预测计算系统中的错误的方法和装置以及训练方法制造方法及图纸

公开了预测计算系统中的错误的方法和装置以及训练方法。错误预测方法包括：接收在计算系统的操作期间由计算系统生成的日志数据；将日志数据令牌化为令牌；将令牌输入到生成各个令牌的得分的鉴别器模型，每个得分对应于相应令牌是异常令牌的概率；基于所述得分确定异常得分；以及基于异常得分确定计算系统中未来发生错误的可能性。

【技术实现步骤摘要】

以下描述涉及用于预测计算系统中的错误的技术和机器学习技术。

技术介绍

1、高性能计算(hpc)系统是处理复杂计算的强大计算平台。hpc系统通常包括高性能硬件和软件。传统上，hpc系统主要用于工程模拟(诸如，核现象、流体动力学、粒子物理以及需要高计算性能的其他模拟)。然而，人工智能(ai)和信息技术(it)的进步已经增加了hpc系统在处理和分析海量数据集方面的重要性，因此已经增加了对hpc系统的需求。

2、最近，已经在开发适用于各种工业领域的hpc系统。更先进的hpc系统可能由于相当多的组件而具有更复杂的结构和逐渐扩展的尺寸。hpc系统的复杂结构和增加数量的组件已经倾向于增加hpc系统中发生错误和故障的频率。

技术实现思路

1、提供本
技术实现思路
以简要的形式介绍在以下具体实施方式中进一步描述的构思的选择。本
技术实现思路
不旨在确定要求保护的主题的关键特征或必要特征，也不旨在用于帮助确定要求保护的主题的范围。

2、在一个总体方面，一种预测计算系统中的错误的方法包括：接收在计算系统的操作期间由本文档来自技高网...

【技术保护点】

1.一种预测计算系统中的错误的方法，所述方法包括：

2.根据权利要求1所述的方法，还包括：对所述得分执行增强处理，其中，增强处理调整所述得分，使得所述得分的标准差增大。

3.根据权利要求1所述的方法，其中，鉴别器模型是神经网络模型，神经网络模型被配置为基于相应令牌是异常令牌的可能性来确定相应令牌的得分。

4.根据权利要求1所述的方法，其中，确定异常得分的步骤包括：从所述得分之中选择一组最高得分。

5.根据权利要求4所述的方法，其中，确定异常得分的步骤还包括：将选择的最高得分的平均值确定为异常得分。

6.根据权利要求1所述的方法，...

【技术特征摘要】

1.一种预测计算系统中的错误的方法，所述方法包括：

2.根据权利要求1所述的方法，还包括：对所述得分执行增强处理，其中，增强处理调整所述得分，使得所述得分的标准差增大。

3.根据权利要求1所述的方法，其中，鉴别器模型是神经网络模型，神经网络模型被配置为基于相应令牌是异常令牌的可能性来确定相应令牌的得分。

4.根据权利要求1所述的方法，其中，确定异常得分的步骤包括：从所述得分之中选择一组最高得分。

5.根据权利要求4所述的方法，其中，确定异常得分的步骤还包括：将选择的最高得分的平均值确定为异常得分。

6.根据权利要求1所述的方法，其中，确定所述可能性的步骤包括：响应于异常得分大于阈值，预测计算系统中未来发生错误。

7.根据权利要求1所述的方法，还包括：对日志数据执行预处理，其中，预处理包括以下处理中的至少一个：

8.根据权利要求1所述的方法，其中，生成所述得分的步骤包括：

9.根据权利要求1所述的方法，其中，日志数据包括日志消息，并且每个日志消息包括关于日志消息被生成的时间或记录到日志消息的事件发生的时间的相应时间信息。

10.根据权利要求9所述的方法，其中，每个日志消息包括描述计算系统的状态的状态消息、与计算系统的状态对应的预定义的代码标识符、或与计算系统的状态对应的预定义的数字标识符。

11.根据权利要求1至10中的任一项所述的方法...

【专利技术属性】
技术研发人员：宋宜锡，金性范，金载训，金桢寅，方炳祐，李晸旻，李俊渊，李知润，郑在润，
申请(专利权)人：三星电子株式会社，
类型：发明
国别省市：