[发明专利]一种多节点应用的异常检测方法及相关装置

说明书

技术领域

本发明涉及异常检测技术领域，尤其是涉及一种多节点应用的异常检测方法及相关装置。

背景技术

随着云计算技术的兴起与发展，各种云平台应运而生，如谷歌(Google)发布的一个开发、托管网络应用程序的平台Google APP engine，它使用Google管理的数据中心，并采用云计算技术通过跨越多个服务器和数据中心来虚拟化应用程序，同时随着手机的普遍使用，各种手机平台也随之出现，如Google为安卓(Android)设备开发的在线应用程序商店Google Play，用于为Android用户提供多节点应用程序，其中，多节点应用程序是指在多个机器上部署应用程序。

可是，目前还没有对多节点应用程序异常行为进行检测的有效方案，例如，针对最广泛的多节点应用程序——第三方应用程序，有必要提出一种异常检测方法来及时发现应用间的相互干扰和异常行为。

发明内容

本发明实施例提供了一种多节点应用的异常检测方法及相关装置，用于及时发现应用间的相互干扰，检测多节点应用的异常行为。

有鉴于此，本发明一方面提供一种多节点应用的异常检测方法，可包括：

采集多节点应用运行时产生的数据；

根据采集到的数据，构建应用交互拓扑图，所述应用交互拓扑图包括节点特征向量和边特征向量；

判断所述应用交互拓扑图与预置的应用交互拓扑图是否同构；

若所述应用交互拓扑图与预置的应用交互拓扑图不同构，则确定出所述多节点应用运行时存在异常。

在第一种可能的实现方式中，所述采集多节点应用运行时产生的数据包括：采集多节点应用运行时，在网络层、操作系统层和体系结构层上产生的数据，其中，网络层上采集到的数据包括数据包类型和流量大小，操作系统层上采集到的数据包括中央处理器CPU利用率和磁盘输入输出IO数据，体系结构层上采集到的数据包括缓存失效cache miss数据和混合指令集instruction mix数据。

结合第一方面的第一种可能的实现方式，在第二种可能的实现方式中，所述根据采集到的数据，构建应用交互拓扑图包括：根据操作系统层和体系结构层上采集到的数据，构建应用交互拓扑图中的节点特征向量，根据网络层上采集到的数据，构建应用交互拓扑图中的边特征向量，其中，所述节点特征向量包括节点网协IP地址，CPU利用率，磁盘IO数据，cache miss数据和instruction mix数据，所述边特征向量包括数据包类型和流量大小。

结合第一方面或第一方面的第一种或第二种可能的实现方式，在第三种可能的实现方式中，所述判断所述应用交互拓扑图与预置的应用交互拓扑图是否同构之后，包括：若所述应用交互拓扑图与预置的应用交互拓扑图同构，则确定出所述多节点应用运行时不存在异常。

结合第一方面或第一方面的第一种或第二种可能的实现方式，在第四种可能的实现方式中，所述判断所述应用交互拓扑图与预置的应用交互拓扑图是否同构之后，包括：若所述应用交互拓扑图与预置的应用交互拓扑图同构，对节点特征向量和/或边特征向量进行判断，所述对所述节点特征向量和/或所述边特征向量进行判断包括：对所述节点特征向量和边特征向量进行判断时，若所述节点特征向量和边特征向量满足预置条件，则确定出所述多节点应用运行时不存在异常，若所述节点特征向量或边特征向量不满足预置条件，则确定出所述多节点应用运行时存在异常；对所述节点特征向量或边特征向量进行判断时，若所述节点特征向量或边特征向量满足预置条件，则确定出所述多节点应用运行时不存在异常，若所述节点特征向量或边特征向量不满足预置条件，则确定出所述多节点应用运行时存在异常。