[发明专利]调用链异常检测方法、计算机设备以及可读存储介质

权利要求书

1.一种调用链异常检测方法，其特征在于，包括以下步骤：

步骤S10，将每条调用链处理成span组成的图；

步骤S20，根据图嵌入的方法将所述调用链中的每一个span编码为高维向量；

步骤S30，通过深度贝叶斯模型获取所述高维向量的正常模式的概率分布；

步骤S40，依据获取的概率分布对待检测调用链的异常进行判断；

其中，所述调用链中存在指标异常，所述指标异常通过状态码和响应时间来判断，将所述的状态码和响应时间编码为所述的高维向量；其中，

将所述的状态码进行one-hot编码；将所述的响应时间直接加入编码；

其中，所述调用链中还存在结构异常，所述结构异常通过节点周围的节点的分布来判断；其中，

所述节点的属性包括服务名称，操作名称和实例ID，将所述的服务名称，操作名称和实例ID通过hash编码的方式编码为所述的高维向量；

其中，通过深度贝叶斯模型获取L_N和L_I来训练的目标函数，所述的深度贝叶斯模型的目标函数公式为：

其中，E指的是数学期望，这里z就是一个随机变量，物理含义是模型内部的一个隐变量，概率分布是q_φ(z|xN)，p(z)指的是z的先验分布，具体指的是对角高斯分布这里p_θ，q_φ是两个可训练的神经网络，指标异常对应的编码记为x_I，结构异常对应的编码记为x_N，训练过程都采用经典的SGVB算法；L_N为结构异常训练目标函数，L_I为指标异常训练目标函数。

2.如权利要求1所述的方法，其特征在于，所述步骤S10包括以下步骤：

步骤S11，将每一个所述的span记作所述图中的一个节点，根据具有相同链路标识的span组成节点集合；

步骤S12，将上游的span到下游的边的集合记作边集合，其中，所述的span之间存在父子关系，所述上游的span是下游的父span；

步骤S13，根据所述的节点集合和所述的边集合构成所述的图。

3.一种计算机设备，其特征在于，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计算机程序，所述处理器执行所述计算机程序时，实现如权利要求1-2中任一所述的方法。

4.一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-2中任一所述的方法。