科研之友
微信
新浪微博
Facebook
分享链接
摘要
目前运维数据的异常检测大都针对单一特征，随着系统复杂度的增加，系统异常可能与内在相关联的监控数据特征相关，将这些特征汇聚到一起进行分析和处理，可以提高异常检测算法的可靠性。CNN可以提取数据的空间维度特征，LSTM可以获得时序数据的时间维度特征，Attention可以有效地对空间和时间特征进行加权，提出一种基于CNN-BiLSTM特征融合的异常检测算法，并引入Attention机制。在多个数据中心运维数据上的实验结果表明，该算法可以有效提高异常检测的效果。
- 单位
目前运维数据的异常检测大都针对单一特征，随着系统复杂度的增加，系统异常可能与内在相关联的监控数据特征相关，将这些特征汇聚到一起进行分析和处理，可以提高异常检测算法的可靠性。CNN可以提取数据的空间维度特征，LSTM可以获得时序数据的时间维度特征，Attention可以有效地对空间和时间特征进行加权，提出一种基于CNN-BiLSTM特征融合的异常检测算法，并引入Attention机制。在多个数据中心运维数据上的实验结果表明，该算法可以有效提高异常检测的效果。
