【技术实现步骤摘要】
信创环境下基于大数据和机器学习的运维数据异常检测处理方法、装置、处理器及存储介质
[0001]本专利技术涉及大数据领域,尤其涉及人工智能领域,具体是指一种信创环境下基于大数据和机器学习实现运维数据异常检测处理的方法、装置、处理器及其计算机可读存储介质。
技术介绍
[0002]随着信息技术的普及和应用,人民的生产和生活早已与计算机应用紧密结合起来。不管是农林牧副渔所代表的第一产业,还是加工制造业和服务业,计算机应用都在通过它们强大的算力和突出的智能化,润物无声地改变着我们生活习惯,同时也极大地提高了社会运转的效率。然而,随着应用系统的体量变得越来越庞大,功能模块变得越来越复杂,如今的计算机系统很容易出现软件BUG以及被心怀不轨的黑客攻击而进入运行异常状态,而且这些异常的产生也呈现出复杂化和高频化的趋势,系统的运维工作也愈发困难,特别是在信创环境下,对于系统的稳定性提出了更高的要求。以往通过人工查看系统日志进行运维数据异常检测和问题诊断的方式耗时耗力,逐渐难以满足当前系统运维需求。因此,如何利用先进的技术手段研发一个高效的、完善的运维数据异常检测方法就成为了产业领域和学术界共同的当务之急。
[0003]在大数据时代,计算机系统的日志记录着系统运行时的状态信息,因而在很多关键节点,日志信息往往能够揭示系统性能方面的问题和功能方面的故障,并且能够帮助技术人员对问题的根本缘由进行深人分析。同时,这样的日志数据在各种各样的计算机系统中都是普遍且易获得的,因而日志数据已经成为了对系统异常进行分析和解决的重要信息来源。随着人 ...
【技术保护点】
【技术特征摘要】
1.一种信创环境下基于大数据和机器学习实现运维数据异常检测处理的方法,其特征在于,所述的方法包括以下步骤:(1)对网络运维大数据进行批量归一化;(2)对网络运维大数据进行PCA降维、去噪的操作;(3)对网络运维大数据进行样本平衡处理;(4)使用注意力模块进行注意力增强操作;(5)使用机器学习模型进行运维数据异常检测。2.根据权利要求1所述的信创环境下基于大数据和机器学习实现运维数据异常检测处理1的方法,其特征在于,所述的步骤(1)中进行批量归一化,具体为:根据以下公式计算进行批量归一化:根据以下公式计算进行批量归一化:根据以下公式计算进行批量归一化:y
i
=γz
i
+β;其中,N
batch
为每个批次网络运维大数据样本的个数,x
i
为某一批处理中第i个网络运维大数据样本的网络运维大数据特征,ε为趋近零的常量,γ和β为可学习重构参数。3.根据权利要求1所述的信创环境下基于大数据和机器学习实现运维数据异常检测处理的方法,其特征在于,所述的步骤(3)具体包括以下步骤:(3.1)计算网络运维大数据集的不平衡率;(3.2)计算合成的新网络运维大数据样本总数;(3.3)根据欧氏距离计算少数类样本x
i
的K个近邻网络运维大数据样本,并计算每个少数类网络运维大数据样本的γ
i
,γ
i
为第i个样本的可学习重构参数;(3.4)进行归一化处理;(3.5)计算每个少数类网络运维大数据样本合成的样本数量;(3.6)生成新网络运维大数据样本。4.根据权利要求3所述的信创环境下基于大数据和机器学习实现运维数据异常检测处理的方法,其特征在于,所述的步骤(3.1)中计算网络运维大数据集的不平衡率,具体为:根据以下公式计算网络运维大数据集的不平衡率:其中,d为网络运维大数据集的不平衡率,n1为不平衡的网络运维大数据样本种类的数量,n2为平衡的网络运维大数据样本的种类数量。5.根据权利要求3所述的信创环境下基于大数据和机器学习实现运维数据异常检测处理的方法,其特征在于,所述的步骤(3.2)中计算合成的新网络运维大数据样本总数,具体为:根据以下公式计算合成的新网络运维大数据样本总数:
N=d
×
α,α∈[0,1];其中,d为网络运维大数据集的不平衡率,α为[0,1]区间内的某一数值。6.根据权利要求3所述的信创环境下基于大数据和机器学习实现运维数据异常检测处理的方法,其特征在于,所述的步骤(3.3)中计算每个少数类网络运维大数据样本的γ
i
,具体为:根据以下公式计算每个少数类网络运维大数据样本的γ
i
:其中,Δ
i
表示K个近邻网络运维大数据样本中的多数类网络运维大数据样本数,K=1,2,
…
,n。7.根据权利要求3所述的信创环境下基于大数据和机器学习实现运维数据异常检测处理的方法,其特征在于,所述的步骤(3.4)中进行归一化处理,具体为:根据以下公式进行归一化处理:其中,为归一化后的网络运维大数据样本数据。8.根据权利要求3所述的信创环境下基于大数据和机器学习实现运维数据异常检测处理的方法,其特征在于,所述的步骤(3.5)中计算每个少数类网络运维大数据样本合成的样本数量,具体为:根据以下公式计算每个少数类网络运维大数据样本合成的样本数量:其中,为归一化后的网络运维大数据样本数据,N为新网络运维大数据样本总数。9.根据权利要求3所述的信创环境下基于大数据和机器学习实现运维数据异常检测处理的方法,其特征在于,所述的步骤(3.5)中生成新网络运维大数据样本,具体为:根据以下公式生成新网络运维大数据样本:x
new
=x
i
【专利技术属性】
技术研发人员:魏明,孟凡喜,郭润圻,李文昌,李卜,
申请(专利权)人:普元信息技术股份有限公司,
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。