隨著信息化時代的到來以及人工智能技術(shù)在各個領(lǐng)域的落地及實(shí)踐,IT運(yùn)維也迎來一個智能化運(yùn)維的新時代。為了確保大型軟硬件系統(tǒng)安全、可靠地運(yùn)行,需要有專業(yè)的運(yùn)維人員進(jìn)行系統(tǒng)的部署、運(yùn)行和維護(hù)。運(yùn)維數(shù)據(jù)是一系列與大型軟硬件系統(tǒng)運(yùn)行狀態(tài)相關(guān)的參數(shù)。運(yùn)維數(shù)據(jù)異常檢測技術(shù)旨在檢測大型系統(tǒng)的健康狀態(tài),并把運(yùn)維人員從紛繁復(fù)雜的告警和噪聲中解放出來。但是,標(biāo)記數(shù)據(jù)的稀缺以及企業(yè)對準(zhǔn)確率的高要求等問題給運(yùn)維數(shù)據(jù)異常檢測技術(shù)的實(shí)際應(yīng)用帶來了嚴(yán)峻挑戰(zhàn)。文章對運(yùn)維數(shù)據(jù)異常進(jìn)行了描述,并詳細(xì)介紹了運(yùn)維數(shù)據(jù)異常檢測的研究現(xiàn)狀;在此基礎(chǔ)上提出了一種初步的解決方案并給出了實(shí)驗(yàn)結(jié)果。文章闡述了運(yùn)維數(shù)據(jù)異常檢測的潛在問題和可能的發(fā)展方向,力求為運(yùn)維數(shù)據(jù)異常檢測技術(shù)的發(fā)展提供可行的研究思路。 

【文章來源】：信息網(wǎng)絡(luò)安全. 2019,(11)北大核心CSCD

【文章頁數(shù)】：12 頁

【文章目錄】：
0 引言
1 運(yùn)維數(shù)據(jù)概述
    1.1 運(yùn)維數(shù)據(jù)簡介
    1.2 運(yùn)維數(shù)據(jù)異常
2 異常檢測方法研究現(xiàn)狀
    2.1 基于規(guī)則的方法
    2.2 基于統(tǒng)計的方法
    2.3 基于機(jī)器學(xué)習(xí)的方法
        1）基于機(jī)器學(xué)習(xí)的有監(jiān)督方法
        2）基于機(jī)器學(xué)習(xí)的半監(jiān)督方法
        3）基于機(jī)器學(xué)習(xí)的無監(jiān)督方法
    2.4 基于深度學(xué)習(xí)的方法
        1）基于深度學(xué)習(xí)的有監(jiān)督方法
        2）基于深度學(xué)習(xí)的半監(jiān)督方法
        3）基于深度學(xué)習(xí)的無監(jiān)督方法
    2.5 研究現(xiàn)狀總結(jié)
3 基于LSTM Encoder-Decoder的運(yùn)維數(shù)據(jù)異常檢測方法
    3.1 模型方法介紹
    3.2 實(shí)驗(yàn)及分析
        3.2.1 實(shí)驗(yàn)數(shù)據(jù)及預(yù)處理
        3.2.2 實(shí)驗(yàn)結(jié)果分析
4 現(xiàn)存問題與未來展望
    4.1 運(yùn)維數(shù)據(jù)異常檢測的普適性方法
    4.2 運(yùn)維數(shù)據(jù)的數(shù)據(jù)增強(qiáng)方法
    4.3 異常檢測結(jié)果的可解釋性
    4.4 異常檢測的關(guān)聯(lián)挖掘
5 結(jié)束語


【參考文獻(xiàn)】：
期刊論文
[1]Visual interpretability for deep learning:a survey[J]. Quan-shi ZHANG,Song-chun ZHU.  Frontiers of Information Technology & Electronic Engineering. 2018(01)
[2]大伙房水庫入庫徑流的Holter-Winter預(yù)報模型——兼與付文藝?yán)蠋熒倘禰J]. 石巖濤.  遼東學(xué)院學(xué)報(自然科學(xué)版). 2017(02)



本文編號：3297690