一种终端异常状态确定方法和装置制造方法及图纸

本申请提供了一种终端异常确定方法和装置，该方法包括：处理设备计算每个样本的特征向量的多元高斯分布的概率密度函数值；并根据所有样本的特征向量的多元高斯分布的概率密度函数值，以及样本的标记值确定状态异常阈值；将多元高斯分布的概率密度函数，以及确定的状态异常阈值发送给待测终端，使该待测终端获取自身的指标参数计算特征向量，并计算该特征向量对应的多元高斯分布的概率密度函数值，根据该多元高斯分布的概率密度函数值和状态异常阈值确定本终端是否处于异常状态。该方法能够及时、准确地监测出终端的异常状态。

Terminal abnormal state determination method and device

The invention provides a terminal abnormality determining method and device. The method includes: processing equipment feature vector is calculated for each sample multivariate Gauss distribution probability density function value; and according to the feature vector of all samples of the multivariate Gauss distribution probability density function value, and the sample tag values determine the state probability of anomaly threshold; the density function of multivariate Gauss distribution, and determine the status of the abnormal threshold value is sent to the terminal to be measured, the measured parameters of its terminal access to computing feature vectors, and calculate the corresponding eigenvectors of Wongos distribution probability density function value, the terminal is in an abnormal state according to the probability density function of multivariate Gauss distribution the value and status of anomaly threshold. The method can monitor the abnormal state of the terminal in time and accurately.

【技术实现步骤摘要】
一种终端异常状态确定方法和装置
本专利技术涉及终端安全
，特别涉及一种终端异常状态确定方法和装置。
技术介绍
随着智能手机的普及，使用手机的人数越来越多，而且手机的硬件和软件性能也都在逐步提高，手机应用程序已经成为手机不可或缺的重要一个环节，但是开发出来的各种应用程序不一定都能完美运行，往往在运行中会出现各种各样的异常，出现异常后还继续运行会对手机有很大的耗损，应用程序也可能在运行时出现各种问题，出现很多负面的效果。现有手机异常状态检测方法通过经验设置手机异常的阈值，如最高温度，最低温度，CPU使用率，网络使用率等。采集现在手机内部的各种状态值，如温度，CPU使用率，网络吞吐量，IO频率等判断其是否超过阀值，来判断手机状态是否异常。由于各种状态阀值是一项经验值，设置常常是困难的，往往设置的不是最优解或者合理的值。因为某些阀值的设置是不可能的，如温度阈值；阀值的设置不能反映出手机正确的状态，譬如手机在玩大型游戏，温度会变的很高，可能会超过阀值，但却是正常的。而手机空闲状态下温度异常升高常常达不到温度阀值，却被错误的认定为正常，检测不出来。
技术实现思路
有鉴于此，本申请提供一种终端异常确定方法和装置，能够及时、准确地监测出终端的异常状态。为解决上述技术问题，本申请的技术方案是这样实现的：一种终端异常确定方法，该方法包括：接收到M个处于正常状态的样本终端和N个处于异常状态的样本终端发送的指标参数，使用同一个样本终端的相邻两组指标参数对应的值的变化量计算特征向量，并针对该特征向量值作标记，组成一个样本；其中，针对每个特征向量值作的标记为计算该特征向量值的指标参数所对应的样本终端所处的状态；计算每个样本的特征向量的多元高斯分布的概率密度函数值；并根据所有样本的特征向量的多元高斯分布的概率密度函数值，以及样本的标记值确定状态异常阈值；将多元高斯分布的概率密度函数，以及确定的状态异常阈值发送给待测终端，使该待测终端获取自身的指标参数计算特征向量，并计算该特征向量对应的多元高斯分布的概率密度函数值，根据该多元高斯分布的概率密度函数值和状态异常阈值确定本终端是否处于异常状态。一种终端异常确定方法，该方法包括：存储多元高斯分布的概率密度函数，以及状态异常阈值；需要确定所处状态是否异常时，获取相邻预设周期的两组指标参数，并使用两组指标参数对应的值的变化量确定特征向量；根据存储的多元高斯分布的概率密度函数，计算确定的特征向量对应的多元高斯分布的概率密度函数值；确定计算出的多元高斯分布的概率密度函数值是否大于所述状态异常阈值，如果是，确定该待测终端处于正常状态；否则，确定该待测终端处于异常状态，并发出告警。一种终端异常确定装置，该装置包括：接收单元、处理单元和发送单元；所述接收单元，用于接收样本终端发送的指标参数；所述处理单元，用于当所述接收单元接收到M个处于正常状态的样本终端和N个处于异常状态的样本终端发送的指标参数，使用同一个样本终端的相邻两组指标参数对应的值的变化量计算特征向量，并针对该特征向量值作标记，组成一个样本；其中，针对每个特征向量值作的标记为计算该特征向量值的指标参数所对应的样本终端所处的状态；计算每个样本的特征向量的多元高斯分布的概率密度函数值；并根据所有样本的特征向量的多元高斯分布的概率密度函数值，以及样本的标记值确定状态异常阈值；所述发送单元，用于将多元高斯分布的概率密度函数，以及所述处理单元确定的状态异常阈值发送给待测终端，使该待测终端获取自身的指标参数计算特征向量，并计算该特征向量对应的多元高斯分布的概率密度函数值，根据该多元高斯分布的概率密度函数值和状态异常阈值确定本终端是否处于异常状态。一种终端异常确定装置，该装置包括：存储单元、获取单元、计算单元和处理单元；所述存储单元，用于存储多元高斯分布的概率密度函数，以及状态异常阈值；所述获取单元，用于需要确定所处状态是否异常时，获取相邻预设周期的两组指标参数；所述计算单元，用于使用所述获取单元获取的两组指标参数对应的值的变化量确定特征向量；并根据所述存储单元存储的多元高斯分布的概率密度函数，计算确定的特征向量对应的多元高斯分布的概率密度函数值；所述处理单元，用于确定所述计算单元计算出的多元高斯分布的概率密度函数值是否大于所述存储单元存储的状态异常阈值，如果是，确定该待测终端处于正常状态；否则，确定该待测终端处于异常状态，并发出告警。由上面的技术方案可知，本申请中通过收集大量处于正常状态和异常状态的样本终端的指标参数，确定样本集；通过构建的样本集，以及多元高斯模型确定状态异常阈值，使用该状态异常阈值确定待测终端所处状态。能够准确、及时判断终端是否异常。附图说明图1为本申请实施例一中终端异常确定流程示意图；图2为本申请实施例二中终端异常确定流程示意图；图3为本申请实施例中应用于实施例一中所述技术的装置结构示意图；图4为本申请实施例中应用于实施例二中所述技术的装置结构示意图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，下面结合附图并举实施例，对本专利技术的技术方案进行详细说明。本申请实施例中提供一种终端异常确定方法，通过收集大量处于正常状态和异常状态的样本终端的指标参数，确定样本集；通过构建的样本集，以及多元高斯模型确定状态异常阈值，使用该状态异常阈值确定待测终端所处状态。该方案能够及时、准确地监测出终端的异常状态。本申请实施例中，在对待测终端确定所处状态之前，需要先构建判断模型，并确定状态异常阈值，构建判断模型，并确定状态异常阈值的设备，为了描述方便，下文统称为处理设备。下面给出详细过程：准备M个处于正常状态的样本终端，用于获取计算正常样本的指标参数，N个异常状态的终端，用于获取计算异常样本的指标参数。其中，M、N为大于0的整数。针对每个处于正常状态的样本终端，按照预设时间间隔获取样本终端的指标参数；至于获取多少组指标参数，可以根据实际需要确定；针对每个处于异常状态的样本终端，按照预设时间间隔获取样本终端的指标参数；至于获取多少组指标参数，可以根据实际需要确定。各样本终端获取的指标参数包括：CPU温度T1，电池温度T2，CPU负载L1，网络数据上行数据速率L2，网络数据下行数据速率L3，内存使用率L4，Nand-flash每秒读写字节数N1，当前运行的进程数量N2。各样本终端可以在本地使用获取的指标参数构建样本，也可以将指标参数发送给处理设备，在处理设备上构建样本。下面给出使用获取的指标参数构建样本；以构建一个样本为例：针对某个样本终端，在时刻t获取的指标参数包括：CPU温度T1a，电池温度T2a，CPU负载L1a，网络数据上行数据速率L2a，网络数据下行数据速率L3a，内存使用率L4a，Nand-flash每秒读写字节数N1a，当前运行的进程数量N2a；Nand-flash是一种存储介质。在时刻t+T获取的指标参数包括：CPU温度T1b，电池温度T2b，CPU负载L1b，网络数据上行数据速率L2b，网络数据下行数据速率L3b，内存使用率L4b，Nand-flash每秒读写字节数N1b，当前运行的进程数量N2b；T为预设周期，即每隔T时间获取一次指标参数。根据间隔预设周期T时间获取的两组指标参数确定一个特征向量：X(X1,X2,X3本文档来自技高网...

【技术保护点】
一种终端异常确定方法，其特征在于，该方法包括：接收到M个处于正常状态的样本终端和N个处于异常状态的样本终端发送的指标参数，使用同一个样本终端的相邻两组指标参数对应的值的变化量计算特征向量，并针对该特征向量值作标记，组成一个样本；其中，针对每个特征向量值作的标记为计算该特征向量值的指标参数所对应的样本终端所处的状态；计算每个样本的特征向量的多元高斯分布的概率密度函数值；并根据所有样本的特征向量的多元高斯分布的概率密度函数值，以及样本的标记值确定状态异常阈值；将多元高斯分布的概率密度函数，以及确定的状态异常阈值发送给待测终端，使该待测终端获取自身的指标参数计算特征向量，并计算该特征向量对应的多元高斯分布的概率密度函数值，根据该多元高斯分布的概率密度函数值和状态异常阈值确定本终端是否处于异常状态。

【技术特征摘要】
1.一种终端异常确定方法，其特征在于，该方法包括：接收到M个处于正常状态的样本终端和N个处于异常状态的样本终端发送的指标参数，使用同一个样本终端的相邻两组指标参数对应的值的变化量计算特征向量，并针对该特征向量值作标记，组成一个样本；其中，针对每个特征向量值作的标记为计算该特征向量值的指标参数所对应的样本终端所处的状态；计算每个样本的特征向量的多元高斯分布的概率密度函数值；并根据所有样本的特征向量的多元高斯分布的概率密度函数值，以及样本的标记值确定状态异常阈值；将多元高斯分布的概率密度函数，以及确定的状态异常阈值发送给待测终端，使该待测终端获取自身的指标参数计算特征向量，并计算该特征向量对应的多元高斯分布的概率密度函数值，根据该多元高斯分布的概率密度函数值和状态异常阈值确定本终端是否处于异常状态。2.根据权利要求1所述的方法，其特征在于，所述指标参数包括：CPU温度T1，电池温度T2，CPU负载L1，网络数据上行数据速率L2，网络数据下行数据速率L3，内存使用率L4，Nand-flash每秒读写字节数N1，当前运行的进程数量N2。3.根据权利要求1所述的方法，其特征在于，所述根据每个样本终端相邻预设周期的状态参数对应的值的变化量确定特征向量，包括：针对任一样本终端，在时刻t获取的指标参数包括：CPU温度T1a，电池温度T2a，CPU负载L1a，网络数据上行数据速率L2a，网络数据下行数据速率L3a，内存使用率L4a，Nand-flash每秒读写字节数N1a，当前运行的进程数量N2a；在时刻t+T获取的指标参数包括：CPU温度T1b，电池温度T2b，CPU负载L1b，网络数据上行数据速率L2b，网络数据下行数据速率L3b，内存使用率L4b，Nand-flash每秒读写字节数N1b，当前运行的进程数量N2b；其中，t为预设周期；确定的特征向量为：X(X1,X2,X3)，其中，X1＝△L1/(△L2+△L3)，X2＝△L1/(△N1+△N2)，△L1＝L1b-L1a，△L2＝L2b-L2a，△L3＝L3b-L3a，△L4＝L4b-L4a，△T1＝T1b-T1a，△T2＝T2b-T2a，△N1＝N1b-N1a，△N2＝N2b-N2a。4.根据权利要求1所述的方法，其特征在于，所述根据所有样本的特征向量的多元高斯分布概率密度函数值，以及样本的标记值确定状态异常阈值，包括：将每个样本的特征向量的多元高斯分布概率密度函数值p，与候选状态异常值ε进行比较；当p大于ε，确定为正常状态；否则，确定为异常状态；将针对每个特征向量确定的状态，与该样本对应的标记值进行比较，计算查全率和查准率；将使F1达到最大值的候选状态异常值确定为状态异常阈值；其中，F1＝(查全率+查准率)/(查全率×查准率)。5.根据权利要求1-4任一项所述的方法，其特征在于，通过M个样本终端获取的样本个数总和，与通过N个样本终端获取的样本个数总和的比值大于预设比值。6.一种终端异常确定方法，其特征在于，该方法包括：存储多元高斯分布的概率密度函数，以及状态异常阈值；需要确定所处状态是否异常时，获取相邻预设周期的两组指标参数，并使用两组指标参数对应的值的变化量确定特征向量；根据存储的多元高斯分布的概率密度函数，计算确定的特征向量对应的多元高斯分布的概率密度函数值；确定计算出的多元高斯分布的概率密度函数值是否大于所述状态异常阈值，如果是，确定该待测终端处于正常状态；否则，确定该待测终端处于异常状态，并发出告警。7.根据权利要求6所述的方法，其特征在于，所述方法进一步包括：每隔预设周期获取一组指标参数，存储最新获取的两组指标参数。8.根据权利要求6或7所述的方法，其特征在于，所述使用两组指标参数对应的值的变化量确定特征向量，包括：在时刻t获取的指标参数包括：CPU温度T1a，电池温度T2a，CPU负载L1a，网络数据上行数据速率L2a，网络数据下行数据速率L3a，内存使用率L4a，Nand-flash每秒读写字节数N1a，当前运行的进程数量N2a；在时刻t+T获取的指标参数包括：CPU温度T1b，电池温度T2b，CPU负载L1b，网络数据上行数据速率L2b，网络数据下行数据速率L3b，内存使用率L4b，Nand-flash每秒读写字节数N1b，当前运行的进程数量N2b；其中，T为预设周期；确定的特征向量为：X(X1,X2,X3)，其中，X1＝△L1/(△L2+△L3)，X2＝△L1/(△N1+△N2)，△L1＝L1b-L1a，△L2＝L2b-L2a，△L3＝L3b-L3a，△L4＝L4b-L4a，△T1＝T1b-T1a，△T2＝T2b-T2a，△N1＝N1b-N1a，△N2＝N2b-N2a。9.一种终端异常确定装置，其特征在于，该装置包括：接收单元、处理单元和发送单元；所述接收单元，用于接收样本终端发送的指标参数；所述处理单元，用于当所述接收单元接收到M个处于正常状态的样本终端和...

【专利技术属性】
技术研发人员：周加宝，刘桦，吕凯，
申请(专利权)人：三星电子中国研发中心，三星电子株式会社，
类型：发明
国别省市：江苏,32