人工智能时代面向运维数据的异常检测技术研究与分析

发布时间：2021-07-22 18:43

　　随着信息化时代的到来以及人工智能技术在各个领域的落地及实践,IT运维也迎来一个智能化运维的新时代。为了确保大型软硬件系统安全、可靠地运行,需要有专业的运维人员进行系统的部署、运行和维护。运维数据是一系列与大型软硬件系统运行状态相关的参数。运维数据异常检测技术旨在检测大型系统的健康状态,并把运维人员从纷繁复杂的告警和噪声中解放出来。但是,标记数据的稀缺以及企业对准确率的高要求等问题给运维数据异常检测技术的实际应用带来了严峻挑战。文章对运维数据异常进行了描述,并详细介绍了运维数据异常检测的研究现状;在此基础上提出了一种初步的解决方案并给出了实验结果。文章阐述了运维数据异常检测的潜在问题和可能的发展方向,力求为运维数据异常检测技术的发展提供可行的研究思路。 

【文章来源】：信息网络安全. 2019,(11)北大核心CSCD

【文章页数】：12 页

【文章目录】：
0 引言
1 运维数据概述
    1.1 运维数据简介
    1.2 运维数据异常
2 异常检测方法研究现状
    2.1 基于规则的方法
    2.2 基于统计的方法
    2.3 基于机器学习的方法
        1）基于机器学习的有监督方法
        2）基于机器学习的半监督方法
        3）基于机器学习的无监督方法
    2.4 基于深度学习的方法
        1）基于深度学习的有监督方法
        2）基于深度学习的半监督方法
        3）基于深度学习的无监督方法
    2.5 研究现状总结
3 基于LSTM Encoder-Decoder的运维数据异常检测方法
    3.1 模型方法介绍
    3.2 实验及分析
        3.2.1 实验数据及预处理
        3.2.2 实验结果分析
4 现存问题与未来展望
    4.1 运维数据异常检测的普适性方法
    4.2 运维数据的数据增强方法
    4.3 异常检测结果的可解释性
    4.4 异常检测的关联挖掘
5 结束语


【参考文献】：
期刊论文
[1]Visual interpretability for deep learning:a survey[J]. Quan-shi ZHANG,Song-chun ZHU.  Frontiers of Information Technology & Electronic Engineering. 2018(01)
[2]大伙房水库入库径流的Holter-Winter预报模型——兼与付文艺老师商榷[J]. 石岩涛.  辽东学院学报(自然科学版). 2017(02)



本文编号：3297690