一种基于深度学习的数据中心机房运维异常检测方法

本申请提供一种基于深度学习的数据中心机房运维异常检测方法，包括：针对低维特征集合，采用长短期记忆网络分析时间序列，捕捉低维动态特性中的微妙模式，得到行为模式序列；从异常候选集合中提取数据包结构和时间延迟变化，采用孤立森林算法进行二次筛选，确定隐蔽异常行为集合；根据异常模式集合，采用滑动窗口机制分析实时数据流，判断异常模式是否持续出现，得到异常持续性评分；根据最终异常检测结果，更新行为基准模型的参数，采用在线学习机制优化模型，得到更新后的行为基准模型；针对更新后的行为基准模型，循环执行实时数据流分析，持续捕捉微妙模式，得到连续的异常检测输出。