針對虛擬機進行異常檢測是提高云計算系統(tǒng)可靠性的重要手段之一。然而,云環(huán)境中虛擬機的性能指標數(shù)據(jù)具有維度高、信息冗余等特點,會降低檢測效率和準確度。同時,傳統(tǒng)異常檢測方法難以定量刻畫系統(tǒng)的異常狀態(tài),而局部異常因子(Local Outlier Factor, LOF)算法雖可量化其異常程度,但它以相同權重計算不同維度變量對系統(tǒng)狀態(tài)的影響,導致算法對異常的區(qū)分能力減弱。針對以上問題,提出一種高效的異常檢測策略。該策略以最大相關最小冗余算法和主成分分析法對性能指標進行篩選降維,提高了異常檢測的效率;為LOF算法中不同維度的變量賦予不同權重,強化了不同指標對異常的區(qū)分度。實驗表明,該策略相對于傳統(tǒng)異常檢測方法,效率和檢測率都有顯著提高。

【文章頁數(shù)】：8 頁

【文章目錄】：
0 引 言
1 異常檢測架構設計
2 數(shù)據(jù)采集模塊
3 性能指標預處理模塊
    3.1 最大相關最小冗余法篩選性能指標
    3.2 主成分分析法提取性能指標
4 異常檢測模塊
5 實驗驗證
    5.1 實驗數(shù)據(jù)采集與異常注入
    5.2 性能指標篩選提取結果
    5.3 異常檢測性能效果對比
6 結 語



本文編號：3922893