【技术实现步骤摘要】
本专利技术属于计算机，具体涉及一种基于动态图自监督学习的调用链异常检测方法和装置。
技术介绍
1、由于现代企业业务的高并发、敏捷开发等需求，复杂的微服务系统逐渐成为中大型企业的选择。微服务系统的复杂性使得系统的异常检测变得尤为困难，而任何未被及时发现的异常都可能导致巨大的经济损失和用户体验的下降。调用链（trace）就是为了解决微服务场景下的运维问题而诞生的，一条trace对应一个请求被处理背后微服务间的调用事件，包含调用时间、调用关系、调用类型等信息。大规模企业级微服务系统每天会产生海量的trace，人工进行异常检测变得更加困难，为了确保微服务系统的稳定性和高可用性，自动化的trace异常检测方法变得尤为关键。
2、微服务系统的trace极具复杂性，其中含复杂的时间和空间依赖，这使得trace异常检测任务极其富有挑战性。现有的trace异常检测方法主要分为两类：第一类，传统机器学习方法。该类方法利用机器学习算法设计分类器，根据trace中的统计特征如调用响应时间、调用次数等对trace进行分类，然而该类方法过度依赖特征工程...
【技术保护点】
1.一种基于动态图自监督学习的调用链异常检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于动态图自监督学习的调用链异常检测方法，其特征在于，所述采集微服务系统运行时的调用链数据，解析其中的调用事件并构建数据集，根据数据集构建动态图，包括：
3.根据权利要求1所述的基于动态图自监督学习的调用链异常检测方法，其特征在于，所述基于动态图数据添加拉普拉斯扰动得到增广数据对动态图进行扩增，包括：
4.根据权利要求3所述的基于动态图自监督学习的调用链异常检测方法，其特征在于，所述根据动态图计算度矩阵并构建时间感知张量，包括：p>
5.根据权...
【技术特征摘要】
1.一种基于动态图自监督学习的调用链异常检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于动态图自监督学习的调用链异常检测方法，其特征在于，所述采集微服务系统运行时的调用链数据，解析其中的调用事件并构建数据集，根据数据集构建动态图，包括：
3.根据权利要求1所述的基于动态图自监督学习的调用链异常检测方法，其特征在于，所述基于动态图数据添加拉普拉斯扰动得到增广数据对动态图进行扩增，包括：
4.根据权利要求3所述的基于动态图自监督学习的调用链异常检测方法，其特征在于，所述根据动态图计算度矩阵并构建时间感知张量，包括：
5.根据权利要求1所述的基于动态图自监督学习的调用链异常检测方法，其特征在于，所述对每个扩增后的动态图随机遮掩其中的节点，使用动态图注意力机制与平均池化得到图层面表征，通过检测模型根据图层面表征预测被遮掩的节点，进行自监督学习优化检测模型，包括：
6.根据权利要求5所述的基于动态图自监督学习的调用链异常检测方法，其特征在于，所述对于每个扩增后的动态图，随机遮掩...
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。