[发明专利]处理健康信息以确定是否发生异常

说明书

本文公开的示例涉及根据深度学习模型处理计算设备的健康信息，以确定是否已经发生异常。多个计算设备可以是系统的一部分。计算设备之一包括主机处理元件、与主机处理元件分离的管理控制器以及深度学习模型，该深度学习模型包括经训练来识别计算设备的异常行为的参数。管理控制器可以从计算设备的多个组件接收健康信息，并根据深度学习模型处理健康信息，以确定是否发生异常。

背景技术

信息技术公司和制造商面临着例如通过提供具有高可用性和/或安全性的计算设备向消费者提供质量和价值的挑战。高可用性是一种旨在确保一定水平的操作性能的特性，例如比不具有高可用性特性的系统更长的正常运行时间。系统可能会感染恶意软件或出现其他对消费者有害的异常情况。

附图说明

以下参考附图进行详细描述，其中：

图1是根据一个示例的具有管理控制器的计算设备的框图，该管理控制器能够根据深度学习模型来处理与该计算设备相关联的健康信息，以确定是否已经发生异常；

图2是根据一个示例的能够更新和使用深度学习模型来确定是否已经发生异常的系统的框图；

图3是根据一个示例的使用管理控制器和深度学习模型来确定计算设备处是否已经发生异常的方法的流程图；

图4是根据一个示例的能够确定计算设备上是否已经发生异常的管理控制器的框图；

图5是根据一个示例的用于响应于确定计算设备上存在异常而采取行动的方法的流程图；

图6是根据一个示例的用于响应于确定计算设备上存在异常而采取管理员行动的方法的流程图；和

图7是根据一个示例的能够更新和/或管理深度学习模型以识别异常的分析平台的框图。

在所有附图中，相同的附图标记可以表示相似但不一定相同的元件。附加到一些参考数字的索引数字“N”可以被理解为仅仅表示多个，并且对于具有这样的索引数字“N”的每个参考数字不一定代表相同的数量。此外，这里使用的没有索引数字的参考数字(其中这种参考数字在别处用索引数字指代)可以是对相应的多个元件的统称或单独的统称。在另一个示例中，可以使用索引数字“I”、“M”等来代替索引数字N。

在所有附图中，相同的附图标记表示相似但不一定相同的元件。附图不一定按比例绘制，一些部分的尺寸可能被放大以更清楚地说明所示的示例。此外，附图提供了与说明书一致的示例和/或实现；然而，说明书不限于附图中提供的示例和/或实现。

具体实施方式

在本公开中，除非上下文清楚地指示相反的情况，术语“一种(a或an)”或“该”的使用也旨在包括复数形式。此外，当在本公开中使用时，术语“包括(includes或including)”、“包含(comprises或comprising)”、或“具有(have或having)”指定了所述元件的存在，但是不排除其他元件的存在或添加。

信息技术公司和制造商面临着例如通过提供具有高可用性和/或安全性的计算设备向消费者提供质量和价值的挑战。高可用性是一种旨在确保一定水平的操作性能的特性，例如比不具有高可用性特性的系统更长的正常运行时间。此外，系统可能会感染恶意软件或出现其他对消费者有害的异常情况。

现代网络安全实践对外部威胁(如分布式拒绝服务攻击)有很好的装备。然而，网络面临的一个挑战是物理入侵，其中恶意软件能够穿透物理边界，从内部扩散到整个网络。不管是出于什么目的，也不管公司的程序如何，这些物理入侵可能是有针对性的，也可能是偶然的，例如，通用串行总线(USB)闪存驱动器能够进入最安全的网络边界。如果USB闪存驱动器上存在恶意软件，它会感染计算设备，然后该计算设备会感染网络中的其他设备。