处理健康信息以确定是否发生异常制造技术

本文公开的示例涉及根据深度学习模型处理计算设备的健康信息，以确定是否已经发生异常。多个计算设备可以是系统的一部分。计算设备之一包括主机处理元件、与主机处理元件分离的管理控制器以及深度学习模型，该深度学习模型包括经训练来识别计算设备的异常行为的参数。管理控制器可以从计算设备的多个组件接收健康信息，并根据深度学习模型处理健康信息，以确定是否发生异常。以确定是否发生异常。以确定是否发生异常。

【技术实现步骤摘要】
处理健康信息以确定是否发生异常

技术介绍

[0001]信息技术公司和制造商面临着例如通过提供具有高可用性和/或安全性的计算设备向消费者提供质量和价值的挑战。高可用性是一种旨在确保一定水平的操作性能的特性，例如比不具有高可用性特性的系统更长的正常运行时间。系统可能会感染恶意软件或出现其他对消费者有害的异常情况。
附图说明
[0002]以下参考附图进行详细描述，其中：
[0003]图1是根据一个示例的具有管理控制器的计算设备的框图，该管理控制器能够根据深度学习模型来处理与该计算设备相关联的健康信息，以确定是否已经发生异常；
[0004]图2是根据一个示例的能够更新和使用深度学习模型来确定是否已经发生异常的系统的框图；
[0005]图3是根据一个示例的使用管理控制器和深度学习模型来确定计算设备处是否已经发生异常的方法的流程图；
[0006]图4是根据一个示例的能够确定计算设备上是否已经发生异常的管理控制器的框图；
[0007]图5是根据一个示例的用于响应于确定计算设备上存在异常而采取行动的方法的流程图；
[000本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种计算系统，包括：多个计算设备；所述多个计算设备中的一个计算设备包括：主机处理元件；与所述主机处理元件分离的管理控制器，其中所述管理控制器由与所述处理元件分离的电源轨供电；深度学习模型，其包括经训练来识别所述一个计算设备的异常行为的参数，其中所述管理控制器用于执行指令以：从所述一个计算设备的多个组件接收健康信息；以及根据所述深度学习模型处理所述健康信息，以确定是否已经发生异常。2.根据权利要求1所述的计算系统，其中所述深度学习模型基于针对与所述多个计算设备相关联的特定工作负荷的预先训练的深度学习模型。3.根据权利要求1所述的计算系统，进一步包括：分析平台，其包括存储在计算机可读介质上的指令，所述指令当由另一处理元件执行时使得所述另一处理元件：从多个计算设备接收健康信息参数反馈；基于所述深度学习模型和所述健康信息参数反馈来更新更新的深度学习模型；以及向所述一个计算设备提供所述更新的深度学习模型。4.根据权利要求3所述的计算系统，其中，所述一个计算设备的所述管理控制器进一步用于：处理所述健康信息以生成所述健康信息参数反馈的一部分；并将所述健康信息参数反馈的所述一部分发送给所述分析平台。5.根据权利要求4所述的计算系统，进一步包括：所述多个计算设备中之一的第二个计算设备，包括：第二主机处理元件；与所述第二主机处理元件分离的第二管理控制器，其中所述第二管理控制器由与所述第二处理元件分离的电源轨供电；其中所述第二管理控制器用于执行指令以：接收所述更新的深度学习模型；从所述第二个计算设备的多个组件中检索第二健康信息；根据所述更新的深度学习模型处理所述第二健康信息，以确定已经发生第二异常。6.根据权利要求1所述的计算系统，其中所述管理控制器进一步用于：确定所述异常存在；确定所述异常的分类；以及响应于基于所述分类的所述异常的确定而采取行动。7.根据权利要求6所述的计算系统，进一步包括：分析平台，其包括存储在计算机可读介质上的指令，所述指令当由另一处理元件执行时使得所述另一处理元件：接收响应于所述行动的管理员响应；以及
使得分析平台基于所述管理员响应更新所述深度学习模型，其中所述深度学习模型的更新包括在所述行动发生之后来自多个计算设备的健康信息参数反馈。8.根据权利要求6所述的计算系统，其中所述行动包括将所述一个计算设备与所述多个计算设备中的其他计算设备隔离。9.根据权利要求6所述的计算系统，其中所述行动包括将固件组件更新到由所述多个计算设备中的其他计算设备使用的版本。10.根据权利要求9所述的计算系统，其中所述多个计算设备中的所述其他计算设备与所述一个计算设备具有相同的模型。11.根据权利要求6所述的计算系统，其中所述行动包括发送关于包括所述分类的所述异常的通知。12.根据权利要求11所述的计算系统，进一步包括：所述多个计算设备中之一的第二个计算设备，包括：第二主机处理元件；与所述第二主机处理元件分离的第二管理控制器，其中所述第二管理控制器由与所述第二处理元件分离的电源轨供电；其中所述第二管理控...

【专利技术属性】
技术研发人员：J，
申请(专利权)人：慧与发展有限责任合伙企业，
类型：发明
国别省市：