摘要
本发明公开了一种基于多模态数据增强的微服务系统异常检测方法,包括:将调用链建模为有向图,引入KPIs作为有向图的节点特征,构建调用链‑KPIs结构图;采用BERT模型对日志事件进行特征提取,构建日志的语义特征;提取调用链‑KPIs结构图特征和日志序列特征;基于跨模态注意力机制对调用链‑KPIs结构图特征和日志序列特征进行特征交互;对跨模态特征进行融合先验知识的多模态数据增强;基于MLP网络对增强后的多模态特征进行处理,从而输出异常检测结果。本发明充分发挥不同模态数据的优势,利用多模态数据进行微服务系统异常检测,从而提升检测效果。
技术关键词
异常检测方法
融合先验知识
序列特征
样本
日志
跨模态
BERT模型
因子
语义特征
数据
节点特征
注意力机制
微服务系统
标签
多模态特征
变量
系统为您推荐了相关专利信息
智能测量方法
多层感知机
体重预测
样本
分类阈值
区块链智能合约
风险
分布式一致性算法
分布式账本
事件特征
样本
初始聚类中心
电网设备
生成方法
均值聚类算法
图像分析模型
超声波诊断装置
动作验证方法
日志
报告