[发明专利]一种混合策略的服务器异常智能检测方法及检测系统

权利要求书

1.一种混合策略的服务器异常智能检测方法，其特征在于：包括历史数据采集分析步骤和实时异常报警步骤；其中，

所述历史数据采集分析步骤包括：

S11，采集预设时间周期内的服务器历史数据，对历史数据进行预处理，筛选出需要进行分析的特征，将每一项特征对应的数据作为一个时间序列；

S12，结合时间序列分解算法和格拉布斯检验算法确定历史数据中每一段时间序列对应的正常值和异常值；

S13，根据步骤S12的结果，计算历史数据中每一项特征对应的正常阈值，即每一段时间序列中正常值的最大值和最小值范围；

S14，根据步骤S12的结果，以历史数据中的所有时间序列为训练样本，建立若干种异常数据检测模型对待测样本进行预测判断，输出待测样本为异常的概率，用以实时报警步骤中对实时数据进行分析；

所述实时异常报警步骤包括：

S21，采集服务器实时数据，以实时数据为待测样本，实时数据的特征与历史数据分析模块采集的历史数据中的特征一致；

S22，利用步骤S14中所述的异常数据检测模型对待测样本进行分析，并将所述异常数据检测模型对待测样本的判断为异常的概率的平均值作为模型综合预测概率；

S23，利用步骤S13中所述的正常阈值对实时数据进行分析，分析每一项实时数据特征是否超出对应的正常阈值，并对应计算阈值超出百分比，将所得的各项特征阈值超出百分比的最大值记为最终的阈值超出百分比；

S24，结合步骤S22计算的模型综合预测概率和步骤S 23计算的最终的阈值超出百分比，根据报警等级判断规则综合判断实时数据是否异常，并确定最终的报警等级和出现异常的原因；

S25，将分析结果和报警通知反馈给服务器维护人员进行相应的异常排查处理。

2.根据权利要求1所述的一种混合策略的服务器异常智能检测方法，其特征在于：在步骤S11中，所述的特征是反映服务器当前运行状态和性能的属性，其包括CPU使用率、内存占用率、网络流量以及用户登录数，所述的时间序列是指设定时间周期内某一特征对应的数据。

3.根据权利要求2所述的一种混合策略的服务器异常智能检测方法，其特征在于：在步骤S12中，所述的时间序列分解算法是对时间序列进行平滑，计算出对应的残差分量，所述的残差分量表示时间序列中某点的异常程度，残差分量越大，则表示该点为异常的可能性越高；所述的格拉布斯检验算法是将各点的异常程度进行量化分析，将残差分量过大的点标记为异常点，其余点为正常点。

4.根据权利要求3所述的一种混合策略的服务器异常智能检测方法，其特征在于：在步骤S14中，是结合梯度提升树、孤立森林和基于直方图异常检测三种机器学习算法，以历史数据中的所有时间序列为训练样本，建立3种机器学习算法分别对应的异常数据检测模型，所建立的模型能够对于待测样本进行预测判断，输出待测样本为异常的概率，用以实时报警模块中对实时数据进行分析。

5.根据权利要求4所述的一种混合策略的服务器异常智能检测方法，其特征在于：在步骤S22中，所述梯度提升树算法、孤立森林算法和基于直方图的异常检测算法建立的3种异常数据检测模型对待测样本进行检测，每一个模型对于一个待测样本都会输出一个对应的预测概率，当待测样本的预测为异常的概率大于50％时，则表示该模型认为待测样本存在数据异常。