一种云计算故障数据检测方法及系统技术方案

本发明专利技术涉及一种云计算故障数据检测方法及系统，属于云故障检测领域。本发明专利技术包括：云计算故障训练数据处理步骤，对云计算故障训练数据集中的数据进行处理，得到每条故障训练数据的隶属度、每个故障类别的故障特征权重；待检测云计算数据所属故障类别判断步骤，根据故障训练数据的处理结果并结合云计算故障训练数据集扩充规则判断待检测云计算数据所属类别；云计算故障训练数据集扩充步骤，将满足云计算故障训练数据集扩充规则的待检测云计算数据及其类别信息加入故障训练数据扩充集。本发明专利技术有助于完善故障训练数据模型，识别新的故障。

A method and system for detection of cloud computing fault data

The invention relates to a method and system for detecting cloud computing fault data, which belongs to the field of cloud fault detection. The present invention includes: cloud computing fault training data processing steps, calculate fault training data of cloud data, fault feature weight of membership, each category of each fault fault training data; detecting cloud computing data belongs to fault type judgment procedures according to the fault processing training data and combined with the result of cloud computing set rules to judge whether cloud computing data category fault training data; cloud computing fault training data set extension step, will meet the cloud detection to cloud computing fault training data set expansion rules calculation data and fault information into the category of training data set extension. The invention helps to improve the fault training data model and identify the new fault.

【技术实现步骤摘要】
一种云计算故障数据检测方法及系统
本专利技术涉及一种云计算故障数据检测方法及系统，属于云故障检测领域。
技术介绍
故障检测主要研究如何对系统中出现的故障进行检测、分离和识别，即判断故障是否发生，定位故障发生的位置和种类，以确定故障的大小和发生的时间等。近年来，云计算的应用技术越来越广泛，然而大量的恶意攻击和其自身的复杂性与大规模性使得系统及其上的各种软硬件经常发生故障，引起部分甚至所有服务的失效。云计算故障检测技术已经成为该领域的研究热点。饶翔等提出一种基于故障注入测试的故障特征提取方法，首先过滤噪声日志；然后构造故障识别器识别不同故障的早期特征；最后为每类故障构造限状态追踪器追踪该故障的后期传播状态，从而在故障被识别出来后持续跟踪故障传播状态。张丹伟等提出一种基于模拟退火算法的隐马尔科夫模型用于故障数据检测，首先利用模拟退火算法全局寻优的特性求解隐马尔科夫模型的初始参数，解决传统隐马尔科夫模型对初始参数敏感的问题；然后用改进的隐马尔科夫模型对故障数据进行检测，使结果达到全局最优，提高了检测精度。SongFu等提出了一种云环境下基于贝叶斯与决策树的主动故障管理方法，首先利用贝叶斯模型本文档来自技高网...

【技术保护点】
一种云计算故障数据检测方法，其特征在于：包括：云计算故障训练数据处理步骤，对云计算故障训练数据集中的数据进行处理，得到每条故障训练数据的隶属度、每个故障类别的故障特征权重；待检测云计算数据所属故障类别判断步骤，根据故障训练数据的处理结果并结合云计算故障训练数据集扩充规则判断待检测云计算数据所属类别；云计算故障训练数据集扩充步骤，将满足云计算故障训练数据集扩充规则的待检测云计算数据及其类别信息加入故障训练数据扩充集。

【技术特征摘要】
1.一种云计算故障数据检测方法，其特征在于：包括：云计算故障训练数据处理步骤，对云计算故障训练数据集中的数据进行处理，得到每条故障训练数据的隶属度、每个故障类别的故障特征权重；待检测云计算数据所属故障类别判断步骤，根据故障训练数据的处理结果并结合云计算故障训练数据集扩充规则判断待检测云计算数据所属类别；云计算故障训练数据集扩充步骤，将满足云计算故障训练数据集扩充规则的待检测云计算数据及其类别信息加入故障训练数据扩充集。2.根据权利要求1所述的云计算故障数据检测方法，其特征在于：所述方法的具体步骤如下：Step1：云计算故障训练数据处理；Step1.1：输入含m个故障类别且每个故障类别含有n个故障训练数据的云计算故障训练数据集D＝{D1,…,Di,…,Dm}，Di＝{xi1,…,xij,…,xin}，xij＝[xij1,…,xijl,…,xijp,ci]，i＝1,2,…,m，j＝1,2,…,n，l＝1,2,…p，其中Di表示属于第i个故障类别的故障训练数据，xij表示Di中第j条故障训练数据，xijl表示Di中第j条故障训练数据的第l个故障特征，ci表示xij所属故障类别，m表示故障类别数，n表示Di中故障训练数据个数，p表示故障训练数据的故障特征数；Step1.2：利用基于密度聚类的思想将D中每个故障类别的故障训练数据分别构建成一个最小球，计算最小球的球中心ai和半径Ri，并结合故障训练数据在最小球中的位置，按照不同规则确定故障训练数据的隶属度msij，其中ai表示D中第i个故障类别的故障训练数据构建最小球的球中心，Ri表示D中第i个故障类别的故障训练数据构建最小球的半径，msij表示Di中第j条故障训练数据的隶属度；Step1.3：根据云计算故障训练数据故障特征的模糊熵值来计算每个故障类别的特征权重wi，wi＝{wi1,…,wil,…,wip}，并将wi存入w，w＝{w1,…,wi,…,wm},其中w表示D中故障训练数据的故障特征权重集合，wi表示Di中故障训练数据的故障特征权重，wil表示第i个故障类别第l个故障特征的权重；Step2：待检测云计算数据所属故障类别判断；其中待检测云计算数据集用U表示，U＝{u1,…,uq,…,ue}，uq＝{uq1,…,uql,…,uqp}，其中uq表示待检测云计算数据集U中第q个云计算数据，uql表示U中第q个云计算数据中第l个故障特征，q＝1,2,…,e，e表示待检测云计算数据个数；Step2.1：判断q是否小于等于e：如果是，提取uq，并根据公式计算uq与D中故障训练数据的加权欧式距离d(xij)，并根据距离点排序，构建一个集合distanceSet；否则，执行Step3；Step2.2：提取distanceSet中k个最小距离对应的故障训练数据，并设置阈值σ1，σ2，其中k小于等于n×m；Step2.3：根据k个故障训练数据中隶属度最大值Max_ms对应故障训练数据的类别信息和云计算故障训练数据集扩充规则来确定待检测云计算数据的类别；其中云计算故障训练数据集扩充规则为：①根据Max_ms大于阈值σ1且待检测云计算数据与Max_ms对应故障训练数据所属故障类别的理想故障训练数据的距离小于匹配阈值ρ来确定将该待检测云计算数据及其类别信息加入已知故障类别扩充集known_fault；②根据Max_ms小于阈值σ2来确定待检测云计算数据为未知故障类别并将该数据和其类别信息加入未知故障类别扩充集Unknown_fault；q++，执行Step2.1；Step3：云计算故障训练数据集扩充，将满足云计算故障训练集扩充规则的known_fault_set和Unknown_fault_set存入云计算故障训练数据扩充集Ext_D，其中Ext_D用于扩充云计算故障训练数据集D。3.根据权利要求2所述的云计算故障数据检测方法，其特征在于：所述故障训练数据的隶属度，计算方法为：1)初始化：i＝1，球中心集Centroids为空，最小球半径集Radious为空，隶属度集ms为空；2)判断i是否小于等于m：如果是，提取Di中的故障训练数据，令j＝1，并执行3)；否则，输出Centroids、Radious和ms，并执行Step1.3；3)判断j是否小于等于n：如果是，执行4)；否则，令j＝1，并执行6)；4)根据公式(1)计算xij与Di中其他故障训练数据之间的欧式距离distance(xij,xir)，将distance(xij,xir)存入dj，并对dj升序排列，dj表示Di中第j个故障训练数据与Di中其他数据距离的集合；其中xirl表示Di中第r个故障训练数据的第l个故障特征，r≠j且r＝1,2,…,n，n为Di中的故障训练数据个数；5)提取距离集dj中前K个值(K≤n-1)，计算K个值的倒数和zij及z＝z+zij，并将zij存入zi，其中z表示zij的累加，zi表示Di中故障训练数据距离集前K个值倒数和集；j++，执行3)；6)判断j是否小于等于n：如果是，执行7)；否则，对Gi降序排列，Gi为Di中故障训练数据的密度集，并执行8)；7)根据公式(2)计算Di中xij的密度density(xij)，并将density(xij)存入Gi；j++，执行6)；8)提取Gi中最大密度所对应的故障训练数据xmax，计算xmax与Di中其他故障训练数据的欧式距离，获得最小距离对应的故障训练数据xmin；9)根据公式(3)计算得到球中心ai，并将球中心ai存入球中心集Centroids；ai＝0.6*xmax+0.4*xmin(3)10)计算ai与Di中故障训练数据的欧式距离，并求距离平均值aver(Di)，设置最小球半径调节系数coefR，根据公式(4)计算最小球半径Ri，将Ri存入Radious；令j＝1，并执行11)；其中，n表示Di中故障训练数据的个数...

【专利技术属性】
技术研发人员：姜瑛，刘诚诚，李凌宇，刘英莉，丁家满，汪海涛，
申请(专利权)人：昆明理工大学，
类型：发明
国别省市：云南,53