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！

龙图腾网获悉西安电子科技大学申请的专利一种基于多模态学习的多维度根因定位方法及装置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：CN120151186B 。

龙图腾网通过国家知识产权局官网在2026-01-23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：202510277679.7，技术领域涉及：H04L41/0677；该发明授权一种基于多模态学习的多维度根因定位方法及装置是由李亚晓;王璐;张晨曦;惠明轩;李青山;张家睿;赵彦霄设计研发完成，并于2025-03-10向国家知识产权局提交的专利申请。

本一种基于多模态学习的多维度根因定位方法及装置在说明书摘要公布了：本发明涉及一种基于多模态学习的多维度根因定位方法及装置，方法包括：获取云原生系统运行时故障间隔内产生的历史多模态数据；对历史多模态数据中的Metric数据、Log数据、Trace数据分别进行序列化处理；选择服务实例和API作为超图的节点，并根据Metric序列化数据、Log序列化数据和Trace序列化数据获取节点特征；根据服务实例、API、k8s节点和服务从物理、逻辑、交互的角度构建超图的超边，由超图的节点、节点特征和超图的超边形成多模态超图；将多模态超图输入基于超图神经网络和全连接神经网络的多维度根因定位模型，训练多维度根因定位模型，得到训练好的多维度根因定位模型。该方法解决了单模态数据建模不足、复杂关系捕捉困难以及动态性、异构性等问题。

本发明授权一种基于多模态学习的多维度根因定位方法及装置在权利要求书中公布了：1.一种基于多模态学习的多维度根因定位方法，其特征在于，包括步骤： 获取云原生系统运行时故障间隔内产生的历史多模态数据； 对所述历史多模态数据中的Metric数据、Log数据、Trace数据分别进行序列化处理，得到Metric序列化数据、Log序列化数据和Trace序列化数据；包括：对所述Metric数据依次进行归一化和正则化，并利用注意力机制对正则化的数据分配权重，得到所述Metric序列化数据；采用Drain算法提取所述Log数据的模版，并使用BERT模型对提取后数据进行语义编码，利用注意力机制对语义编码后的数据分配权重，得到所述Log序列化数据；从所述Trace数据中提取出关键信息，对所述关键信息依次进行归一化和正则化，并利用注意力机制对正则化的数据分配权重，得到所述Trace序列化数据； 选择服务实例和API作为超图的节点，并根据所述Metric序列化数据、Log序列化数据和Trace序列化数据获取节点特征；根据服务实例、API、k8s节点和服务从物理、逻辑、交互的角度构建超图的超边，由所述超图的节点、所述节点特征和所述超图的超边形成多模态超图；其中，所述超边包括表示服务实例和k8s节点的部署关系的部署类超边、表示服务和服务实例的从属关系的从属类超边、表示服务实例和API的控制关系的控制类超边、表示API和API间的桥接关系的桥接类超边和表示从Trace数据中挖掘的频繁项集中蕴含的依赖关系的依赖类超边； 将所述多模态超图输入多维度根因定位模型中，训练所述多维度根因定位模型，得到训练好的多维度根因定位模型；所述多维度根因定位模型包括依次连接的超图神经网络和全连接神经网络；所述超图神经网络包括依次连接的若干卷积层，输入为所述多模态超图，输出为代表不同维度根因的超边特征；所述全连接神经网络包括多层感知机，输入为代表不同维度根因的超边特征，输出为超边的类别概率矩阵； 其中，所述训练好的多维度根因定位模型部署在所述云原生系统中，用于当云原生系统产生新故障时，对由新故障时间间隔内多模态运维数据序列化后构建的新的多模态超图进行特征提取，得到多维度根因。

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西安电子科技大学，其通讯地址为：710071 陕西省西安市雁塔区太白南路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。