买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉东南大学申请的专利一种基于微服务系统多源数据的无监督异常检测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119357837B 。

龙图腾网通过国家知识产权局官网在2025-12-12发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411544191.8，技术领域涉及：G06F18/243；该发明授权一种基于微服务系统多源数据的无监督异常检测方法是由程光;付楠;张炎设计研发完成，并于2024-10-31向国家知识产权局提交的专利申请。

本一种基于微服务系统多源数据的无监督异常检测方法在说明书摘要公布了：本发明提出了一种基于微服务系统多源数据的无监督异常检测方法，具体步骤为微服务选择、多源特征序列构建、异常检测和解释四个部分。微服务选择时，提取追踪数据构建调用树，分析故障传播模式，并将调用树中的叶子节点对应微服务定义为故障敏感实例。多源特征序列构建时，分析指标和追踪与不同故障的相关性，在时间上进行关联并实现特征序列化。异常检测时，使用滑动窗口机制将时序特征划分为连续数据块，通过对数据块的编码和重构判断数据块状态。异常解释时，提取数据块重构距离，获取异常概率较大的微服务实例及对应特征。本发明可用于企业、云服务提供商评估内部云环境中关键业务、应用服务和系统的运行状态，为提高应用服务质量提供保障。

本发明授权一种基于微服务系统多源数据的无监督异常检测方法在权利要求书中公布了：1.一种基于微服务系统多源数据的无监督异常检测方法，其特征在于，所述方法包括如下步骤： 步骤1基于从微服务系统中采集到的追踪Trace数据,构建分层的调用树结构，分析故障在调用树中的传播模式，并确定微服务实例在树状结构中对应的拓扑位置，将调用树中叶子节点对应的微服务作为故障敏感实例，并针对不同规模微服务系统分析敏感微服务实例集合； 步骤2基于从微服务系统中采集到的指标Metric数据,分析不同种类故障与系统级别指标、应用级别指标的相关性差异，确定对故障表征贡献大的指标集合，基于Trace数据，从中提取用来表征每一条跨度Span持续时间大小的特征和用来表征多条Span调用关系的特征； 步骤3针对故障敏感微服务实例的多源数据特征，即经过选择的指标特征和两种Trace特征，执行时间对齐和时钟同步操作，将事件流处理成连续的时间特征序列，使用滑动窗口机制将时间特征序列划分为连续的数据块，并将数据块编码为嵌入向量； 步骤4构建基于Transformer编码器的异常检测模型，通过最小化数据块重构与数据块本身之间的距离，学习微服务系统正常运行期间多源数据的特征形式，异常检测模型通过原始数据块与重构之间的距离确定异常，并对异常提供详细的可解释性分析； 其中，所述步骤3具体包含如下子步骤： 3.1采集的故障敏感实例的指标具备序列化的结构，对Metric数据进行标准化处理； 需要分别进行训练集和测试集的标准化，具体过程如公式1所示： M′d＝Md-meanMtrainstdMtrain1 其中Md表示原始Metric数据，M′d表示标准化数据，meanMtrain和stdMtrain分别指训练集的平均值和标准差； 3.2采集的故障敏感实例的跟踪由多个跨度组成，首先，根据TraceID聚合每个时刻属于同一条追踪的多条跨度，随后，使用ParentID确定每条跟踪中父跨度和子跨度之间的相应调用关系， 3.3实现时间对齐和时针同步，对齐序列化指标和追踪数据的时间戳，保留具有相同Unix时间戳的多源数据特征，并在这些时间戳上建立两种数据之间的对应关系，确保两种监测数据时钟同步，另外，收集原始追踪时需要每分钟聚合处理过的追踪，以获得微服务系统中每分钟的指标和追踪数据特征； 3.4使用滑动窗口机制将获取的多源特征在时间维度上划分为连续的数据块，其中每个数据块包含W个时刻对应的三维特征，每个时刻下的故障敏感实例的特征作为模型输入的一个token，为了处理三维数据Dt，且不丢失原有数据Dt中携带的异常信息，将Dt在特征和微服务实例两个维度上进行扁平化处理，得到2维时序特征最后通过加入位置编码来获得嵌入向量，嵌入过程如公式2所示： 其中，t代表某一时刻，Epos代表位置编码，W、M和F分别为滑动窗口大小、微服务个数和特征个数。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人东南大学，其通讯地址为：211102 江苏省南京市江宁区东南大学路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。