[发明专利]一种自适应切换贝叶斯网络的动态任务影响估计方法

说明书

本发明公开了一种自适应切换贝叶斯网络的动态任务影响估计方法，通过对服务调用进行分布式追踪，自动生成服务域内部依赖关系；以服务域为媒介，分别向上向下进行映射，生成任务域和资源域的内部依赖关系；根据任务、服务和资源的多元属性组描述，构建任务域‑服务域‑资源域的关联模型；利用关联模型的依赖特征，建立贝叶斯网络；针对系统运行过程中任务域‑服务域‑资源域依赖关系的时变特性，组建关联模型和贝叶斯网络库，根据实际资源调度策略，自适应切换网络模型；利用先验测试数据训练贝叶斯网络，结合实际监测状态数据，进行动态任务影响估计。

技术领域

本发明涉及信息系统技术领域，特别是涉及一种自适应切换贝叶斯网络的动态任务影响估计方法法。

背景技术

在系统遭受外部攻击或发生内部扰动时，如何保障系统内正在开展的任务顺利完成仍然是一个挑战。赛博攻击可能导致任务状态、任务进度和任务完成度受到严重影响，甚至有可能造成任务失败。当系统遭受攻击后，作战指挥员最为关心的问题是任务完成的可能性和任务在受到影响的程度。任务影响估计方法即是完成该功能，根据监测系统反馈的系统节点状态，对最终任务进行影响估计，为作战指挥员的决策和系统保障技术人员的维护提供参考。

在任务影响估计技术领域，已经有大量研究人员通过各种技术手段开展了大量研究工作。基于情境知识参考模型(SKRM)的方法，可以实现任务影响估计，但由于其没有严格规定交叉层互连，SKRM缺乏进行量化任务影响分析的能力。采用影响依赖图(IDG)进行影响评估，在一定程度上可计算出任务受影响程度，但其未给出IDG图的生成依赖关系的详细方法，节点逻辑关系的计算方法也影响其评估的准确性。

现有的任务影响估计方法多为建模定性评估方法，能够实现准确定量评估的方法较为少见，并且目前的方法均是针对静态任务影响估计。然而，在实际任务开展过程中，由于受到外界干扰或者内部调整，任务与资源的依赖关系是会随着时间变化的，其具有时变特性。因此，针对网络化、服务化的信息系统，如何构建动态的任务-资源关联模型，如何设计适合的算法进行动态估计的问题，对于实现动态任务影响准确估计具有重要的现实意义。上述问题的解决，将有助于提高系统的快速自我调节能力，保障核心任务的顺利完成。

发明内容

发明目的：本发明提供一种自适应切换贝叶斯网络的动态任务影响估计方法，通过构建任务域-服务域-资源域的关联模型；考虑系统运行过程中任务域-服务域-资源域依赖关系的变化，组建贝叶斯网络库；自适应切换网络模型，实现动态任务影响估计，提高系统对外部攻击或内部扰动的动态主动防御能力。

实现本发明目的的技术解决方案包括以下内容：一种自适应切换贝叶斯网络的动态任务影响估计方法，包括以下步骤：

步骤1、构建任务域、服务域、资源域关联模型；

步骤2、基于关联模型，建立贝叶斯网络；

步骤3、针对任务域、服务域、资源域依赖关系的时变特性，对应组建模型和网络库；

步骤4、利用先验测试数据，训练贝叶斯网络；

步骤5、根据实际调度策略，自适应切换网络模型，进行动态任务影响估计。

步骤1中所述任务域是指由任务和任务功能组成，表明任务功能之间的依赖关系及其按照系统特定的业务流程执行，例如电商购物平台业务流程为浏览商品-选择订单-支付-商品发货；服务域是是指任务依赖的服务集合，并且具有服务之间的调用关系；资源域是指任务依赖的计算、存储、网络资源的集合。

步骤1中所述构建任务域、服务域、资源域关联模型包括服务域内部依赖、任务域内部依赖、资源域内部依赖以及跨域逻辑依赖关系：

所述服务域内部依赖通过分布式链路监控工具(zipkin)进行服务追踪分析，获取服务之间的调用关系，即获得了服务域内服务之间的依赖关系；