[发明专利]一种同构环境下计算节点异常检测方法

权利要求书

1.一种同构环境下计算节点异常检测方法，其特征在于，包括以下步骤：

步骤1，将节点数据转换为标准形式；

步骤2，提取特征数据；

步骤3，采用cell-based算法自动检测异常点。

2.根据权利要求1所述的同构环境下计算节点异常检测方法，其特征在于，步骤1的具体过程为：

步骤1.1，采集每一个数据节点的m个度量维度的数据，并对每一个数据节点的m个度量维度的数据每隔一段时间进行一次快照；

步骤1.2，每个数据节点的m个度量维度的数据形成一个m维矩阵，整个系统能够形成n个m维矩阵，第i个节点的数据矩阵为Fⁱ，矩阵Fⁱ中的元素表示为第i个节点的第h个度量维度在第j次快照收集到的数据；

步骤1.3，将矩阵Fⁱ转换为一个m*k的向量

步骤1.4，将[F¹,F²,...,Fⁱ,...,Fⁿ]整合为矩阵F＝[f¹,f²,...,fⁱ,...,fⁿ]。

3.根据权利要求1所述的同构环境下计算节点异常检测方法，其特征在于，步骤2的具体过程为：

步骤2.1，将经过转化后的数据矩阵F＝[f¹,f²,...,fⁱ,...,fⁿ]中的元素进行0-1归一化处理，将矩阵中数值一一映射到0～1之间，得到新矩阵F'；

步骤2.2，将新矩阵F'进行零均值化得到F″，保证矩阵F″的列上数据均值为0，新矩阵的每一列表示一个节点，每一行则是计算节点中度量维度的数据；

步骤2.3，计算新矩阵F″的协方差矩阵

步骤2.4，计算矩阵C的非零特征值[λ₁,λ₂,...,λ_r]，并对其降序排列：λ₁≥λ₂≥...≥λ_r；

步骤2.5，定义矩阵V＝diag[λ₁,λ₂,...,λ_r]，λ₁≥λ₂≥...≥λ_r，E＝[e₁,e₂,...,e_r]，e₁≥e₂≥...≥e_r，其中e_α是λ_α所对应的特征向量，α∈[1,r]；

步骤2.6，将矩阵F″中的数据进行白化处理后得到X＝V^-1/2E^TF″，矩阵X是一个r*n矩阵，其中r≤m*k。

步骤2.7，选择一个初始矩阵W＝[w₁,w₂,...,w_s]，其中||w_l||＝1，l∈[1,s]；

步骤2.8，构造矩阵W＝W(W^TW)^-1/2，保证当y≠z时，w_y＝w_z；

步骤2.9，将矩阵X中的每一个点x_i∈IR^r映射到y_i∈IR^s，其中y_i＝W^Tx_i，其中i＝1,2,...,n，IR^r为r维空间，IR^s为s维空间。

4.根据权利要求1所述的同构环境下计算节点异常检测方法，其特征在于，步骤3的具体过程为：

步骤3.1，设定距离阈值d；

步骤3.2，将承载有Y＝{y₁,y₂,...,y_n}的s维空间分割成边长为的方室，其中s是数据的度量维度；每一个方室都被两层所包围：第一层L1由包围着该方室的相邻方室组成；第二层L2由那些和目标方室相距三个方室距离以内的方室组成；

步骤3.3，定义判断异常点的准则：两个数据点y_a，y_b之间的距离 a,b＝1,2,...,n，且a≠b，如果和点O距离大于d的点在整个数据集中所占的比例是至少为p，点O被记作DB(p，d)异常点，p为比例阈值；

步骤3.4，记和一个异常点距离为d以内的点的最大数目记为M＝n(1-p)。

步骤3.5，根据以下法则判断目标方室中的点是否为异常点：

如果有大于M个点在该方室中，则这个方室中没有异常点；

如果有大于M个点在该方室以及L1层内，则这个方室中没有异常点；

如果有小于M个点在该方室、L1层以及L2层内，则这个方室内的点都是异常点。