龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：中国银行股份有限公司
申请日：2022-08-16
公开（公告）日：2024-06-28
公开（公告）号：CN115361307B
主分类号：H04L43/08
分类号：H04L43/08;H04L43/16;H04L41/5009;H04L41/16;G06N3/0455
优先权：
专利状态码：有效-授权
法律状态：2024.06.28#授权;2022.12.06#实质审查的生效;2022.11.18#公开
摘要：本申请提供了公开了一种数据中心异常检测的方法、装置及相关产品，可应用于金融领域或其他领域。该方法通过获取关键性能指标序列，并通过能够自动提取数据隐藏特征的预设网络提取关键性能指标序列的特征，生成指标特征序列。通过解码和重构所述指标特征序列，生成重构序列。根据重构序列判断关键性能指标是否异常。如此，通过能够自动提取数据隐藏特征的预设网络提取复杂多样的关键性能指标的有效特征，避免基于单一统计特征的异常检测算法难以提取复杂关键性能指标的有效特征的问题，提高了数据中心异常检测的准确度，且提高了异常检测效率。
主权项：1.一种数据中心异常检测的方法，其特征在于，所述方法包括：获取关键性能指标序列；所述关键性能指标序列包括数据中心的多个关键性能指标数据；基于滑动窗口分割所述关键性能指标序列，获取连续短窗口序列；所述连续短窗口序列为关键性能时间数据集序列；将所述连续短窗口序列输入变分自编码器的编码网络，得到第一低维嵌入特征；所述第一低维嵌入特征为所述变分自编码器的编码网络编码得到，所述第一低维嵌入特征每个元素表示所述关键性能指标序列中对应窗口的低维嵌入；所述编码网络为包括高斯噪声约束的编码网络；将所述第一低维嵌入特征输入GPU网络，得到第二低维嵌入特征；所述GPU网络采用双层GRU模型，前一个GRU模型的输出为后一个GRU模型的输入，所述双层GPU模型通过最小化最后一个窗口的预测误差进行优化；所述双层GRU模型的神经元个数相同；利用所述变分自编码器的解码网络，解码和重构所述第二低维嵌入特征，生成重构序列；预设重构误差与重构序列与关键性能指标序列之差的平方和的映射关系；根据所述映射关系，基于所述重构序列和所述关键性能指标序列，确定重构误差；若所述重构误差大于预设误差阈值，确定所述数据中心的关键性能指标异常；若所述重构误差不大于预设阈值，确定所述数据中心的关键性能指标正常。
全文数据：
权利要求：
百度查询： 中国银行股份有限公司 一种数据中心异常检测的方法、装置及相关产品
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号