以通過不同圖層操作量時間序列來輔助識別同一國土規(guī)劃空間分析任務(wù)操作。

時間序列聚類是挖掘相似時間序列的有效方法，層次聚類采用自底向上的思想，只需要計算初始每對節(jié)點的相似度，按照相似度由高到低排序，逐步重新連接各結(jié)點。在時間序列聚類中，兩段時間序列的長度可能并不相等，因此傳統(tǒng)的時間序列聚類不能采用常用的歐式距離度量，為解決上述問題DynamicTimeWarping(DTW)被提出。DTW是一種衡量兩個長度不同的時間序列相似度的方法，廣泛應(yīng)用在數(shù)據(jù)挖掘和信息檢索等領(lǐng)域。

空間分析響應(yīng)耗時是國土規(guī)劃空間分析服務(wù)的重要性能評價指標，由于國土規(guī)劃空間分析日志數(shù)據(jù)量巨大，很小比例的過長空間分析響應(yīng)耗時也會造成大量用戶的體驗下降，因此有必要對空間分析響應(yīng)耗時進行異常檢測。在異常檢測領(lǐng)域，Chandola等總結(jié)異常類別可以分為點異常、上下文異常和集體異常，國土規(guī)劃空間分析異常既包括分析耗時前后差異過大的上下文異常，也包括分析耗時本身過長的點異常。對點異常的異常檢測，Breunig等提出了一種局部異常因子，用于獨立表示系統(tǒng)中某一組件的狀態(tài)情況而不受到相關(guān)組件的影響。liu等提出一種孤立隨機森林算法，這種方法采用下采樣的方式將異常事件從所有的事件中隔離并提取識別，為大數(shù)據(jù)場景下的異常檢測提供了線性時間復(fù)雜度的運算效率以及相對較低的內(nèi)存需求。

發(fā)明內(nèi)容

本發(fā)明針對現(xiàn)有技術(shù)的不足，提供一種基于時間序列的空間分析異常檢測方法，實現(xiàn)了國土規(guī)劃分析服務(wù)平臺同一國土規(guī)劃任務(wù)的識別，以及導(dǎo)致圖層分析服務(wù)性能下降的異常響應(yīng)的檢測。該方法主要包括同一國土規(guī)劃空間分析任務(wù)識別和國土規(guī)劃空間分析異常檢測兩部分。同一國土規(guī)劃空間分析任務(wù)識別部分，首先依據(jù)空間分析操作類型和圖層兩個維度，將圖層分析日志原始數(shù)據(jù)集劃分為各個特定操作類型和圖層的子數(shù)據(jù)集，接著統(tǒng)計每個子數(shù)據(jù)集小時粒度的操作量時間序列，然后基于各操作量時間序列間的DTW距離矩陣，利用層次聚類方法，聚類并合并具有相似時間序列的子數(shù)據(jù)集，最后基于國土規(guī)劃空間分析任務(wù)號和日志記錄時間，提取同一規(guī)劃空間分析項目“同一次操作”下的日志記錄。國土規(guī)劃空間分析異常檢測部分主要基于圖層分析日志記錄的面積、耗時信息對國土規(guī)劃空間分析異常操作進行識別和提取。