结合多维异常检测的跨系统故障诊断方法及系统技术方案

本发明专利技术公开了结合多维异常检测的跨系统故障诊断方法及系统，涉及故障诊断技术领域，该方法通过动态拓扑依赖关系和多维关键性能指标流，构建以液态时间常数网络单元为节点的图神经网络，每个单元通过耦合常微分方程系统描述状态演化，液态时间常数可自适应调整。采用时间反向传播算法训练模型学习正常行为轨迹轮廓基准，通过动态时间规整距离检测异常。通过反事实干预和前向积分求解确定故障传播路径和根因。在液态图神经网络仿真环境中生成最优诊断动作序列，基于执行效率、准确性和修复效果计算奖励值进行策略优化。提升异常检测准确率和根因定位精度，缩短故障修复时间，降低运维成本，为复杂信息技术系统提供智能化故障诊断解决方案。

【技术实现步骤摘要】

本专利技术涉及故障诊断，具体是结合多维异常检测的跨系统故障诊断方法及系统。

技术介绍

1、随着企业数字化转型的深入推进，现代信息技术系统呈现出前所未有的复杂性和多样性。特别是在云原生、微服务架构、容器化部署等技术广泛应用的背景下，企业it基础设施通常包含数百甚至数千个相互依赖的组件，形成了复杂的分布式系统生态。这些系统中任何一个组件的故障都可能通过复杂的依赖关系传播到其他组件，引发级联故障，严重影响业务连续性和用户体验。传统的基于单一指标阈值监控和人工经验判断的故障诊断方法已无法满足现代复杂系统的运维需求。

2、现有的故障诊断技术主要存在以下几个方面的问题：第一，传统的基于静态阈值的监控方法无法适应系统的动态变化特性，容易产生大量误报和漏报；第二，现有的异常检测技术多基于单一维度的指标分析，缺乏对多维关键性能指标之间复杂关联关系的深度理解；第三，传统的根因分析方法主要依赖相关性分析，无法准确区分因果关系和虚假相关性，导致根因定位不准确；第四，现有的诊断系统缺乏智能化的决策能力，无法根据不同故障场景自适应地选择最优的诊断策略。

3、为本文档来自技高网...

【技术保护点】

1.结合多维异常检测的跨系统故障诊断方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的结合多维异常检测的跨系统故障诊断方法，其特征在于：所述步骤S1中，所述动态拓扑数据的获取来源包括：Kubernetes应用程序接口服务器、Istio服务网格控制平面、云平台应用程序接口或企业配置管理数据库；所述液态时间常数网络单元在训练后，其内部的液态时间常数τ能够根据实时注入的多维关键性能指标流的变化幅度和频率而自适应调整，当输入信号变化剧烈时自动降低时间常数以提高敏感性，当输入信号平稳时自动提高时间常数以增强抗噪性。

3.根据权利要求1所述的结合多维异常检测的跨系统故...

【技术特征摘要】

1.结合多维异常检测的跨系统故障诊断方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的结合多维异常检测的跨系统故障诊断方法，其特征在于：所述步骤s1中，所述动态拓扑数据的获取来源包括：kubernetes应用程序接口服务器、istio服务网格控制平面、云平台应用程序接口或企业配置管理数据库；所述液态时间常数网络单元在训练后，其内部的液态时间常数τ能够根据实时注入的多维关键性能指标流的变化幅度和频率而自适应调整，当输入信号变化剧烈时自动降低时间常数以提高敏感性，当输入信号平稳时自动提高时间常数以增强抗噪性。

3.根据权利要求1所述的结合多维异常检测的跨系统故障诊断方法，其特征在于：所述步骤s5中，所述偏差度量的计算方法包括：动态时间规整距离、kullback-leibler散度、或基于轨迹分形维度的几何差异度量中的至少一种；所述动态阈值的设定基于历史正常轨迹轮廓的统计分布特征，并根据当前系统负载状态和业务周期性进行实时调整。

4.根据权利要求3所述的结合多维异常检测的跨系统故障诊断方法，其特征在于：所述方法还包括强化学习驱动的智能诊断决策与闭环自优化：

5.结合多维异常检测的跨系统故障诊断系统，其特征在于：包括：

6.根据权利要求5所述的结合多维异常检测的跨系统故障诊断系统，其特征在于：所述数据采集与适配层包括一个消息队列模块用于缓冲和解耦数据生产者与消费者，以及一个拓扑发现模块，该模块被配置为通过连接kubernetes应用程序接口服务器、istio服务网格控制平面或云平台应用程序接口来实时获取所述动态拓扑依赖关系数据。

7.根据权利要求6所述...

【专利技术属性】
技术研发人员：何晶，杨辰，葛晓波，
申请(专利权)人：上海擎创信息技术有限公司，
类型：发明
国别省市：