-
公开(公告)号：CN119166450A
公开(公告)日：2024-12-20
申请号：CN202410971838.9
申请日：2024-07-19
Applicant: 南开大学 , 中国人民解放军国防科学技术大学
IPC: G06F11/30 , G06F18/22 , G06F18/23213
Abstract: 本发明公开了一种面向高性能计算系统的异常检测方法及系统，本发明的方法包括获取计算系统中计算结点对应的监控指标切分后的数据片段；提取数据片段的特征向量，并对特征向量进行聚类得到聚类簇；利用数据片段中靠近聚类簇质心的部分数据片段训练共享模型，以得到训练好的共享模型；利用提取的实时的监控指标的特征与聚类簇进行模式匹配，并根据模式匹配结果利用训练好的共享模型检测目标结点中的异常数据以得到异常数据检测结果。本发明能够及时的检测到高性能计算系统中结点的异常数据，保证异常检测的准确性。
-
公开(公告)号：CN117171623A
公开(公告)日：2023-12-05
申请号：CN202311269033.1
申请日：2023-09-28
Applicant: 南开大学 , 云账户技术(天津)有限公司
IPC: G06F18/24 , G06F18/214 , G06F18/15 , G06N3/0464
Abstract: 本发明提供细粒度的调用链异常检测方法、模型的训练方法及装置，方法包括：确定待处理请求的调用链；提取调用链中，每一个调用单元的结构特征和时间特征；其中，调用单元用于表示调用链中的第一服务调用该调用链中的第二服务的调用过程；时间特征包括：处理时间和等待时间；结构特征用于描述第一服务与第二服务之间的调用顺序；第一服务为调用发起服务，第二服务为被调用的服务；将结构特征和时间特征输入至训练好的VGAE模型中，进行调用链的异常检测。由此，对于调用链的特征进行进一步的细分，将调用链的时间特征分成等待时间和处理时间，使用VGAE模型对调用链数据进行细粒度的检测，可提高调用链异常检测的准确性。
-
公开(公告)号：CN114861753A
公开(公告)日：2022-08-05
申请号：CN202210306441.9
申请日：2022-03-25
Applicant: 南开大学
Abstract: 本发明公开了一种基于大规模网络的数据分类方法和装置，其中，该方法包括：获取待检测数据；其中，待检测数据包括系统级指标和用户级指标；对待检测数据的多变量时间序列进行平滑和归一化的数据预处理得到预处理数据；将预处理数据输入通过离线聚类训练好的一维卷积自动编码器进行数据压缩处理，并使用离线聚类得到的特征索引执行特征选择，根据特征选择的结果进行距离计算，以进行在线数据分类；基于在线数据分类，输出待检测数据的在线分类结果。本发明可以根据系统实例的正常模式对其进行精确且高效聚类并显著减少异常检测训练开销。
-
Patent Agency Ranking
公开(公告)号：CN114528190B
公开(公告)日：2022-07-01
申请号：CN202210418771.7
申请日：2022-04-21
Applicant: 云账户技术(天津)有限公司 , 南开大学
IPC: G06F11/30
Abstract: 本发明提供一种单指标异常的检测方法、装置、电子设备及可读存储介质，其中方法包括：获取到被检测对象的历史监测指标数据集合之后，对历史监测指标数据集合中的历史监测指标数据进行周期性验证；若周期性验证的验证结果为历史监测指标数据具有非周期性，采用预设的第一检测算法对获取到的被检测对象的当前监测指标数据进行第一检测，第一检测用于指示当前监测指标数据是否异常；若周期性验证的验证结果为历史监测指标数据具有周期性，采用至少两种预设的检测算法对历史监测指标数据进行第一验证，第一验证用于指示至少两种预设的检测算法中的一算法为最优算法；采用最优算法对当前检测指标数据进行第一检测。本发明检测效率高、准确性高。
-
公开(公告)号：CN113568819B
公开(公告)日：2024-04-16
申请号：CN202110132371.5
申请日：2021-01-31
Applicant: 腾讯科技(深圳)有限公司 , 南开大学
IPC: G06F11/34
Abstract: 本申请属于人工智能技术领域，具体涉及一种异常数据检测方法、装置、介质以及电子设备。该方法包括：对包括多种指标类型的指标数据样本进行聚类处理得到多个样本集群，指标数据样本是按照时间顺序排列的数据序列；以样本集群的聚类中心作为训练样本，训练得到与样本集群相对应的基础检测模型，基础检测模型用于检测指标数据中的异常数据；以目标类型的指标数据样本作为训练样本，对目标类型的指标数据样本所在样本集群的基础检测模型进行迁移学习，得到与目标类型相对应的目标检测模型；通过目标检测模型对目标类型的待测指标数据进行异常检测，得到待测指标数据中的异常数据。该方法可以提高异常数据检测效率，降低异常数据检测成本。
-
公开(公告)号：CN114881123A
公开(公告)日：2022-08-09
申请号：CN202210423200.2
申请日：2022-04-21
Applicant: 南开大学 , 云账户技术(天津)有限公司
IPC: G06K9/62 , G06N3/04 , G06N3/08 , G06F16/215 , G06F16/25
Abstract: 本发明提供一种周期性数据异常的检测方法、装置、电子设备及存储介质，其中方法包括：采用目标检测模型对获取到的周期性待检测数据进行第一检测，得到异常分数；所述目标检测模型是采用历史监测指标数据集合训练得到；采用预设的异常分数阈值算法对所述异常分数进行计算，得到异常分数阈值；若所述异常分数超出所述异常分数阈值，所述第一检测的检测结果为所述周期性待检测数据异常。本发明降低了运维人员的工作强度，提高了检测效率低；本发明能够适用于多类型的监测指标，对异常判断具有高准确率。
-
公开(公告)号：CN114816901A
公开(公告)日：2022-07-29
申请号：CN202210187810.7
申请日：2022-02-28
Applicant: 南开大学
Abstract: 本申请提出了一种通过AI的方式对软件变更后的健康状态进行评估的方法，涉及数据分析技术领域，其中，该方法包括：获取待检测的KPI时间序列，并对获取到的KPI时间序列进行中位差检验；若检测到某个数据点高于中位差检验的阈值，则对KPI时间序列的曲线进行无监督异常检测，得到每个点对应的异常分数；将异常分数作为极值理论的输入来确定动态阈值，根据曲线上待检测点的异常分数与此点对应阈值的比较来判断曲线是否有异常点；若曲线有异常点，使用空间回归算法对曲线进行评估，判断异常的种类。采用上述方案的本申请能够快速、准确判断异常是否是由软件变更导致的，从而完成对服务变更的评估，极大提高了服务变更评估的效率。
-
公开(公告)号：CN114528190A
公开(公告)日：2022-05-24
申请号：CN202210418771.7
申请日：2022-04-21
Applicant: 云账户技术(天津)有限公司 , 南开大学
IPC: G06F11/30
Abstract: 本发明提供一种单指标异常的检测方法、装置、电子设备及可读存储介质，其中方法包括：获取到被检测对象的历史监测指标数据集合之后，对历史监测指标数据集合中的历史监测指标数据进行周期性验证；若周期性验证的验证结果为历史监测指标数据具有非周期性，采用预设的第一检测算法对获取到的被检测对象的当前监测指标数据进行第一检测，第一检测用于指示当前监测指标数据是否异常；若周期性验证的验证结果为历史监测指标数据具有周期性，采用至少两种预设的检测算法对历史监测指标数据进行第一验证，第一验证用于指示至少两种预设的检测算法中的一算法为最优算法；采用最优算法对当前检测指标数据进行第一检测。本发明检测效率高、准确性高。
-
-
-
-
-
-
-
Search Results
18
records
(took 0.018 seconds)
