基于图神经网络与多模态的半监督微服务异常检测方法

本发明涉及一种微服务异常检测方法。本发明首先将输入的微服务运维数据之间的复杂关系建模为统一的虚拟图表示‑‑LTM图，使模型能够充分利用输入数据的有效信息；然后，本发明设计了一个改进的具有时空注意力的Transformer框架，将生成的LTM图以固定滑动窗口进行划分，获得多个不同时间戳的滑动窗口，并将其放入改进的Transformer框架中，通过学习滑动窗口中的时空间特征，可以对下一个时间戳的LTM图进行预测；最后，将原LTM图和预测得到的LTM图进行计算，得到重建损失和分类损失，并以此训练模型最终得到识别结果。基于本发明的方案，可以根据输入的运维数据自动检测当前微服务系统的状态，用户可以直观地观察到当前微服务系统的状态，及时排查异常，降低风险发生概率。