摘要
本发明一种基于时频融合的微服务异常检测方法及系统,包括以下内容:获取微服务KPI数据并预处理;构建FTC模型,包括快速傅里叶变换操作、2D‑CNN、1D‑CNN和两个Transformer编码器‑CNN解码器,预处理后的数据通过1D‑CNN提取KPI的时域特征;同时预处理后的数据经过快速傅里叶变换操作、2D‑CNN处理后提取KPI频域的信息;时域特征和频域特征分别结合位置编码通过并行的两个Transformer编码器‑CNN解码器进行编码解码,Transformer编码器的注意力部分采用动态交互感知多头注意力;以预处理后的微服务KPI数据训练FTC模型,利用FTC模型进行微服务异常检测。弥补了现有技术忽略指标间交互性的缺陷,增强了对异常模式的敏感性和检测准确性,适用于实时性要求高的大规模微服务场景。
技术关键词
服务异常检测方法
解码器
编码器
线性组合特征
前馈神经网络
时域特征提取
频域特征提取
重构误差
注意力
广义帕累托分布
关系
数据
异常检测系统
指标
解码模块
系统为您推荐了相关专利信息
图像分割方法
拉普拉斯金字塔
频域特征
提示技术
生成多尺度
编解码器
识别方法
转换图像格式
编码器
基础网络架构
术后并发症
分级预测方法
专家数据库
感兴趣
病患医疗