加权LOF结合上下文判断的云环境中服务运行数据异常检测方法

计算机工程与科学

加权LOF结合上下文判断的云环境中服务运行数据异常检测方法

仇开1,2，姜瑛1,2

(1.云南省计算机技术应用重点实验室，云南昆明 650500;2.昆明理工大学信息工程与自动化学院，云南昆明 650500）

收稿日期:2019-12-05 修回日期:2020-02-27 出版日期:2020-06-25 发布日期:2020-06-25
基金资助:
国家自然科学基金（61462949,61063006,60703116）;云南省应用基础研究计划重点项目基金（2017FA033）

A service running data anomaly detection method based on

weighted LOF and context judgment in cloud environment

QIU Kai1,2，JIANG Ying1,2

（1.Computer Technology Application Key Laboratory of Yunnan Province,Kunming 650500;

2.Faculty of Information Engineering and Automation,Kunming University of Science and Technology,Kunming 650500,China）

Received:2019-12-05 Revised:2020-02-27 Online:2020-06-25 Published:2020-06-25

摘要/Abstract

摘要：

云环境中服务运行数据是服务运行状态的反映，如果服务运行数据出现异常将会影响相关软件的运行和用户的使用。传统的软件异常检测方法通常忽略软件运行数据各维度属性提供的信息量及软件运行时的上下文环境，从而影响异常检测的准确率。因此，提出一种加权LOF结合上下文判断的云环境中服务运行数据异常检测方法，首先使用信息熵法给服务运行数据的各维度属性赋权，使用改进的加权LOF算法对服务运行数据进行初次异常判断；然后综合考虑服务运行时的上下文信息，对服务运行数据进行二次异常判断后得到相应结果。实验表明，此方法能够有效检测出云环境中的服务运行数据异常。

关键词: 云环境, 服务运行数据异常检测, 加权LOF, 上下文信息

Abstract:

Service running data reflects the service running state in the cloud environment. If there are service running data anomalies in the cloud environment, the operation of related software and the use of users will be affected. Traditional software anomaly detection methods usually neglect the information quantity provided by different dimension attributes of running data and the context environment of software running. Thus, the anomaly detection is inaccurate. Therefore, A service running data anomaly detection method based on weighted LOF and context judgment in cloud environment is proposed. Firstly, the dimension attributes of running data are weighted by the information entropy method, and the running data are judged by weighted LOF algorithm for the first anomaly detection. Secondly, the context information of service at runtime is considered comprehensively. The correspon- ding results are obtained after the second anomaly detection. Experiments show that this method can effectively detect service running data anomalies in the cloud environment.

Key words: cloud environment, service running data anomalies detection, weighted LOF, context

仇开1,2，姜瑛1,2. 加权LOF结合上下文判断的云环境中服务运行数据异常检测方法[J]. 计算机工程与科学.

QIU Kai1,2，JIANG Ying1,2.

A service running data anomaly detection method based on

weighted LOF and context judgment in cloud environment

[J]. Computer Engineering & Science.

[1]	周兰凤1，赵鹏飞1，彭俊杰2. 基于云环境下一种小文件传输策略研究[J]. J4, 20160101, 38(01): 20-27.
[2]	胡昭华, 王长富, . 改进Faster R-CNN的遥感图像小目标检测算法[J]. 计算机工程与科学, 2024, 46(06): 1063-1071.
[3]	罗超, 缪君, 郑义林, 华锋, 储珺. 对比约束下的非局部关联单图像去反光级联算法[J]. 计算机工程与科学, 2024, 46(05): 861-871.
[4]	李本高, 吴从中, 许良凤, 詹曙. 基于多尺度特征融合和残差注意力机制的目标检测[J]. 计算机工程与科学, 2021, 43(02): 347-353.
[5]	郭宏乐，陈旺虎，马生俊，李新田，乔保民. 一种云环境下科学工作流执行计划的优化方法[J]. 计算机工程与科学, 2019, 41(03): 433-439.
[6]	周兰凤1，赵鹏飞1，彭俊杰2. 基于云环境下一种小文件传输策略研究[J]. J4, 2016, 38(01): 20-27.
[7]	程环环，王润生. 利用贝叶斯网络融合空间上下文的高分辨遥感图像分类[J]. J4, 2011, 33(1): 70-76.