-
公开(公告)号：CN115185736A
公开(公告)日：2022-10-14
申请号：CN202211098648.8
申请日：2022-09-09
Applicant: 南京航空航天大学 , 国网安徽省电力有限公司信息通信分公司 , 国家电网有限公司信息通信分公司 , 国家电网有限公司
Abstract: 本发明公开了一种基于图卷积神经网络的微服务调用链异常检测方法及装置，包括基于BiLSTM的属性依赖图构建、自注意力映射图构建、基于对偶图卷积互注意力神经网络的信息融合和基于多层感知机的异常检测。本发明通过为微服务间调用响应时间和执行路径构建属性依赖图和自注意力映射图，实现微服务调用链响应时间和执行路径的有效处理和统一建模，再通过多层对偶图卷积神经网络的传递和基于互注意力机制的信息融合，生成调用链数据的有效特征嵌入表示，同时该模型可有效处理调用链执行路径缺失而导致性能降低的问题，提升了微服务调用链异常检测的精度和鲁棒性。
-
公开(公告)号：CN114610613B
公开(公告)日：2025-02-11
申请号：CN202210228347.6
申请日：2022-03-08
Applicant: 国家电网有限公司信息通信分公司 , 国网浙江省电力有限公司信息通信分公司 , 国网安徽省电力有限公司信息通信分公司 , 南京航空航天大学 , 国家电网有限公司
Inventor： 杜静 , 孔蕊 , 邵月 , 杨容嫣 , 来风刚 , 张攀 , 周逸 , 饶涵宇 , 毛冬 , 宫帅 , 曹弯弯 , 余东波 , 董小菱 , 程航 , 孙强 , 高丰 , 都繁杰 , 李静
IPC: G06F11/3668 , G06F18/214 , G06N3/0442 , G06F9/48
Abstract: 本发明公开了一种面向在线实时的微服务调用链异常检测方法，首先将微服务调用链建模为自然语言序列，对调用链中记录的事件进行解析，将事件提取为语义序列及响应时间序列；然后利用词汇嵌入式表示算法提取出调用链中事件的向量化表示，将调用链表示为按时序排列的数值型向量序列，最后采用基于注意力机制的双层长短期记忆深度神经网络同时检测调用链中存在的微服务实例调用路径异常与性能异常。本发明不仅可以同时检测调用链中存在的两种类型的异常，而且提高了检测的速度和精度，减少了异常的误报和漏报。
-
公开(公告)号：CN115081555B
公开(公告)日：2023-12-08
申请号：CN202210978771.2
申请日：2022-08-16
Applicant: 南京航空航天大学 , 国网数字科技控股有限公司 , 国家电网有限公司信息通信分公司 , 国网安徽省电力有限公司信息通信分公司 , 国网浙江省电力有限公司信息通信分公司 , 国家电网有限公司
Inventor： 陈世伟 , 李静 , 段婷婷 , 玄佳兴 , 李伟良 , 刘月灿 , 杨庆甫 , 高颖 , 乔宇杰 , 董小菱 , 武秋阳 , 李明 , 尹晓宇 , 饶涵宇 , 毛冬 , 张辰 , 曹弯弯 , 张敏
IPC: G06F18/2433 , G06F18/214 , G06N3/0442 , G06N3/0455 , G06N3/0475 , G06N3/094 , G06F123/02
Abstract: 本发明公开了基于生成对抗和双向循环神经网络的异常检测方法及装置，应用于计算机技术领域，包括对收集到的时间序列数据进行预处理，构建数据集；模型生成器模块完成初始输入数据的重构，得到生成器重构数据，并计算生成器重构误差；模型鉴别器模块完成生成器重构数据的重构，得到鉴别器重构数据，并计算鉴别器重构误差；利用生成器重构误差和鉴别器重构误差计算异常分数，并基于异常分数计算各滑动窗口对应的阈值；将滑动窗口异常分数与对应的阈值来进行异常判别。本发明能有效建模时序数据的时间依赖性，并从特征维度上放大异常，能有效提升时序数据异常检测的性能。(56)对比文件余广民;林金堂;姚剑敏;严群;林志贤.基于GAN网络的异常检测算法研究.广播电视网络.2020,(第04期),全文.
-
公开(公告)号：CN115034282B
公开(公告)日：2025-03-18
申请号：CN202210384481.5
申请日：2022-04-13
Applicant: 国家电网有限公司信息通信分公司 , 南京航空航天大学 , 国网浙江省电力有限公司信息通信分公司 , 国网安徽省电力有限公司信息通信分公司 , 国家电网有限公司
IPC: G06F18/2433 , G06F18/213 , G06F18/214 , G06F18/22 , G06F18/23213 , G06N3/084 , G06N5/01
Abstract: 本发明提供了一种异常数据检测模型的构建方法、异常数据检测方法及系统，该构建方法利用无标记数据和携带异常标记的异常数据训练神经网络模型，以得到最终的异常数据检测模型。通过异常检测模型来检测海量数据中的异常数据，提高检测准确性。
-
公开(公告)号：CN115348159B
公开(公告)日：2023-06-27
申请号：CN202210958306.2
申请日：2022-08-09
Applicant: 国家电网有限公司信息通信分公司 , 南京航空航天大学 , 国网安徽省电力有限公司信息通信分公司 , 国网浙江省电力有限公司信息通信分公司 , 国家电网有限公司
IPC: H04L41/0677 , H04L41/0631
Abstract: 本发明公开了一种基于自编码器和服务依赖图的微服务故障定位方法及装置，包括：实时监测与收集微服务系统运行指标数据；基于自编码器模型判断微服务系统是否存在异常；构建服务调用关系图以刻画故障传播途径；关联微服务的运行状态与系统资源利用率从而计算服务调用关系图中每个节点的异常权重；通过改进的加权PageRank算法推断和定位引发异常的故障微服务。克服了现有微服务故障定位方法中需要人工设定各类监测指标阈值进行异常诊断的问题，提高故障定位的准确性。
-
Patent Agency Ranking
公开(公告)号：CN115348159A
公开(公告)日：2022-11-15
申请号：CN202210958306.2
申请日：2022-08-09
Applicant: 国家电网有限公司信息通信分公司 , 南京航空航天大学 , 国网安徽省电力有限公司信息通信分公司 , 国网浙江省电力有限公司信息通信分公司 , 国家电网有限公司
IPC: H04L41/0677 , H04L41/0631
Abstract: 本发明公开了一种基于自编码器和服务依赖图的微服务故障定位方法及装置，包括：实时监测与收集微服务系统运行指标数据；基于自编码器模型判断微服务系统是否存在异常；构建服务调用关系图以刻画故障传播途径；关联微服务的运行状态与系统资源利用率从而计算服务调用关系图中每个节点的异常权重；通过改进的加权PageRank算法推断和定位引发异常的故障微服务。克服了现有微服务故障定位方法中需要人工设定各类监测指标阈值进行异常诊断的问题，提高故障定位的准确性。
-
公开(公告)号：CN113946455A
公开(公告)日：2022-01-18
申请号：CN202111202127.8
申请日：2021-10-15
Applicant: 国网安徽省电力有限公司信息通信分公司 , 国家电网有限公司信息通信分公司 , 国网电子商务有限公司 , 南京航空航天大学 , 国家电网有限公司
Inventor： 李明 , 曹弯弯 , 尹晓宇 , 董小菱 , 来风刚 , 张攀 , 段婷婷 , 张哲 , 都繁杰 , 李静 , 高丰 , 常沁楠 , 吴尚 , 周逸 , 乔宇杰 , 肖雨 , 程航
Abstract: 本发明公开了一种基于瓶颈感知的多级反馈队列Coflow调度方法，包括：主节点产生Coflow流后，根据Coflow信息初始分配队列优先级并监控链路状态；随着Coflow流不断增加，对Coflow调度问题建模，通过Lagrange对偶优化Coflow调度问题建模，增加Coflow流速和吞吐量；其中，针对增大吞吐量而产生网络拥塞的问题，设计多级队列反馈机制，根据已发流的大小、宽度和流速信息，构建瓶颈因子；以最小化Coflow完成时间为优化目标，通过Lyapunov优化，根据瓶颈因子大小动态调整多级反馈队列的优先级。本发明能够充分使用链路带宽，减少CCT；确保队列全局稳定性，减少拥塞，在满足降低平均CCT时，还兼顾增大吞吐量，提高链路利用率。
-
公开(公告)号：CN115185736B
公开(公告)日：2023-01-31
申请号：CN202211098648.8
申请日：2022-09-09
Applicant: 南京航空航天大学 , 国网安徽省电力有限公司信息通信分公司 , 国家电网有限公司信息通信分公司 , 国家电网有限公司
Abstract: 本发明公开了一种基于图卷积神经网络的微服务调用链异常检测方法及装置，包括基于BiLSTM的属性依赖图构建、自注意力映射图构建、基于对偶图卷积互注意力神经网络的信息融合和基于多层感知机的异常检测。本发明通过为微服务间调用响应时间和执行路径构建属性依赖图和自注意力映射图，实现微服务调用链响应时间和执行路径的有效处理和统一建模，再通过多层对偶图卷积神经网络的传递和基于互注意力机制的信息融合，生成调用链数据的有效特征嵌入表示，同时该模型可有效处理调用链执行路径缺失而导致性能降低的问题，提升了微服务调用链异常检测的精度和鲁棒性。
-
公开(公告)号：CN115081555A
公开(公告)日：2022-09-20
申请号：CN202210978771.2
申请日：2022-08-16
Applicant: 南京航空航天大学 , 国网数字科技控股有限公司 , 国家电网有限公司信息通信分公司 , 国网安徽省电力有限公司信息通信分公司 , 国网浙江省电力有限公司信息通信分公司 , 国家电网有限公司
Inventor： 陈世伟 , 李静 , 段婷婷 , 玄佳兴 , 李伟良 , 刘月灿 , 杨庆甫 , 高颖 , 乔宇杰 , 董小菱 , 武秋阳 , 李明 , 尹晓宇 , 饶涵宇 , 毛冬 , 张辰 , 曹弯弯 , 张敏
Abstract: 本发明公开了基于生成对抗和双向循环神经网络的异常检测方法及装置，应用于计算机技术领域，包括对收集到的时间序列数据进行预处理，构建数据集；模型生成器模块完成初始输入数据的重构，得到生成器重构数据，并计算生成器重构误差；模型鉴别器模块完成生成器重构数据的重构，得到鉴别器重构数据，并计算鉴别器重构误差；利用生成器重构误差和鉴别器重构误差计算异常分数，并基于异常分数计算各滑动窗口对应的阈值；将滑动窗口异常分数与对应的阈值来进行异常判别。本发明能有效建模时序数据的时间依赖性，并从特征维度上放大异常，能有效提升时序数据异常检测的性能。
-
公开(公告)号：CN115034282A
公开(公告)日：2022-09-09
申请号：CN202210384481.5
申请日：2022-04-13
Applicant: 国家电网有限公司信息通信分公司 , 南京航空航天大学 , 国网浙江省电力有限公司信息通信分公司 , 国网安徽省电力有限公司信息通信分公司 , 国家电网有限公司
Abstract: 本发明提供了一种异常数据检测模型的构建方法、异常数据检测方法及系统，该构建方法利用无标记数据和携带异常标记的异常数据训练神经网络模型，以得到最终的异常数据检测模型。通过异常检测模型来检测海量数据中的异常数据，提高检测准确性。
-
-
-
-
-
-
-
-
-
Search Results
58
records
(took 0.096 seconds)
