云计算平台故障检测关键技术研究

发布时间：2017-04-12 12:40

  本文关键词：云计算平台故障检测关键技术研究，，由笔耕文化传播整理发布。

【摘要】：近年来,云计算的应用越来越广泛,发展越来越快。尽管云计算平台采用了相对集中和专业的管理,被普遍认为具有相对较高的可用性,然而大量的恶意攻击和其自身的复杂性与大规模性仍然使得各种软硬件错误经常发生,引起部分甚至所有服务失效。因此,云平台故障检测技术已成为该领域的研究热点。本文面向云平台主机安全,重在增强云平台可用性,对其关键技术进行研究。本文设计了基于三层架构的系统模型,即“数据处理-故障检测-故障恢复”,以对云平台安全进行实时分析、检测和恢复。首先分析了当前针对云平台主要的攻击手段以及常用的故障恢复技术。在此基础之上,针对系统实时数据分析和处理优化问题提出了一种基于改进FastICA算法的检测样本数据优化方法,利用基于加权相关系数的PCA进行白化处理并优化牛顿迭代法使其满足三阶收敛,解决了传统算法信息损失大以及收敛速度慢的问题。针对故障检测问题,分析已有方法的不足,提出了一种基于模拟退火算法的隐马尔科夫模型,利用模拟退火算法全局寻优的特性求解隐马尔科夫模型的初始参数,解决了传统隐马尔科夫模型对初始参数敏感的问题,并使结果达到全局最优,提高了检测精度。针对故障恢复问题,分析了典型的恢复技术及其优缺点,研究了一种适合本文系统的方法一即协同检查点技术,建立全局一致性的检查点,在故障发生后可根据此检查点进行回卷恢复。最后,通过搭建虚拟的云计算机平台,利用Sysstat监测工具收集云平台的性能数据,对系统各模块的性能进行验证。实验结果表明本系统可以有效减少数据处理的时间损耗,降低了信息损失,并具有较高的检测率和较低的误检率,具备良好的性能。
【关键词】：云平台 可用性 数据优化 故障检测 故障恢复
【学位授予单位】：北京交通大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP393.09
【目录】：

• 摘要6-7
• ABSTRACT7-11
• 1 绪论11-18
• 1.1 研究背景11-12
• 1.2 研究现状12-16
• 1.2.1 云计算安全研究现状12-13
• 1.2.2 云平台故障检测技术研究现状13-16
• 1.3 研究内容和目标16-17
• 1.4 本文组织结构17-18
• 2 相关工作18-27
• 2.1 计算18-20
• 2.2 平台故障检测技术20-23
• 2.2.1 入侵手段20-21
• 2.2.2 云平台故障检测系统需求21
• 2.2.3 平台故障检测系统21-23
• 2.3 云平台故障恢复技术23-26
• 2.3.1 检查点技术23-24
• 2.3.2 向后与向前故障恢复24-25
• 2.3.3 恢复块技术25-26
• 2.4 本章小结26-27
• 3 检测数据优化技术研究27-39
• 3.1 独立成分分析27-29
• 3.2 FastICA算法简介29-34
• 3.2.1 数据的预处理29-30
• 3.2.2 选择目标函数30-31
• 3.2.3 选择学习算法31-32
• 3.2.4 FastICA算法在检测样本数据优化中的应用32-34
• 3.3 基于改进的FastICA算法的数据优化34-38
• 3.3.1 基于加权相关系数PCA算法的白化处理34-35
• 3.3.2 改进的FastICA算法35-37
• 3.3.3 算法时间复杂度分析37-38
• 3.4 本章小结38-39
• 4 故障检测与恢复技术研究39-52
• 4.1 基于模拟退火隐马尔科夫模型的故障检测算法39-48
• 4.1.1 隐马尔科夫模型在故障检测中的应用39-42
• 4.1.2 模拟退火算法42-44
• 4.1.3 基于模拟退火算法的隐马尔科夫模型44-48
• 4.2 故障恢复技术48-51
• 4.2.1 协同检查点协议48-50
• 4.2.2 云平台故障恢复50-51
• 4.3 本章小结51-52
• 5 系统设计与性能分析52-66
• 5.1 系统架构52-58
• 5.1.1 数据采集模块52-54
• 5.1.2 数据优化模块54-56
• 5.1.3 故障检测模块56-57
• 5.1.4 故障恢复模块57-58
• 5.2 实验数据收集58-60
• 5.2.1 实验环境58
• 5.2.2 实验数据收集58-60
• 5.3 性能分析60-65
• 5.3.1 数据优化模块性能评估60-63
• 5.3.2 故障检测模块性能评估63-65
• 5.4 本章小结65-66
• 6 结论与展望66-67
• 6.1 结论66
• 6.2 工作展望66-67
• 参考文献67-70
• 作者简历及攻读硕士学位期间取得的研究成果70-72
• 学位论文数据集72

【相似文献】

中国期刊全文数据库 前10条

1 徐力平,赵忠华,张炎华;导航传感器故障检测策略[J];上海交通大学学报;2002年07期

2 李新国,陈红英;基于H_∞估计的鲁棒故障检测[J];中国空间科学技术;2004年06期

3 李志生;张国强;刘建龙;;故障检测与诊断技术在暖通空调领域的应用和展望[J];流体机械;2006年06期

4 李姗姗;刘勇;潘成胜;;分布式故障检测技术在双独立互联系统中的应用[J];沈阳理工大学学报;2006年03期

5 颜秉勇;田作华;施颂椒;;非线性摄动时滞系统的H_∞/H_-鲁棒故障检测[J];上海交通大学学报;2008年02期

6 王傲胜;曹小荣;;故障检测综述[J];煤矿机械;2008年03期

7 唐菊琴;;计算机故障检测与定位[J];福建电脑;2011年06期

8 邹振宇;;计算机常见故障检测及维护[J];无线互联科技;2012年07期

9 陶仁骥;;组合电路的故障检测[J];电子计算机动态;1975年07期

10 叶银忠;潘日芳;蒋慰孙;;过程系统的在线故障检测、诊断和预报技术(一)[J];化工自动化及仪表;1988年02期

中国重要会议论文全文数据库 前10条

1 张汉国;;大系统的故障检测——随机情形[A];1993中国控制与决策学术年会论文集[C];1993年

2 周东华;;一种工业异步电机的在线故障检测与诊断新方法[A];1994年中国控制会议论文集[C];1994年

3 赵琦;周东华;;闭环系统的小故障检测与分离方法[A];第十九届中国控制会议论文集（二）[C];2000年

4 李福明;段广仁;;一种鲁棒故障检测与分离的参数化方法[A];第16届中国过程控制学术年会暨第4届全国故障诊断与安全性学术会议论文集[C];2005年

5 王洪江;孙保民;田进步;;一种图形化的故障检测和诊断方法[A];全国第19届计算机技术与应用（CACIS）学术会议论文集（上册）[C];2008年

6 彭涛;桂卫华;Ding Steven X;汤琼;李昊;;一种基于混合H_-/H_∞的故障检测系统优化设计方法[A];第二十七届中国控制会议论文集[C];2008年

7 魏晨;陈宗基;;非线性系统的鲁棒故障检测与诊断[A];第十九届中国控制会议论文集（二）[C];2000年

8 韩兵;陈新海;;随机参数最小均方滤波及其在飞行器故障检测中的应用[A];1995中国控制与决策学术年会论文集[C];1995年

9 葛彤;邓建华;;复杂动态系统故障检测与诊断的层次递进方法[A];1996中国控制与决策学术年会论文集[C];1996年

10 方华京;;控制系统故障检测的l~1优化方法[A];第十九届中国控制会议论文集（二）[C];2000年

中国重要报纸全文数据库 前5条

1 陈代寿;BFD高速路由故障检测[N];中国计算机报;2005年

2 涵薏;排除风电系统中的故障[N];上海科技报;2010年

3 上海 徐亚东;ADSL故障检测利器[N];电脑报;2004年

4 暴青雨　本报特约通讯员 赵彦斌;为了战时能打赢[N];解放军报;2011年

5 翟卫平;梁来润;为了航天员的生命安全[N];中国航天报;2003年

中国博士学位论文全文数据库 前10条

1 乔常明;故障检测与诊断方法研究及其在网络化系统中的应用[D];黑龙江大学;2015年

2 王红茹;动态系统的鲁棒故障检测与分离方法研究[D];哈尔滨工业大学;2006年

3 杨青;集合型故障检测与诊断技术研究[D];长春理工大学;2013年

4 张登峰;动态系统的故障检测与诊断研究[D];南京理工大学;2003年

5 李霄剑;鲁棒自适应故障检测与隔离方法研究[D];东北大学;2011年

6 马传峰;基于观测器的鲁棒H_∞故障检测问题研究[D];山东大学;2007年

7 周乐;基于概率的工业过程数据建模与故障检测[D];浙江大学;2015年

8 赵海军;新一代互联网服务及故障检测若干关键技术的研究[D];北京邮电大学;2009年

9 朱张青;动态系统的鲁棒故障检测与诊断技术[D];南京理工大学;2005年

10 李岳炀;基于观测器的离散时变系统鲁棒故障检测问题研究[D];山东大学;2011年

中国硕士学位论文全文数据库 前10条

1 张荷;基于PU学习的软件故障检测方法研究[D];西北农林科技大学;2015年

2 妥建军;一种配电网有源相间故障检测技术的研究[D];山东大学;2015年

3 郑茜予;基于主元分析的微小故障检测[D];华北电力大学;2015年

4 翟梦佳;基于数据的燃料电池典型非正常工况故障检测研究[D];哈尔滨工业大学;2015年

5 陈姣;基于子空间辨识方法的动态系统的故障检测与诊断[D];华中科技大学;2015年

6 吴翔;可实现任意可靠度的故障检测与切换系统模型研究[D];东华理工大学;2015年

7 楼嘉宇;基于机器学习的电弧故障检测算法研究[D];杭州电子科技大学;2015年

8 洪硕果;SDN网络的故障检测和恢复技术研究与实现[D];南京邮电大学;2015年

9 林圣才;基于核可预测元分析算法的故障检测与诊断[D];上海交通大学;2015年

10 冉永清;基于增量式核非负矩阵分解算法的数据流故障检测与诊断[D];上海交通大学;2015年

  本文关键词：云计算平台故障检测关键技术研究，由笔耕文化传播整理发布。

本文编号：301214