| 主权项 |
一种基于人工免疫的云服务异常检测方法，包括以下步骤：1)对捕获的云服务行为数据进行危险信号表达，具体包括：1.1)为系统中的每一个服务分配一个监控器(淋巴细胞)Si,读取该服务的服务起源日志；1.2)根据服务起源日志9元组，即BasicProv(token,InvokingService,ServiceInvoked,location,elapsed time,timestamp,input,output,status)，计算3个危险信号源随时间变化曲线，所述危险信号源包括调用次数，耗时和异常率，其中调用次数‑时间曲线通过(invokingService，time)计算，耗时时间曲线通过(invokingService，elapsed time，time)计算得到，异常率通过(invokingService，status，time)计算得到；1.3)每个监控器实时监控服务的运行状态，进行危险信号表达；2)根据危险信号的表达和触发条件，进行危险信号的触发；所述危险信号的触发条件具体为：若为单个服务，触发有两个条件：一是如果调用次数、耗时和异常率任一数值大于阈值，则触发危险信号Di(type：count，elapsed time，exception)，其中i为服务编号，type描述了危险型号的类型；所述危险型号的类型为：频率异常、耗时异常和状态异常；所述阈值根据系统正常时，调用次数、耗时和异常率的平均值动态设置；二是计算调用次数、耗时和异常率3个指标的变化率，若超过设定变化阈值则触发危险信号；具体如下：记录每一个服务在某一时刻点T的耗时为t，频率f以及异常率w，再记录在下一时刻点T’时这三个变量的变化记为t’,f’,w’；通过变化率对危险信号进行计算；那么记△F(t)＝F(t’)‑F(t),△F(f)＝F(f’)‑F(f),△F(w)＝F(w’)‑F(w)，以及时刻的变化△T＝T’‑T，进而求出在这短暂的时刻这三个变量的变化率分别为△F(t)/△T,△F(f)/△T,△F(w)/△T；对计算后的值与上一步骤中获取的阈值进行比较，如果大于此阈值则判断为危险信号，那么在第一步中为每个服务分配的监控器(淋巴细胞)Si将会报警并对这个异常进行处理。3)危险信号的判定：针对发出危险信号的服务，计算危险程度，进行危险信号的判定，详细的步骤如下：3.1)借鉴细胞克隆增殖的过程，针对发出危险信号的服务及其区域，分配更多的计算资源，查询近期的所有服务起源日志，计算服务的特征变化；3.2)在具体计算服务的特征的时候，构建调用次数‑时间Count‑time，耗时‑时间特征elapse‑time曲线，通过夹角余弦的方式进行计算，小于设定的阈值时候，判断服务行为发生了较大的改变；3.3)当调用次数‑时间Count‑time，耗时‑时间特征elapse‑time曲线的行为特征都发生较大改变时候，判定产生了异常。 |
