本发明专利技术提供一种网络系统异常检测方法、装置、电子设备及存储介质，属于计算机网络技术领域，所述方法包括：抽取目标数量的目标算力节点，并确定各目标算力节点的关联算力节点；确定各目标算力节点数据流图的特征数据并得到所述异常值检测模型输出的各目标算力节点数据流图对应的异常指数，进而确定异常目标算力节点数据流图。本发明专利技术的网络系统异常检测方法，通过抽取一定数量的目标算力节点以及关联算力节点，能够降低对整个算力网络系统监测的工作量，通过构建以目标算力节点为中心的数据流图来进行算力和网络的异常分析，能够全面反映算力节点之间的连接关系，便于针对多个异常算力节点以及连接关系来进行全面的异常分析。算力节点以及连接关系来进行全面的异常分析。算力节点以及连接关系来进行全面的异常分析。
【技术实现步骤摘要】
网络系统异常检测方法、装置、电子设备及存储介质
[0001]本专利技术涉及计算机网络
，尤其涉及一种网络系统异常检测方法、装置、电子设备及存储介质。
技术介绍
[0002]算力网络通过具备感知、聚合、编排以及调度等能力的中枢系统，对底层的云与边缘节点、超算、智算和其他社会算力进行统一纳管和智能调度。基于零信任思想，中枢系统需要对底层网络算力节点进行实时认证、感知、监控和分析，以实现对底层网络算力节点和上层应用需求的高效、准确的匹配调度，同时，实时防范异常攻击等安全事件，并对异常事件进行快速的根因定位和处理等。
[0003]然而，由于算力网络底层纳管算力、存储、网络等资源众多，算力网络节点间的互联网络关系复杂，一方面，对算力网络底层所有算力节点间关系的建模所耗费的算力和存储资源巨大；另一方面，通过算力网络，除去南北向的应用调度资源关系外，还涉及更广泛的算力节点间的东西向互联。
[0004]相关技术中，依赖于已知、确定的资源信息，可以将任务下发到相应的算力网络节点，如果任务因算力节点变更导致运行出现异常，则将异常任务反馈到算力网络编排系统，进行二次编排和调度。在本方案中，需要构建整个算力节点网络模型，需要耗费巨大算力，且异常应用的搬迁会降低网络服务质量。或者，通过定性或定量的算力度量衡插件，实时对算力网络算力节点的算力、存储、网络进行认证、感知和采集，将相关变更信息上报到算力网络中枢系统，由其进行主动性的编排策略优化。在本方案中，由于只能检测到单个算力节点，网络系统异常检测还不够完善。
专利
技术实现思路
[0005]本专利技术提供一种网络系统异常检测方法、装置、电子设备及存储介质，用以解决现有技术中算力网络系统检测还不够完善的缺陷，实现在不影响网络服务质量的情况下对算力节点及各算力节点关系的完整检测。
[0006]本专利技术提供一种网络系统异常检测方法，包括：从算力网络系统纳管的算力节点中抽取目标数量的目标算力节点，并确定各目标算力节点的关联算力节点；基于各目标算力节点以及各目标算力节点的关联算力节点，确定各目标算力节点在目标时间段内X个时刻的目标算力节点数据流图；X为大于1的正整数；基于各目标算力节点数据流图中各算力节点的算力信息和网络信息，确定各目标算力节点数据流图的特征数据；将各目标算力节点数据流图的特征数据输入至异常值检测模型，得到所述异常值检测模型输出的各目标算力节点数据流图对应的异常指数；基于各目标算力节点数据流图对应的异常指数，从各目标算力节点数据流图中确
定异常目标算力节点数据流图。
[0007]根据本专利技术提供的一种网络系统异常检测方法，所述基于各目标算力节点数据流图中各算力节点的算力信息和网络信息，确定各目标算力节点数据流图的特征数据，包括：基于各目标算力节点数据流图中各算力节点的算力信息，确定各目标算力节点数据流图的算力特征数据；基于各目标算力节点数据流图中各算力节点的网络信息，确定各目标算力节点数据流图的网络特征数据；将每个所述目标算力节点数据流图的算力特征数据和网络特征数据按照预设顺序拼接，构建各目标算力节点数据流图的一维特征向量；基于X个时刻的目标算力节点数据流图的一维特征向量，构建各目标算力节点数据流图的向量矩阵，并将各目标算力节点数据流图的向量矩阵作为各目标算力节点数据流图的特征数据。
[0008]根据本专利技术提供的一种网络系统异常检测方法，所述算力信息包括算力节点的算力类型、各算力类型的算力节点数以及各算力节点的算力容量。
[0009]根据本专利技术提供的一种网络系统异常检测方法，所述网络信息包括算力节点的网络类型、各网络类型的算力节点数以及各算力节点的网络带宽、网络抖动数据和网络时延数据。
[0010]根据本专利技术提供的一种网络系统异常检测方法，所述从算力网络系统纳管的算力节点中抽取目标数量的目标算力节点，并确定各目标算力节点的关联算力节点，包括：采用有放回抽样方式从所述算力网络系统纳管的算力节点中抽取目标数量的目标算力节点；算力节点的被抽取概率与各算力节点对应的算力容量正相关；基于各目标算力节点与所述算力网络系统纳管的其他算力节点的连接关系，确定各目标算力节点的关联算力节点；其中，按照各算力节点的算力容量由大到小排序，第j个算力节点被抽中的概率为：,M为均衡指数，M≥0，N为算力节点的数量。
[0011]根据本专利技术提供的一种网络系统异常检测方法，所述目标数量k满足：，P为目标算力节点数据流图的最大算力节点数，Y为算力节点的采样覆盖率。
[0012]根据本专利技术提供的一种网络系统异常检测方法，所述异常值检测模型为孤立森林算法模型，各目标算力节点数据流图对应的异常指数为各目标算力节点数据流图的特征数据在所述孤立森林算法模型中各个树的深度平均值。
[0013]本专利技术还提供一种网络系统异常检测装置，包括：第一处理模块，用于从算力网络系统纳管的算力节点中抽取目标数量的目标算力节点，并确定各目标算力节点的关联算力节点；第二处理模块，用于基于各目标算力节点以及各目标算力节点的关联算力节点，确定各目标算力节点在目标时间段内X个时刻的目标算力节点数据流图；X为大于1的正整数；
第三处理模块，用于基于各目标算力节点数据流图中各算力节点的算力信息和网络信息，确定各目标算力节点数据流图的特征数据；第四处理模块，用于将各目标算力节点数据流图的特征数据输入至异常值检测模型，得到所述异常值检测模型输出的各目标算力节点数据流图对应的异常指数；第五处理模块，用于基于各目标算力节点数据流图对应的异常指数，从各目标算力节点数据流图中确定异常目标算力节点数据流图。
[0014]本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述网络系统异常检测方法。
[0015]本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述网络系统异常检测方法。
[0016]本专利技术还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述网络系统异常检测方法。
[0017]本专利技术提供的网络系统异常检测方法、装置、电子设备及存储介质，通过抽取一定数量的目标算力节点以及关联算力节点，能够降低对整个算力网络系统监测分析的工作量，通过构建以目标算力节点为中心的数据流图来进行算力和网络的异常分析，能够全面反映算力节点之间的连接关系，便于针对多个异常算力节点以及连接关系来进行全面的异常分析。
附图说明
[0018]为了更清楚地说明本专利技术或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0019]图1是本专利技术提供的网络系统异常检测方法的流程示意图；图2是本专利技术提供的各算力节点的采样概率分布图之一；图3是本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种网络系统异常检测方法，其特征在于，包括：从算力网络系统纳管的算力节点中抽取目标数量的目标算力节点，并确定各目标算力节点的关联算力节点；基于各目标算力节点以及各目标算力节点的关联算力节点，确定各目标算力节点在目标时间段内X个时刻的目标算力节点数据流图；X为大于1的正整数；基于各目标算力节点数据流图中各算力节点的算力信息和网络信息，确定各目标算力节点数据流图的特征数据；将各目标算力节点数据流图的特征数据输入至异常值检测模型，得到所述异常值检测模型输出的各目标算力节点数据流图对应的异常指数；基于各目标算力节点数据流图对应的异常指数，从各目标算力节点数据流图中确定异常目标算力节点数据流图。2.根据权利要求1所述的网络系统异常检测方法，其特征在于，所述基于各目标算力节点数据流图中各算力节点的算力信息和网络信息，确定各目标算力节点数据流图的特征数据，包括：基于各目标算力节点数据流图中各算力节点的算力信息，确定各目标算力节点数据流图的算力特征数据；基于各目标算力节点数据流图中各算力节点的网络信息，确定各目标算力节点数据流图的网络特征数据；将每个所述目标算力节点数据流图的算力特征数据和网络特征数据按照预设顺序拼接，构建各目标算力节点数据流图的一维特征向量；基于X个时刻的目标算力节点数据流图的一维特征向量，构建各目标算力节点数据流图的向量矩阵，并将各目标算力节点数据流图的向量矩阵作为各目标算力节点数据流图的特征数据。3.根据权利要求1所述的网络系统异常检测方法，其特征在于，所述算力信息包括算力节点的算力类型、各算力类型的算力节点数以及各算力节点的算力容量。4.根据权利要求1所述的网络系统异常检测方法，其特征在于，所述网络信息包括算力节点的网络类型、各网络类型的算力节点数以及各算力节点的网络带宽、网络抖动数据和网络时延数据。5.根据权利要求1所述的网络系统异常检测方法，其特征在于，所述从算力网络系统纳管的算力节点中抽取目标数量的目标算力节点，并确定各目标算力节点的关联算力节点，包括：采用有放回抽样方式从所述算力网络系统纳管的算力...
【专利技术属性】
技术研发人员：崔超，沈林江，
申请(专利权)人：浪潮通信信息系统有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。