[发明专利]云设备协同实时用户体验和性能异常检测的系统和方法

说明书

计算设备从远程设备获取一个或多个异常检测模型用于检测一个或多个应用在一个或多个资源用量方面的异常，获取每个应用的资源用量数据，使用所述一个或多个异常检测模型确定每个应用在资源用量方面是否存在异常，并且采取响应动作。所述异常检测模型是采用机器学习技术在所述远程设备处根据从多个设备收集的数据构建的。所述资源用量数据包括所述计算设备所使用的应用的信息，例如应用在所述设备上所访问的一个或多个硬件组件或一个或多个服务的用量或能耗。异常检测结果可以包括应用落在多个异常级别中的一个异常级别的概率。

本发明要求2017年10月13日递交的发明名称为“云设备协同实时用户体验异常检测的系统和方法”的第62/572,320号美国临时专利申请案的在先申请优先权，该在先申请的全部内容以引入的方式并入本文本中。

技术领域

本发明大体上涉及应用异常检测，在具体实施例中，涉及一种用于云设备协同实时用户体验和性能异常检测的系统和方法。

背景技术

计算设备在人们的日常生活中变得越来越重要，针对各种用户设备，如智能电话、智能手表、平板电脑、笔记本电脑、计算机等，已经开发了越来越多的应用或软件程序，以适应计算设备的各种使用需求。当应用或进程在计算设备中运行异常时，可能会大大影响性能、功耗或能耗，从而影响计算设备的用户体验。对应用的异常检测可以有助于选择并采取适当的动作来减轻运行异常的应用所带来的不利影响。

发明内容

根据本发明一实施例，提供了一种方法，包括：计算设备从远程设备接收第一异常检测模型。所述第一异常检测模型可采用机器学习技术训练，用于检测应用在资源用量方面的异常。所述方法还包括根据所述第一异常检测模型获取所述应用的资源用量数据。所述资源用量数据包括所述应用在所述计算设备上所访问的一个或多个硬件组件或一个或多个服务的用量或能耗信息。所述方法还包括所述计算设备使用所述第一异常检测模型根据所获取的资源用量数据确定所述应用在所述资源用量方面是否存在异常，并根据所述应用异常的判断结果采取响应动作。通过使用一个或多个异常检测模型，可以检测计算设备的一个或多个应用在一个或多个资源用量方面的异常。

根据本发明另一实施例，提供了一种计算机实现的方法，包括从多个计算设备获取应用相关的数据样本。所述数据样本包括所述应用在所述多个计算设备上所访问的一个或多个硬件组件或一个或多个服务的用量或能耗信息，每个数据样本与所述多个计算设备中的一个相关联。所述方法还包括向所述数据样本分配标签。分配给与各自计算设备相关联的数据样本的标签指示所述应用在所述各自计算设备上的第一资源用量方面所具有的一组异常级别中的一个异常级别，所述第一资源用量对应第一异常参数。所述方法还包括使用已标记的数据样本和机器学习技术来构建异常检测模型，所述异常检测模型检测所述应用在所述第一资源用量方面的异常。根据从与所述应用相关联的所述多个计算设备获取的数据样本，可以使用所述实施例方法构建一个或多个异常检测模型。可以将这些异常检测模型推送到计算设备，以检测所述应用在所述各自计算设备上的异常。可以构建异常检测模型以检测一个或多个应用针对一个或多个异常参数的异常。

根据本发明另一实施例，提供了一种方法，包括根据为应用获取的资源用量数据并使用通过机器学习技术构建的异常检测模型检测在计算设备上运行的所述应用在资源用量方面是否存在异常，从而为所述应用生成异常检测模型；根据所述异常检测结果对所述应用的执行采取动作；在一段时间内收集所述应用的异常检测结果和根据所述应用检测结果所采取的响应动作的数据；并使用适配或定制模型根据所述收集的数据来调整针对异常检测结果所要采取的所述响应动作。这样，可以根据用户行为和用量模式来定制针对异常检测结果所采取的响应动作，以提高用户体验和设备性能。