一种设备异常检测的方法、设备、存储介质及程序产品技术

本申请实施例公开了一种设备异常检测的方法、设备、存储介质及程序产品，至少涉及云技术等，有效地减少误报和漏报的风险，更准确地检测出异常处理设备，提高异常检测的准确度。该方法包括：获取多个处理设备中每个处理设备的检测指标信息，检测指标信息用于指示对应处理设备的性能使用情况；计算每个处理设备的设备得分，设备得分用于指示对应处理设备的异常程度；计算第一处理设备的检测指标信息与每个第二处理设备的检测指标信息之间的信息差异，第一处理设备为多个处理设备中设备得分最高的处理设备，每个第二处理设备为多个处理设备中不同于第一处理设备的其他处理设备；基于信息差异从至少两个第二处理设备中确定异常处理设备。理设备。理设备。

【技术实现步骤摘要】
一种设备异常检测的方法、设备、存储介质及程序产品


[0001]本申请实施例涉及云
，具体涉及一种设备异常检测的方法、设备、存储介质及程序产品。

技术介绍

[0002]随着计算机技术的不断发展，越来越多处理设备被广泛应用到不同场景中，以便于处理不同场景下的任务。譬如说，通过连接于网络的用户设备，用户可以通过用户设备完成与他人信息交互、获取资讯及休闲娱乐等多种任务。一旦处理设备出现故障或异常等情况，则会对所处理的任务造成不必要的损失。因此，有必要对处理设备进行设备异常的检测处理。
[0003]在传统的设备异常检测方案中，通常是基于孤立森林算法来计算出每个处理设备的设备得分，进而通过设备得分与某个阈值之间的比较结果直接筛选出异常处理设备。然而，传统的检测方式直接基于设备得分筛选异常处理设备，容易产生误报和漏报处理设备的情况，导致设备异常检测的准确度较低。

技术实现思路

[0004]本申请实施例提供了一种设备异常检测的方法、设备、存储介质及程序产品，能够有效地减少误报和漏报的风险，实现更准确地检测出异常处理设备，提高异常检测的准确度。
[0005]第一方面，本申请实施例提供了一种设备异常检测的方法。该方法包括：获取多个处理设备中每个处理设备的检测指标信息，检测指标信息用于指示对应处理设备的性能使用情况；计算每个处理设备的设备得分，设备得分用于指示对应处理设备的异常程度；计算第一处理设备的检测指标信息与每个第二处理设备的检测指标信息之间的信息差异，第一处理设备为多个处理设备中设备得分最高的处理设备，多个处理设备包括至少两个第二处理设备，每个第二处理设备为多个处理设备中不同于第一处理设备的其他处理设备；基于信息差异从至少两个第二处理设备中确定异常处理设备。
[0006]第二方面，本申请实施例提供一种异常检测设备。该异常检测设备包括获取单元和处理单元。其中，获取单元，用于获取多个处理设备中每个处理设备的检测指标信息，检测指标信息用于指示对应处理设备的性能使用情况。处理单元，用于计算每个处理设备的设备得分，设备得分用于指示对应处理设备的异常程度。处理单元，用于计算第一处理设备的检测指标信息与每个第二处理设备的检测指标信息之间的信息差异，第一处理设备为多个处理设备中设备得分最高的处理设备，多个处理设备包括至少两个第二处理设备，每个第二处理设备为多个处理设备中不同于第一处理设备的其他处理设备，处理单元，用于基于信息差异从至少两个第二处理设备中确定异常处理设备。
[0007]在一些可选的实施方式中，处理单元还用于：在基于信息差异从至少两个第二处理设备中确定异常处理设备之后，基于预设过滤规则对异常处理设备中的目标设备进行过
滤处理，得到目标异常处理设备，目标设备所运行的进程包含于预设过滤规则中；基于目标异常处理设备的检测指标信息确定目标异常处理设备的异常等级；基于异常等级对应的告警等级确定异常处理策略；基于异常处理策略对目标异常处理设备进行处理。
[0008]在另一些可选的实施方式中，处理单元还用于：在基于异常处理策略对目标异常处理设备进行处理之前，基于告警等级对目标异常处理设备的运行数据进行逻辑判断，确定与目标异常处理设备的运行数据对应的异常原因。处理单元用于基于异常处理策略对异常原因进行处理。
[0009]在另一些可选的实施方式中，处理单元用于：计算每个所述处理设备在预设随机森林模型中的路径长度，以得到对应处理设备的设备得分。
[0010]在另一些可选的实施方式中，处理单元用于：计算每个处理设备的性能检测信息落在随机森林模型中树结构中的叶子节点的位置，以得到对应处理设备的路径长度。
[0011]在另一些可选的实施方式中，处理单元用于将信息差异不小于预设阈值时所对应的第二处理设备确定为异常处理设备。
[0012]在另一些可选的实施方式中，检测指标信息包括中央处理器CPU使用率；处理单元用于：计算第一处理设备的CPU使用率与每个第二处理设备的CPU使用率之间的使用率差异；将使用率差异不小于预设阈值时所对应的第二处理设备确定为异常处理设备。
[0013]在另一些可选的实施方式中，使用率差异包括CPU使用率最大值之间的差异、CPU使用率最小值之间的差异以及CPU使用率均值之间的差异；处理单元用于：在满足第一条件和第二条件中的一个或多个条件时，则将满足第一条件或第二条件对应的第二处理设备确定为异常处理设备。其中，第一条件包括CPU使用率最大值之间的差异不小于预设阈值、以及CPU使用率最小值之间的差异不小于预设阈值，第二条件包括CPU使用率均值之间的差异不小于预设阈值。
[0014]在另一些可选的实施方式中，检测指标信息包括内存占用率；处理单元用于：计算第一处理设备的内存占用率与每个第二处理设备的内存占用率之间的占用率差异；将占用率差异不小于预设阈值时所对应的第二处理设备确定为异常处理设备。
[0015]在另一些可选的实施方式中，使用率差异包括内存占用率最大值之间的差异、内存占用率最小值之间的差异以及内存占用率均值之间的差异；处理单元用于：在满足第三条件和第四条件中的一个或多个条件时，则将满足第三条件或第四条件对应的第二处理设备确定为异常处理设备。其中，第三条件包括内存占用率最大值之间的差异不小于预设阈值、以及内存占用率最小值之间的差异不小于预设阈值，第四条件包括内存占用率均值之间的差异不小于预设阈值。
[0016]在另一些可选的实施方式中，获取单元还用于在计算第一处理设备的检测指标信息与每个第二处理设备的检测指标信息之间的信息差异之前，获取每个处理设备的设备属性信息。处理单元用于：基于每个处理设备的设备属性信息对多个处理设备进行分组，得到多个设备集；分别计算每个设备集中的第一处理设备的检测指标信息与第二处理设备的检测指标信息之间的信息差异。
[0017]本申请实施例第三方面提供了一种异常检测设备，包括：存储器、输入/输出(I/O)接口和存储器。存储器用于存储程序指令。处理器用于执行存储器中的程序指令，以执行上述第一方面的实施方式对应的设备异常检测的方法。
[0018]本申请实施例第四方面提供了一种计算机可读存储介质，计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行以执行上述第一方面的实施方式对应的方法。
[0019]本申请实施例第五方面提供了一种包含指令的计算机程序产品，当其在计算机或者处理器上运行时，使得计算机或者处理器执行上述以执行上述第一方面的实施方式对应的方法。
[0020]从以上技术方案可以看出，本申请实施例具有以下优点：
[0021]本申请实施例中，获取多个处理设备中每个处理设备的检测指标信息，并且计算每个处理设备的设备得分。其中，检测指标信息能够用来指示对应处理设备的性能使用情况，设备得分能够指示对应处理设备的异常程度。这样，在获取到检测指标信息以及计算得到设备得分后，再计算第一处理设备的检测指标信息与每个第二处理设备的检测指标信息之间的信息差异，进而基于信息差异从至少两个本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种设备异常检测的方法，其特征在于，包括：获取多个处理设备中每个所述处理设备的检测指标信息，所述检测指标信息用于指示对应处理设备的性能使用情况；计算每个所述处理设备的设备得分，所述设备得分用于指示对应处理设备的异常程度；计算第一处理设备的检测指标信息与每个第二处理设备的检测指标信息之间的信息差异，所述第一处理设备为所述多个处理设备中设备得分最高的处理设备，所述多个处理设备包括至少两个所述第二处理设备，每个所述第二处理设备为所述多个处理设备中不同于所述第一处理设备的其他处理设备；基于所述信息差异从至少两个所述第二处理设备中确定异常处理设备。2.根据权利要求1所述的方法，其特征在于，所述基于所述信息差异从至少两个所述第二处理设备中确定异常处理设备之后，所述方法还包括：基于预设过滤规则对所述异常处理设备中的目标设备进行过滤处理，得到目标异常处理设备，所述目标设备所运行的进程包含于所述预设过滤规则中；基于所述目标异常处理设备的检测指标信息确定所述目标异常处理设备的异常等级；基于所述异常等级对应的告警等级确定异常处理策略；基于所述异常处理策略对所述目标异常处理设备进行处理。3.根据权利要求2所述的方法，其特征在于，基于所述异常处理策略对所述目标异常处理设备进行处理之前，所述方法还包括：基于所述告警等级对所述目标异常处理设备的运行数据进行逻辑判断，确定与所述目标异常处理设备的运行数据对应的异常原因；基于所述异常处理策略对所述目标异常处理设备进行处理，包括：基于所述异常处理策略对所述异常原因进行处理。4.根据权利要求1至3中任一项所述的方法，其特征在于，所述计算每个所述处理设备的设备得分，包括：计算每个所述处理设备在预设随机森林模型中的路径长度，以得到对应所述处理设备的设备得分。5.根据权利要求4所述的方法，其特征在于，所述计算每个所述处理设备在预设随机森林模型中的路径长度，包括：计算每个所述处理设备的性能检测信息落在所述随机森林模型中树结构中的叶子节点的位置，以得到对应所述处理设备的路径长度。6.根据权利要求1至3中任一项所述的方法，其特征在于，所述基于所述信息差异从至少两个所述第二处理设备中确定异常处理设备，包括：将所述信息差异不小于预设阈值时所对应的第二处理设备确定为异常处理设备。7.根据权利要求6所述的方法，其特征在于，所述检测指标信息包括中央处理器CPU使用率；所述计算第一处理设备的检测指标信息与每个第二处理设备的检测指标信息之间的信息差异，包括：计算所述第一处理设备的CPU使用率与每个所述第二处理设备的CPU使用率之间的使用率差异；
将所述信息差异不小于预设阈值时所对应的第二处理设备确定为异常处理设备，包括：将所述使用率差异不小于所述预设阈值时所对应的第二处理设备确定为异常处理设备。8.根据权利要求7所述的方法，其特征在于，所述使用率差异包括CPU使用率最大值之间的差异、CPU使用率最小值之间的差异以及CPU使用率均值之间的差异；将所述使用率差异不小于所述预设阈值时所对应的第二处理设备确定为异常处理设备，包括：在满足第一条件和第二条件中的一个或多个条件时，则将满足所述第一条件或所述第二条件对应的所述第二处理设备确定为异常处理设备；其中，所述第一条件包括...

【专利技术属性】
技术研发人员：雷屹，孙勇峰，
申请(专利权)人：深圳市腾讯计算机系统有限公司，
类型：发明
国别省市：