[发明专利]一种基于神经网络模型的服务器监测方法和装置

说明书

本发明提供了一种基于神经网络模型的服务器监测方法和装置，所述方法包括：获取待测服务器的电磁波数据信息，包括电磁波频率、波长、幅度和波形；输入至训练好的神经网络模型，获得待测服务器的监测结果；电磁波频率、所述波长、所述幅度和所述波形均作为神经元；神经网络模型包括输入层、隐层和输出层并依次连接，同时还包含若干层神经网络，每层神经网络包括卷积层和最大化池化层；输入矩阵和输出矩阵均包括样本数维度、位置信息维度、电磁波频率维度、波长维度、幅度维度和波形维度。相比于现有技术，无需在服务器外部接线，或通过服务器的操作系统或人工介入，无需与服务器交互，可实时地在线监测服务器运行状态，并提高了监测的准确性。

技术领域

本发明涉及电磁波数据领域，尤其涉及一种基于神经网络模型的服务器监测方法和装置。

背景技术

随着信息技术的发展，提供信息服务或产品的系统、应用的类型和数量日渐增多，例如政府办公系统、财务管理系统、协同远程办公以及人力资源管理系统等。各系统相互关联，与企业、政府、单位或各机构的业务联系越来越密切。而这些信息系统都是基于服务器运行的，因此，服务器的安全、运行状态愈发得到重视，如何确保服务器正常持续运行，实时了解服务器的状态并及时排除风险成为了亟需解决的问题。

目前，对服务器运行状态的监测需要对服务器进行接入，主要通过接入服务器的带外口，基于服务器BMC芯片抓取信息进行监测；或通过服务器的操作系统，抓取信息进行监测。但是这些方法的准确性、实时性较差，无法实时获取服务器的运行状态，并且一定程度上需要人工的介入。

发明内容

本发明提供了一种基于神经网络模型的服务器监测方法和装置，提高了服务器监测的准确性。

为了解决上述技术问题，本发明实施例提供了一种基于神经网络模型的服务器监测方法，包括：

获取待测服务器的电磁波数据信息；其中，所述电磁波数据信息包括电磁波频率、波长、幅度和波形；

将所述电磁波数据信息输入至训练好的神经网络模型，获得所述待测服务器的监测结果；其中，所述电磁波频率、所述波长、所述幅度和所述波形均作为神经元；所述神经网络模型包括输入层、隐层和输出层；所述输入层、所述隐层和所述输出层依次连接；所述神经网络模型还包含若干层神经网络，每层神经网络包括一层卷积层和一层最大化池化层；所述卷积层的输入矩阵和输出矩阵均包括样本数维度、位置信息维度、电磁波频率维度、波长维度、幅度维度和波形维度。

作为优选方案，在所述将所述电磁波数据输入至训练好的神经网络模型之前，还包括：

对所述电磁波数据进行预处理，具体地：

通过小波阈值法对所述电磁波数据进行去噪处理，选取软阈值系数为：

其中，γ为小波系数，θ为预定义的阈值。

作为优选方案，所述隐层的各神经元接收到的输入信号为：

其中，α_h为所述隐层第h个神经元接收到的输入信号，v_ih为第i个输入神经元与所述隐层第h个神经元的连接参数。

作为优选方案，所述输出层的各神经元接收到的输入信号为：

其中，β_j为输出层中第j个神经元接收到的输入信号，w_hj为第h个隐层神经元与第j个输出神经元的连接参数，b_h为第h个隐层神经元的输出。

作为优选方案，所述卷积层的输出信号具体为：