[发明专利]基于多级模式预测的软件系统行为异常检测方法

说明书

本发明提供了一种基于多级模式预测的软件系统行为异常检测方法，通过构建多级行为预测模型，包括窗口状态转移概率模型和行为模式转移概率模型，对系统监控指标的变化模式进行概率建模，并根据将小概率事件判别为系统行为异常的原则进行异常检测。本发明进行异常检测的方法是利用预测模型进行状态转移概率的预测，并与实际的系统状态进行比较，从而确定当前系统是否处于小概率的系统状态当中，即行为异常模式中。本发明可以应用于实时性要求高的场合，同时算法模型更新也可以随着数据采集实时进行，进一步提高算法对于窗口化行为异常检测问题的适用度。

技术领域

本发明涉及计算机系统异常检测，具体地，涉及基于多级模式预测的软件系统行为异常检测方法。

背景技术

随着目前信息技术的不断发展，现代计算机系统无论是在自身的结构和设计属性还是系统的使用模式上都变得越来越复杂。特别是近几年来高速互联网络的普及和计算机处理能力的飞跃性提升以及虚拟化技术的不断完善，云计算概念日渐火热，成为当前极为重要的一种计算机系统使用方式。如何保证云平台稳定运行变得日益重要，而自动化的系统异常检测、告警乃至预测是维护云平台正常运转和异常快速恢复的基础。本专利提出一种基于模式学习和预测的系统行为异常检测算法，通过在线学习系统状态转移规律，进而进行预测和比较，最终快速判断系统是否出于行为异常状态。

现有算法主要着重于对完整周期的行为模式进行异常自动检测的应用场景，因此这些算法在用于检测当前系统行为模式是否属于异常行为模式时在很大程度上需要等待监控系统采集完整个行为模式周期内的数据才能进行。在实际的计算机系统监控工作中，还有一个重要的用例，就是实时检测当前较短的一段时期内是否出现系统行为异常。这种异常检测的实时性要求更强，需要针对局部系统行为而不是整个行为模式周期的异常进行自动检测。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种基于多级模式预测的软件系统行为异常检测方法。

根据本发明提供的基于多级模式预测的软件系统行为异常检测方法，包括如下步骤：

步骤1：对检测窗口内的系统行为模式进行建模，从而构建对应窗口内的系统行为模型；

步骤2：对系统行为模型中的系统行为模式之间的转移规律进行建模，得到行为模式转移概率模型；

步骤3：构建窗口状态转移概率模型，并根据行为模式转移概率模型增加新的窗口状态转移概率模型；

步骤4：当有新的监控数据时，移动窗口并获得新的窗口状态，并利用行为模式转移概率模型从窗口状态转移概率模型中找到预测模型，根据预测模型判断当前窗口状态是否属于异常状态；

若符合预测模型的预测，则说明该预测模型有效，根据新的窗口状态来更新窗口状态转移概率模型；

若预测模型的预测与实际的窗口状态之间的差值大于设定的阈值T，则判定是窗口状态出现异常情况还是出现新的行为模式；

当异常情况只出现一次，表示系统行为出现异常；

当连续出现异常情况时，表示出现新的窗口状态转移规律，需构建新的窗口状态转移概率模型；

步骤5：窗口状态转移概率模型完成检测和更新后，行为模式转移概率模型通过检测预测模型预测的准确性以及是否发生窗口状态转移概率模型的新建进行自身的更新。

优选地，所述步骤3包括：

A：构建窗口状态转移概率模型，包括如下步骤：