[发明专利]一种在线服务异常监控方法

说明书

本发明公开了一种在线服务异常监控方法，包括通过数据采集模块获取在线服务信息与历史服务信息，并设置服务异常规则；根据服务异常规则生成服务异常规则库；根据服务异常规则库对在线服务进行实时监控，并对在线服务的异常情况进行判断，同时将识别出的未标记的服务异常情况添加到服务异常规则库中；通过事件监控模块将监控到的服务异常情况进行上报、报警。其显著效果是：综合考虑了历史数据与在线数据，并通过自增量学习的方法，可更加全面准确的识别服务异常服务情况，弥补了现有技术中在线服务异常监控方法的不足之处。

技术领域

本发明涉及到在线服务监控技术领域，具体地说，是一种在线服务异常监控方法。

背景技术

在线服务是指利用互联网技术，向用户提供线上服务的方式。包括常见的web浏览、电子邮件、论坛、即时通信、游戏、下载和专门信息服务(股票等)、在线视频等。目前，在线服务更进一步扩大到软件服务化(SaaS软件即服务)，它是一种通过互联网提供软件的模式，如百度杀毒等。然而由于各种原因，在线服务可能发生异常，包括服务器软硬件故障、网络故障等，还有很重要的一部分原因是由于在线服务受到恶意攻击，发生了安全问题。

在发生以上服务异常情况的时候，有些服务异常通过重试等手段可以自动恢复，有些则不能，严重服务异常甚至会中断客户业务，所以需要一种方法来记录这些服务异常情况，并且在满足特定的条件时触发报警。冯宇等提出一种基于服务特征的异常检测方法用于网络入侵检测系统中，利用统计特性，发现针对网络服务的远程到本地攻击，对于不同的服务采用不同的统计数据，提高了检测的正确性。为有效解决Web服务中存在的各种异常，赵红侠等结合多Agent的特性，提出了一种基于多Agent系统的异常处理模型，该模型利用了Agent的协作性、推理和自学习的特性，使异常得到有效地捕获和处理。

目前在线服务的异常监控方法有如下问题：

(1)复杂性高：传统方法是打印文件日志，通过收集日志到特定的系统，例如开源的ELK(ElasticSearch,Logstash,Kibana)中。这些开源的系统往往是由多个复杂的分布式系统组成，自行维护面临着技术门槛高、成本高的问题。

(2)准确率不足：例如通过恶意代码攻击服务时，如果恶意代码攻击失败，没有出现恶意操作，就不能成功发现问题，导致漏报的发生；又如IDS(入侵检测系统)，仅提供被动式非业务层监测。当前这些方法均不能有效解决漏报和误报的准确率问题。

(3)便捷性差：目前已有的监控方法虽然可以实现基本的监控功能，但是这些处理服务异常的方法由不同的模块来实现，没有直接联系，造成服务运营方使用和维护不便，且成本高昂。

发明内容

针对现有技术的不足，本发明的目的是提供一种在线服务异常监控方法，通过自增量学习的方法，综合考虑历史数据与在线数据，能够更加全面准确的监控和识别在线服务异常服务情况。

为达到上述目的，本发明采用的技术方案如下：

一种在线服务异常监控方法，其关键在于包括以下步骤：

步骤1：数据采集，即通过数据采集模块获取在线服务信息与历史服务信息，并设置服务异常规则；

步骤2：构建服务异常规则库，即根据服务异常规则生成服务异常规则库；

步骤3：在线服务实时监控，即根据服务异常规则库对在线服务进行实时监控，并对在线服务的异常情况进行判断，同时将识别出的未标记的服务异常情况添加到服务异常规则库中；

步骤4：事件监控，即通过事件监控模块将监控到的服务异常情况进行上报。

进一步的，所述数据采集模块通过模拟终端用户访问服务监控系统与本地服务端安全代理辅助监控系统获取服务信息。

进一步的，所述步骤3中采用最大似然估计法对服务异常情况进行识别。