[发明专利]虚拟机异常检测方法、装置、设备及计算机可读存储介质在审

专利信息
申请号: 201810048058.1 申请日: 2018-01-17
公开(公告)号: CN110046054A 公开(公告)日: 2019-07-23
发明(设计)人: 韩静;陈力;刘建伟;杨文;宋冰;杨健;张明善;尚静;侍洪波 申请(专利权)人: 中兴通讯股份有限公司;华东理工大学
主分类号: G06F11/07 分类号: G06F11/07;G06F9/455
代理公司: 深圳市世纪恒程知识产权代理事务所 44287 代理人: 胡海国
地址: 518057 广东省深圳市南山*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 虚拟机 异常检测 统计量 整合 计算机可读存储介质 门限 训练数据集 虚警率 采集 检测
【权利要求书】:

1.一种虚拟机异常检测方法,其特征在于,所述方法包括:

根据获取到的训练数据集,确定虚拟机数据的整合统计量的控制门限;

当检测到采集的虚拟机数据时,确定所述虚拟机数据的整合统计量;

根据所述整合统计量和所述控制门限,确定虚拟机是否出现异常。

2.如权利要求1所述的虚拟机异常检测方法,其特征在于,所述根据获取到的训练数据集,确定虚拟机数据的整合统计量的控制门限,包括:

获取训练数据集,并对所述训练数据集进行归一化处理,获取归一化数据集;

对所述归一化数据集进行独立成分分析处理,获取所述归一化数据集的独立元空间和独立元残差空间;

对所述独立元残差空间进行主成分分析处理,获取主元空间和主元残差空间;

构造并整合所述独立元空间、所述主元空间和所述主元残差空间对应的统计量,获取整合统计量;

根据预设核密度估计算法和预设置信度,确定所述整合统计量的控制门限。

3.如权利要求2所述的虚拟机异常检测方法,其特征在于,对所述归一化数据集进行独立成分分析处理,获取所述归一化数据集的独立元空间和独立元残差空间,包括:

对所述归一化数据集进行独立成分分析处理,获取若干独立元;

基于预设正态性检验算法,计算所述若干独立元中每个独立元的统计量以及所述统计量的相伴概率值;

将所述相伴概率值高于第一预设阈值的独立元组成独立元空间,并将所述相伴概率值低于或等于第一预设阈值的独立元组成独立元残差空间。

4.如权利要求2所述的虚拟机异常检测方法,其特征在于,所述根据预设核密度估计算法和预设置信度,确定所述整合统计量的控制门限,包括:

当检测到触发的置信度调整请求时,将所述预设置信度替换为所述置信度调整请求中的置信度;

根据预设核密度估计算法和替换后的预设置信度,确定所述整合统计量的控制门限。

5.如权利要求1-4中任一项所述的虚拟机异常检测方法,其特征在于,根据所述整合统计量和所述控制门限,确定虚拟机是否出现异常,包括:

判断所述整合统计量是否高于所述控制门限;

若所述整合统计量高于所述控制门限,则确定虚拟机出现异常;

若所述整合统计量低于或等于所述控制门限,则根据所述整合统计量与所述控制门限的差值,确定虚拟机是否出现异常。

6.如权利要求5所述的虚拟机异常检测方法,其特征在于,根据所述整合统计量与所述控制门限的差值,确定虚拟机是否出现异常,包括:

判断所述整合统计量与所述控制门限的差值是否低于第二预设阈值;

若所述整合统计量与所述控制门限的差值低于第二预设阈值,则确定虚拟机出现异常;

若所述整合统计量与所述控制门限的差值高于或等于第二预设阈值,则确定虚拟机未出现异常的。

7.如权利要求5所述的虚拟机异常检测方法,其特征在于,所述确定虚拟机出现异常之后,所述方法还包括:

显示异常告警信息,并发出预设报警声。

8.一种虚拟机异常检测装置,其特征在于,包括:

第一确定模块,用于根据获取到的训练数据集,确定虚拟机数据的整合统计量的控制门限;

检测确定模块,用于当检测到采集的虚拟机数据时,确定所述虚拟机数据的整合统计量;

第二确定模块,用于根据所述整合统计量和所述控制门限,确定虚拟机是否出现异常。

9.一种虚拟机异常检测设备,其特征在于,所述虚拟机异常检测设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的虚拟机异常检测程序,所述虚拟机异常检测程序被所述处理器执行时实现如权利要求1至7中任一项所述的虚拟机异常检测方法的步骤。

10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有虚拟机异常检测程序,所述虚拟机异常检测程序被处理器执行时实现如权利要求1至7中任一项所述的虚拟机异常检测方法的步骤。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中兴通讯股份有限公司;华东理工大学,未经中兴通讯股份有限公司;华东理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201810048058.1/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top