一种基于数据增强对比学习的云服务器异常检测方法技术

本发明专利技术属于云服务器异常检测领域，提供了一种基于数据增强对比学习的云服务器异常检测方法，包括：标准化模块，用于规范输入数据；双视图结构模块，通过数据增强的方式从注意力关联序列中产生新的丢弃序列，通过对比学习架构对关联序列和丢弃序列进行时序依赖建模，学习到最优的双注意力视图结构；表征差异模块和异常判据模块，用于计算损失函数以及区分差异点，基于双注意力视图结构两分支的相似性设计了非对称KL散度损失函数，将非对称KL散度损失函数计算的两个分支距离作为判据得到云服务器异常检测结果。本发明专利技术可以有效提升云服务器异常检测的准确性和效率，降低云计算系统运维成本，提高用户体验。

【技术实现步骤摘要】

本专利技术属于云服务器异常检测领域，具体涉及一种基于数据增强对比学习的云服务器异常检测方法。

技术介绍

1、具有自动、准确和鲁棒的服务器异常检测方法一直是云计算领域的主要研究问题之一，因为它对服务器正常运转至关重要。通过检测服务器性能异常，可以及时发现并解决潜在的故障或性能下降问题，确保云计算系统的稳定性和可靠性。

2、服务器性能时序数据具有时间依赖、多维和非平稳特征，其中异常不遵循特定的时间模式，具有不确定性，面临多个挑战。首先，服务器性能异常的定义尚不明确，可能包括不规则、意外或罕见的情况，确定何为异常是一个复杂的问题。其次，异常数据获取困难，在服务器异常检测中，采用监督或半监督方法标记数据时需要花费大量工作。

3、基于统计、经典机器学习和深度学习的方法在云服务器异常检测中得到应用，机器学习方法，特别是基于深度学习的方法，由于其强大的表示优势而获得广泛应用。但是机器学习中大多数监督和半监督方法只能处理有限的标记数据，但异常是动态的，可能会出现以前从未观测到的新异常，而无监督方法很流行，对标记数据没有严格要求。

4、无本文档来自技高网...

【技术保护点】

1.一种基于数据增强对比学习的云服务器异常检测方法，其特征在于,包括以下步骤：

2.根据权利要求1所述的一种基于数据增强对比学习的云服务器及异常检测方法，其特征在于，所述S2中双注意力视图结构进一步包括：

3.根据权利要求1所述的一种基于数据增强对比学习的云服务器及异常检测方法，其特征在于，所述S3中非对称KL函数进一步包括：

4.一种基于数据增强对比学习的云服务器异常检测方法，其特征在于，包括：

【技术特征摘要】

1.一种基于数据增强对比学习的云服务器异常检测方法，其特征在于,包括以下步骤：

2.根据权利要求1所述的一种基于数据增强对比学习的云服务器及异常检测方法，其特征在于，所述s2中双注意力视图结构进一步包括：<...

【专利技术属性】
技术研发人员：郭银章，刘青芳，
申请(专利权)人：太原科技大学，
类型：发明
国别省市：