公开(公告)号：CN118277139A

公开(公告)日：2024-07-02

申请号：CN202211720586.X

申请日：2022-12-30

Applicant: 中兴通讯股份有限公司 ,  南开大学

Inventor： 韩静 ,  龚子璨 ,  张海鹏 ,  胡文迪 ,  孙永谦 ,  张圣林 ,  姬宇何 ,  胡钟游 ,  赵咏欣 ,  朱俊

IPC: G06F11/07 ,  G06F40/30

Abstract: 本申请公开了一种系统日志异常检测方法、装置、设备及介质，属于系统日志技术领域。对日志文本进行语义分析，提取出日志文本中的近、反义词对；基于近、反义词对的词对信息对日志文本进行模板解析，生成日志模板；基于近、反义词对微调句向量生成模型，使用微调后的句向量生成模型生成日志模板对应的句向量；基于句向量初始化预设预测模型，根据初始化之后的预测模型检测日志文本中的异常。通过分析系统日志的语义特征与序列特征，综合判断系统日志是否出现异常。从而使得预测模型可以同时关注到系统日志的语义和序列信息，以更加准确地编码日志正常模式，最终解决难以准确检测出系统日志的异常的问题。

公开(公告)号：CN117291231A

公开(公告)日：2023-12-26

申请号：CN202311279190.0

申请日：2023-09-28

Applicant: 云账户技术(天津)有限公司 ,  南开大学

Inventor： 邹永强 ,  杨晖 ,  张圣林 ,  刘恒 ,  李筱沛 ,  周世杰 ,  曹东瑜 ,  郑汀华 ,  孙永谦 ,  潘忠杰

IPC: G06N3/0455 ,  G06N3/08 ,  G06N20/00 ,  G06F11/07

Abstract: 本发明提供一种基于增量训练的调用链异常检测模型的训练方法及装置，方法包括：将预设的第一时间段划分为多个时间分段；以最早的时间分段为第一时间分段；获取第一历史调用链信息，并根据第一历史调用链信息得到第一调用链信息集合；采用第一调用链信息集合训练调用链异常检测模型得到初始调用链异常检测模型；以其他时间分段为第二时间分段；获取第二历史调用链信息，并根据第二历史调用链信息得到第二调用链信息集合；采用第二调用链信息集合对初始调用链异常检测模型进行增量训练，得到调用链异常检测模型；将调用链异常检测模型存储于服务端。本发明能够缩短训练模型所需的时间，有效提高模型的训练效率。

公开(公告)号：CN114861753B

公开(公告)日：2025-05-13

申请号：CN202210306441.9

申请日：2022-03-25

Applicant: 南开大学

Inventor： 张圣林 ,  李东闻 ,  孙永谦 ,  钟震宇 ,  张玉志

IPC: G06F18/24 ,  G06F18/23 ,  G06N3/0455 ,  G06N3/0464

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。

公开(公告)号：CN114816901B

公开(公告)日：2025-03-18

申请号：CN202210187810.7

申请日：2022-02-28

Applicant: 南开大学

Inventor： 孙永谦 ,  朱曼 ,  张圣林 ,  梁明晗 ,  樊漆亮

IPC: G06F11/30 ,  G06F18/2433 ,  G06N3/0455 ,  G06N3/08

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：CN115357418A

公开(公告)日：2022-11-18

申请号：CN202210705260.3

申请日：2022-06-21

Applicant: 南开大学

Inventor： 孙永谦 ,  金鹏翔 ,  张圣林 ,  夏思博 ,  林子涵 ,  张弼铖 ,  金娃

IPC: G06F11/07 ,  G06F11/34

Abstract: 本发明公开了一种微服务故障检测方法、装置、存储介质及计算机设备，主要在于能够提高微服务故障的检测精度。其中包括：获取微服务系统在各时间窗口下的多模态数据；对所述多模态数据分别进行异常检测，得到所述各时间窗口下多模态数据分别对应的异常事件；根据所述多模态数据分别对应的异常事件，确定所述各时间窗口下的异常事件序列；对所述异常事件序列进行特征提取，得到所述异常特征向量；将所述异常特征向量输入至预设故障检测模型中进行故障检测，得到所述微服务系统的故障检测结果。

公开(公告)号：CN113568819A

公开(公告)日：2021-10-29

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

Inventor： 尹堃 ,  张圣林 ,  孙永谦

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：CN111930597A

公开(公告)日：2020-11-13

申请号：CN202010813538.X

申请日：2020-08-13

Applicant: 南开大学 ,  赛尔网络有限公司

Inventor： 张圣林 ,  李东闻 ,  陈锐 ,  孙永谦 ,  张玉志

IPC: G06F11/30 ,  G06F40/216 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及网络通信，为能够及时、主动发现服务异常以及时采取应对措施，提高网络中心的稳定性，本发明，基于迁移学习的日志异常检测方法，处理对象为源数据、目标数据：具体包括三部分：1)特征构建部分；形成日志数据的向量序列，作为迁移学习部分的输入；2)迁移学习部分；首先将源数据形成的向量序列输入长短期记忆LSTM网络，对模型参数进行训练；然后将目标数据形成的向量序列输入上一阶段初步训练好参数的模型，并对模型参数进行再次调整3)主动学习部分：迭代地更新数据和模型。本发明主要应用于网络通信日志数据处理场合。

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

Inventor： 孙永谦 ,  夏思博 ,  潘希杰 ,  袁远 ,  胡绍宇 ,  张圣林

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：CN118764465A

公开(公告)日：2024-10-11

申请号：CN202410745993.9

申请日：2024-06-11

Applicant: 南开大学

Inventor： 杜俣翰 ,  何林 ,  程大果 ,  张圣林

IPC: H04L61/5007 ,  H04L61/30 ,  H04L101/659 ,  H04L101/35

Abstract: 本发明公开了基于空间树的IPv6别名前缀探测方法，对包含IPv6地址种子前缀的文件进行扫描，构建被探测节点树形结构，将所有扫描完的种子前缀利用树形结构进行存储；对所有叶子节点中的种子前缀进行扩展，生成扩展后的新前缀；将新前缀添加到列表中，并根据预算进行裁剪；以函数形式返回一个包含扩展后的前缀的列表，作为潜在别名前缀，将这个潜在别名前缀的列表用Zmap软件进行扫描探测，经扫描后发现为别名前缀的部分继续加入种子前缀集合中，进行下一轮生成潜在别名前缀并探测的过程，利用上述流程通过空间树不断划分子空间。与现有技术相比，本发明有效提高了IPV6别名前缀探测的效率和准确性。

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

Inventor： 孙永谦 ,  刘恒 ,  郑汀华 ,  张圣林 ,  潘忠杰 ,  邹永强 ,  杨晖 ,  李筱沛 ,  周世杰 ,  曹东瑜

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。