本发明专利技术涉及人工智能技术，揭露了一种多核处理器异常检测方法，包括：获取多核处理器的占用率序列的多元时间序列，根据多元时间序列生成多核处理器的邻接矩阵；对邻接矩阵的图信号进行图傅里叶变换和短时傅里叶变换，得到频域特征；利用预设的注意力机制生成频域特征的语境特征，对语境特征进行逆傅里叶变换，得到语境特征的检测数据；根据预设的检测阈值确定检测数据中的异常数据，根据异常数据确定多核处理器中的异常模块。此外，本发明专利技术还涉及区块链技术，数据列表可存储于区块链的节点。本发明专利技术还提出一种多核处理器异常检测装置、电子设备以及存储介质。本发明专利技术应用于数字医疗领域，可以提高多核处理器异常检测的效率。可以提高多核处理器异常检测的效率。可以提高多核处理器异常检测的效率。
【技术实现步骤摘要】
多核处理器异常检测方法、装置、电子设备及存储介质
[0001]本专利技术涉及人工智能
，尤其涉及一种多核处理器异常检测方法、装置、电子设备及计算机可读存储介质。
技术介绍
[0002]在医疗系统中，需要用到各种程序进行信息的记录与处理，当后台程序和运用程序过多时，会导致处理器的负载较大，虽然与单核处理器相比，多核处理器可以通过并行处理有效提高处理器性能，但在体系结构、软件、功耗和安全性设计等方面也面临着巨大的挑战，处理器作为服务器正常运行的重要指标之一，在日常的生产生活中，时常会遇到占用率异常或与预期不符的情况。
[0003]目前大部分的方法是定义一个的预设邻接矩阵，但由于无法提前得知多核处理器占用率之间的准确关系，预设的邻接矩阵往往无法完全反应占用率序列间的真实依赖关系，导致算法结果欠佳；由于多核处理器的占用率时间序列数据具有强规律性和异常突变性，而目前针对多核处理器占用率预测的算法大部分是基于时域进行分析，难以适应这样的特点，且时域数据在图神经网络算法中进行卷积时，往往需要消耗大量的算力和时间，因此如何提升多核处理器异常检测的效率，成为了亟待解决的问题。
技术实现思路
[0004]本专利技术提供一种多核处理器异常检测方法、装置及计算机可读存储介质，其主要目的在于解决多核处理器异常检测时效率较低的问题。
[0005]为实现上述目的，本专利技术提供的一种多核处理器异常检测方法，包括：
[0006]获取多核处理器的占用率序列的多元时间序列，根据所述多元时间序列生成所述多核处理器的邻接矩阵；
[0007]对所述邻接矩阵的图信号进行图傅里叶变换，得到所述图信号的谱域特征；
[0008]对所述谱域特征进行短时傅里叶变换，得到所述谱域特征的频域特征；
[0009]利用预设的注意力机制生成所述频域特征的语境特征，对所述语境特征进行逆傅里叶变换，得到所述语境特征的检测数据；
[0010]根据预设的检测阈值确定所述检测数据中的异常数据，根据所述异常数据确定所述多核处理器中的异常模块。
[0011]可选地，所述根据所述多元时间序列生成所述多核处理器的邻接矩阵，包括：
[0012]根据所述多元时间序列生成所述多核处理器的图节点，对所述图节点进行初始化处理，得到所述图节点的节点嵌入矩阵；
[0013]根据预设的激活函数超参数和预设的线性转换参数对所述节点嵌入矩阵进行正则化处理，得到所述多核处理器的邻接矩阵。
[0014]可选地，所述对所述邻接矩阵的图信号进行图傅里叶变换，得到所述图信号的谱域特征，包括：
[0015]根据所述邻接矩阵的图信号生成所述邻接矩阵的空域数据；
[0016]利用预设的拉普拉斯矩阵生成所述空域数据的投影基，根据所述投影基对所述空域数据进行图傅里叶变换，得到所述图信号的谱域特征。
[0017]可选地，所述对所述谱域特征进行短时傅里叶变换，得到所述谱域特征的频域特征，包括：
[0018]确定所述频谱特征的时间顺序，根据所述时间顺序对所述谱域特征进行加窗处理，得到多个所述谱域特征的子谱域特征；
[0019]逐个对所述子谱域特征进行傅里叶变换，得到所述子谱域特征的子频域特征；
[0020]按照所述时间顺序对所述子频域特征进行拼接处理，得到所述谱域特征的频域特征。
[0021]可选地，所述根据所述时间顺序对所述谱域特征进行加窗处理，得到多个所述谱域特征的子谱域特征，包括：
[0022]利用如下窗函数对所述谱域特征进行加窗处理，得到多个所述谱域特征的子谱域特征：
[0023][0024]其中，x是所述谱域特征的横坐标，y是所述谱域特征的纵坐标，G(x,y)是关于所述横坐标和所述纵坐标的窗函数值，σ是标准差，e是自然对数。
[0025]可选地，所述利用预设的注意力机制生成所述频域特征的语境特征，包括：
[0026]利用预设的注意力机制生成所述频域特征的特征矩阵，根据所述特征矩阵生成所述频域特征的多头注意力矩阵；
[0027]对所述频域特征进行自注意力处理，得到所述频域特征的自注意力矩阵；
[0028]对所述多头注意力矩阵和所述自注意力矩阵进行归一化处理，得到所述所述频域特征的语境特征。
[0029]可选地，所述对所述语境特征进行逆傅里叶变换，得到所述语境特征的检测数据，包括：
[0030]对所述语境特征进行逆短时傅里叶变换处理，得到所述语境特征的语境空域数据；
[0031]根据所述语境空域数据生成所述语境特征的语境频域数据，对所述语境频域数据进行逆图傅里叶变换，得到所述语境频域数据的语境时域数据，确定所述语境时域数据为所述语境特征的检测数据。
[0032]为了解决上述问题，本专利技术还提供一种多核处理器异常检测装置，所述装置包括：
[0033]邻接矩阵模块，用于获取多核处理器的占用率序列的多元时间序列，根据所述多元时间序列生成所述多核处理器的邻接矩阵；
[0034]谱域特征模块，用于对所述邻接矩阵的图信号进行图傅里叶变换，得到所述图信号的谱域特征；
[0035]频域特征模块，用于对所述谱域特征进行短时傅里叶变换，得到所述谱域特征的频域特征；
[0036]检测数据模块，用于利用预设的注意力机制生成所述频域特征的语境特征，对所
述语境特征进行逆傅里叶变换，得到所述语境特征的检测数据；
[0037]异常数据模块，用于根据预设的检测阈值确定所述检测数据中的异常数据，根据所述异常数据确定所述多核处理器中的异常模块。
[0038]为了解决上述问题，本专利技术还提供一种电子设备，所述电子设备包括：
[0039]至少一个处理器；以及，
[0040]与所述至少一个处理器通信连接的存储器；其中，
[0041]所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述所述的多核处理器异常检测方法。
[0042]为了解决上述问题，本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的多核处理器异常检测方法。
[0043]本专利技术实施例通过根据所述多元时间序列生成多核处理器的邻接矩阵，建立多核处理器的各个占用率时间序列间存在隐藏的相互影响的关系，基于图神经网络的时间序列算法在处理多元时间序列的关系方面表现出很高的能力，所以对所述邻接矩阵的图信号进行图傅里叶变换，通过对所述谱域特征进行短时傅里叶变换，避免丢失部分时间信息，相较于只能分析全局特征的傅里叶变换，短时傅里叶变换效率更高，不易受到太远的序列数值影响，可以在对处理器占用率的局部序列进行分析的同时对序列进行降噪处理，另一方面，处理器的占用率数据如果发生异常，大多时候都是突变的情况，对于这种突变异常的情况以及序列呈现的规律性，使用的加窗的傅里叶算法可以有效提取本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种多核处理器异常检测方法，其特征在于，所述方法包括：获取多核处理器的占用率序列的多元时间序列，根据所述多元时间序列生成所述多核处理器的邻接矩阵；对所述邻接矩阵的图信号进行图傅里叶变换，得到所述图信号的谱域特征；对所述谱域特征进行短时傅里叶变换，得到所述谱域特征的频域特征；利用预设的注意力机制生成所述频域特征的语境特征，对所述语境特征进行逆傅里叶变换，得到所述语境特征的检测数据；根据预设的检测阈值确定所述检测数据中的异常数据，根据所述异常数据确定所述多核处理器中的异常模块。2.如权利要求1所述的多核处理器异常检测方法，其特征在于，所述根据所述多元时间序列生成所述多核处理器的邻接矩阵，包括：根据所述多元时间序列生成所述多核处理器的图节点，对所述图节点进行初始化处理，得到所述图节点的节点嵌入矩阵；根据预设的激活函数超参数和预设的线性转换参数对所述节点嵌入矩阵进行正则化处理，得到所述多核处理器的邻接矩阵。3.如权利要求1所述的多核处理器异常检测方法，其特征在于，所述对所述邻接矩阵的图信号进行图傅里叶变换，得到所述图信号的谱域特征，包括：根据所述邻接矩阵的图信号生成所述邻接矩阵的空域数据；利用预设的拉普拉斯矩阵生成所述空域数据的投影基，根据所述投影基对所述空域数据进行图傅里叶变换，得到所述图信号的谱域特征。4.如权利要求1所述的多核处理器异常检测方法，其特征在于，所述对所述谱域特征进行短时傅里叶变换，得到所述谱域特征的频域特征，包括：确定所述频谱特征的时间顺序，根据所述时间顺序对所述谱域特征进行加窗处理，得到多个所述谱域特征的子谱域特征；逐个对所述子谱域特征进行傅里叶变换，得到所述子谱域特征的子频域特征；按照所述时间顺序对所述子频域特征进行拼接处理，得到所述谱域特征的频域特征。5.如权利要求4所述的多核处理器异常检测方法，其特征在于，所述根据所述时间顺序对所述谱域特征进行加窗处理，得到多个所述谱域特征的子谱域特征，包括：利用如下窗函数对所述谱域特征进行加窗处理，得到多个所述谱域特征的子谱域特征：其中，x是所述谱域特征的横坐标，y是所述谱域特征的纵坐标，G(x,y)是关于所述横坐标和所述纵坐标的窗函数值，...
【专利技术属性】
技术研发人员：李同，巴堃，庄伯金，
申请(专利权)人：平安科技深圳有限公司，
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。