一种多节点应用的异常检测方法及相关装置制造方法及图纸

本发明专利技术实施例公开了一种多节点应用的异常检测方法及相关装置，用于及时发现应用间的相互干扰，检测多节点应用的异常行为。本发明专利技术实施例包括采集多节点应用运行时产生的数据；根据采集到的数据，构建应用交互拓扑图，应用交互拓扑图包括节点特征向量和边特征向量；判断应用交互拓扑图与预置的应用交互拓扑图是否同构；若应用交互拓扑图与预置的应用交互拓扑图不同构，则确定出多节点应用运行时存在异常。

【技术实现步骤摘要】
一种多节点应用的异常检测方法及相关装置
本专利技术涉及异常检测
，尤其是涉及一种多节点应用的异常检测方法及相关装置。
技术介绍
随着云计算技术的兴起与发展，各种云平台应运而生，如谷歌(Google)发布的一个开发、托管网络应用程序的平台GoogleAPPengine，它使用Google管理的数据中心，并采用云计算技术通过跨越多个服务器和数据中心来虚拟化应用程序，同时随着手机的普遍使用，各种手机平台也随之出现，如Google为安卓(Android)设备开发的在线应用程序商店GooglePlay，用于为Android用户提供多节点应用程序，其中，多节点应用程序是指在多个机器上部署应用程序。可是，目前还没有对多节点应用程序异常行为进行检测的有效方案，例如，针对最广泛的多节点应用程序——第三方应用程序，有必要提出一种异常检测方法来及时发现应用间的相互干扰和异常行为。
技术实现思路
本专利技术实施例提供了一种多节点应用的异常检测方法及相关装置，用于及时发现应用间的相互干扰，检测多节点应用的异常行为。有鉴于此，本专利技术一方面提供一种多节点应用的异常检测方法，可包括：采集多节点应用运行时产生的数据；根据采集到的数据，构建应用交互拓扑图，所述应用交互拓扑图包括节点特征向量和边特征向量；判断所述应用交互拓扑图与预置的应用交互拓扑图是否同构；若所述应用交互拓扑图与预置的应用交互拓扑图不同构，则确定出所述多节点应用运行时存在异常。在第一种可能的实现方式中，所述采集多节点应用运行时产生的数据包括：采集多节点应用运行时，在网络层、操作系统层和体系结构层上产生的数据，其中，网络层上采集到的数据包括数据包类型和流量大小，操作系统层上采集到的数据包括中央处理器CPU利用率和磁盘输入输出IO数据，体系结构层上采集到的数据包括缓存失效cachemiss数据和混合指令集instructionmix数据。结合第一方面的第一种可能的实现方式，在第二种可能的实现方式中，所述根据采集到的数据，构建应用交互拓扑图包括：根据操作系统层和体系结构层上采集到的数据，构建应用交互拓扑图中的节点特征向量，根据网络层上采集到的数据，构建应用交互拓扑图中的边特征向量，其中，所述节点特征向量包括节点网协IP地址，CPU利用率，磁盘IO数据，cachemiss数据和instructionmix数据，所述边特征向量包括数据包类型和流量大小。结合第一方面或第一方面的第一种或第二种可能的实现方式，在第三种可能的实现方式中，所述判断所述应用交互拓扑图与预置的应用交互拓扑图是否同构之后，包括：若所述应用交互拓扑图与预置的应用交互拓扑图同构，则确定出所述多节点应用运行时不存在异常。结合第一方面或第一方面的第一种或第二种可能的实现方式，在第四种可能的实现方式中，所述判断所述应用交互拓扑图与预置的应用交互拓扑图是否同构之后，包括：若所述应用交互拓扑图与预置的应用交互拓扑图同构，对节点特征向量和/或边特征向量进行判断，所述对所述节点特征向量和/或所述边特征向量进行判断包括：对所述节点特征向量和边特征向量进行判断时，若所述节点特征向量和边特征向量满足预置条件，则确定出所述多节点应用运行时不存在异常，若所述节点特征向量或边特征向量不满足预置条件，则确定出所述多节点应用运行时存在异常；对所述节点特征向量或边特征向量进行判断时，若所述节点特征向量或边特征向量满足预置条件，则确定出所述多节点应用运行时不存在异常，若所述节点特征向量或边特征向量不满足预置条件，则确定出所述多节点应用运行时存在异常。结合第一方面的第四种可能的实现方式，在第五种可能的实现方式中，所述节点特征向量包括CPU利用率，磁盘IO数据，cachemiss数据和instructionmix数据；所述对节点特征向量进行判断包括：对于每一个节点特征向量，构造所述节点特征向量在N个应用实例下的N*N差异性矩阵，Xij为i行对应的应用实例下该节点特征向量属性值大于j列对应的应用实例下该节点特征向量属性值的次数，其中，Xij为所述N*N差异性矩阵中的元素，N为大于1的正整数，i，j为大于等于1且小于等于N的正整数；根据所述N*N差异性矩阵中的元素，获取所述N个应用实例之间所述节点特征向量属性值的大小关系；将获取的节点特征向量属性值的大小关系与第一预置关系式比较，若所述大小关系与第一预置关系式相符，则确定出所述节点特征向量满足预置条件，若所述大小关系与第一预置关系式不相符，则确定出所述节点特征向量不满足预置条件。结合第一方面的第五种可能的实现方式，在第六种可能的实现方式中，所述构造所述节点特征向量在N个应用实例下的N*N差异性矩阵之前，包括：读取N个应用实例下的节点特征向量属性值；若读取的节点特征向量属性值在第一预置阈值范围内，则触发构造所述节点特征向量在N个应用实例下的N*N差异性矩阵；若读取的节点特征向量属性值不在第一预置阈值范围内，则确定出所述多节点应用运行时存在异常。结合第一方面的第四种可能的实现方式，在第七种可能的实现方式中，所述边特征向量为流量大小，所述对边特征向量进行判断包括：构造所述边特征向量在M个应用实例下的M*M差异性矩阵，Xpq为p行对应的应用实例发送到q列对应的应用实例的边特征向量属性值大小，其中，Xpq为所述M*M差异性矩阵中的元素，M为大于1的正整数，p，q为大于等于1且小于等于M的正整数；根据所述M*M差异性矩阵中的元素，获取所述M个应用实例之间所述边特征向量属性值的比例关系；将获取的边特征向量属性值的比例关系与第二预置关系式比较，若所述比例关系与第二预置关系式相符，则确定出所述边特征向量满足预置条件，若所述比例关系与第二预置关系式不相符，则确定出所述边特征向量不满足预置条件。结合第一方面的第七种可能的实现方式，在第八种可能的实现方式中，所述构造所述边特征向量在M个应用实例下的M*M差异性矩阵之前，包括：读取M个应用实例下的边特征向量属性值；若读取的边特征向量属性值在第二预置阈值范围内，则触发构造所述边特征向量在M个应用实例下的M*M差异性矩阵；若读取的边特征向量属性值不在第二预置阈值范围内，则确定出所述多节点应用运行时存在异常。本专利技术第二方面提供一种多节点应用的异常检测装置，可包括：数据采集模块，用于采集多节点应用运行时产生的数据；构图模块，用于根据所述数据采集模块采集到的数据，构建应用交互拓扑图，所述应用交互拓扑图包括节点特征向量和边特征向量；判断模块，用于判断所述构图模块构建的应用交互拓扑图与预置的应用交互拓扑图是否同构，若所述应用交互拓扑图与预置的应用交互拓扑图不同构，则确定出所述多节点应用运行时存在异常。在第一种可能的实现方式中，所述数据采集模块具体用于：采集多节点应用运行时，在网络层、操作系统层和体系结构层上产生的数据，其中，网络层上采集到的数据包括数据包类型和流量大小，操作系统层上采集到的数据包括中央处理器CPU利用率和磁盘输入输出IO数据，体系结构层上采集到的数据包括缓存失效cachemiss数据和混合指令集instructionmix数据。结合第二方面的第一种可能的实现方式，在第二种可能的实现方式中，所述构图模块具体用于：根据操作系统层和体系结构层上采集到的数据，构建应用交互拓扑图中的节本文档来自技高网...

【技术保护点】
一种多节点应用的异常检测方法，其特征在于，包括：采集多节点应用运行时产生的数据；根据采集到的数据，构建应用交互拓扑图，所述应用交互拓扑图包括节点特征向量和边特征向量；判断所述应用交互拓扑图与预置的应用交互拓扑图是否同构；若所述应用交互拓扑图与预置的应用交互拓扑图不同构，则确定出所述多节点应用运行时存在异常。

【技术特征摘要】
1.一种多节点应用的异常检测方法，其特征在于，包括：采集多节点应用运行时产生的数据；根据采集到的数据，构建应用交互拓扑图，所述应用交互拓扑图包括节点特征向量和边特征向量；判断所述应用交互拓扑图与预置的应用交互拓扑图是否同构；若所述应用交互拓扑图与预置的应用交互拓扑图同构，则对所述节点特征向量和/或所述边特征向量判断所述多节点应用运行时是否存在异常；若所述应用交互拓扑图与预置的应用交互拓扑图不同构，则确定出所述多节点应用运行时存在异常。2.根据权利要求1所述的方法，其特征在于，所述采集多节点应用运行时产生的数据包括：采集多节点应用运行时在网络层、操作系统层和体系结构层上产生的数据，其中，网络层上采集到的数据包括数据包类型和流量大小，操作系统层上采集到的数据包括中央处理器CPU利用率和磁盘输入输出IO数据，体系结构层上采集到的数据包括缓存失效cachemiss数据和混合指令集instructionmix数据。3.根据权利要求2所述的方法，其特征在于，所述根据采集到的数据，构建应用交互拓扑图包括：根据操作系统层和体系结构层上采集到的数据，构建应用交互拓扑图中的节点特征向量，根据网络层上采集到的数据，构建应用交互拓扑图中的边特征向量，其中，所述节点特征向量包括节点网协IP地址，CPU利用率，磁盘IO数据，cachemiss数据和instructionmix数据，所述边特征向量包括数据包类型和流量大小。4.根据权利要求1至3任一项所述的方法，其特征在于，所述判断所述应用交互拓扑图与预置的应用交互拓扑图是否同构之后，包括：若所述应用交互拓扑图与预置的应用交互拓扑图同构，则确定出所述多节点应用运行时不存在异常。5.根据权利要求1至3任一项所述的方法，其特征在于，所述对所述节点特征向量和/或所述边特征向量进行判断包括：对所述节点特征向量和边特征向量进行判断时，若所述节点特征向量和边特征向量满足预置条件，则确定出所述多节点应用运行时不存在异常，若所述节点特征向量或边特征向量不满足预置条件，则确定出所述多节点应用运行时存在异常；对所述节点特征向量进行判断时，若所述节点特征向量满足预置条件，则确定出所述多节点应用运行时不存在异常，若所述节点特征向量不满足预置条件，则确定出所述多节点应用运行时存在异常；对所述边特征向量进行判断时，若所述边特征向量满足预置条件，则确定出所述多节点应用运行时不存在异常，若所述边特征向量不满足预置条件，则确定出所述多节点应用运行时存在异常。6.根据权利要求5所述的方法，其特征在于，所述节点特征向量包括CPU利用率，磁盘IO数据，cachemiss数据和instructionmix数据；对所述节点特征向量进行判断包括：对于每一个节点特征向量，构造所述节点特征向量在N个应用实例下的N*N差异性矩阵，Xij为i行对应的应用实例下该节点特征向量属性值大于j列对应的应用实例下该节点特征向量属性值的次数，其中，Xij为所述N*N差异性矩阵中的元素，N为大于1的正整数，i，j为大于等于1且小于等于N的正整数；根据所述N*N差异性矩阵中的元素，获取所述N个应用实例之间所述节点特征向量属性值的大小关系；将获取的节点特征向量属性值的大小关系与第一预置关系式比较，若所述大小关系与第一预置关系式相符，则确定出所述节点特征向量满足预置条件，若所述大小关系与第一预置关系式不相符，则确定出所述节点特征向量不满足预置条件。7.根据权利要求6所述的方法，其特征在于，所述构造所述节点特征向量在N个应用实例下的N*N差异性矩阵之前，包括：读取N个应用实例下的节点特征向量属性值；若读取的节点特征向量属性值在第一预置阈值范围内，则触发构造所述节点特征向量在N个应用实例下的N*N差异性矩阵；若读取的节点特征向量属性值不在第一预置阈值范围内，则确定出所述多节点应用运行时存在异常。8.根据权利要求5所述的方法，其特征在于，所述边特征向量为流量大小，对所述边特征向量进行判断包括：构造所述边特征向量在M个应用实例下的M*M差异性矩阵，Xpq为p行对应的应用实例发送到q列对应的应用实例的边特征向量属性值大小，其中，Xpq为所述M*M差异性矩阵中的元素，M为大于1的正整数，p，q为大于等于1且小于等于M的正整数；根据所述M*M差异性矩阵中的元素，获取所述M个应用实例之间所述边特征向量属性值的比例关系；将获取的边特征向量属性值的比例关系与第二预置关系式比较，若所述比例关系与第二预置关系式相符，则确定出所述边特征向量满足预置条件，若所述比例关系与第二预置关系式不相符，则确定出所述边特征向量不满足预置条件。9.根据权利要求8所述的方法，其特征在于，所述构造所述边特征向量在M个应用实例下的M*M差异性矩阵之前，包括：读取M个应用实例下的边特征向量属性值；若读取的边特征向量属性值在第二预置阈值范围内，则触发构造所述边特征向量在M个应用实例下的M*M差异性矩阵；若读取的边特征向量属性值不在第二预置阈值范围内，则确定出所述多节点应用运行时存在异常。10.一种多节点应用...

【专利技术属性】
技术研发人员：高婉铃，陆钢，王磊，左啸冰，
申请(专利权)人：华为技术有限公司，中国科学院计算技术研究所，
类型：发明
国别省市：广东;44