虛擬計(jì)算環(huán)境下節(jié)點(diǎn)異常檢測方法研究.pdf

1、隨著云計(jì)算的快速發(fā)展，云平臺的集群規(guī)模急劇擴(kuò)大，由于資源競爭和軟件衰退等原因，虛擬機(jī)在運(yùn)行過程中可能會發(fā)生異常行為。虛擬機(jī)一旦出現(xiàn)異常會影響云平臺的服務(wù)質(zhì)量，進(jìn)而會造成用戶流失等嚴(yán)重后果。因此，虛擬計(jì)算環(huán)境下的節(jié)點(diǎn)異常檢測方法研究對于提高云平臺的穩(wěn)定性有重要的應(yīng)用價(jià)值。
　　本文針對虛擬計(jì)算環(huán)境下集群節(jié)點(diǎn)的異常行為檢測展開研究，分析和總結(jié)了現(xiàn)有的節(jié)點(diǎn)異常檢測方法的優(yōu)缺點(diǎn)。在此基礎(chǔ)上，根據(jù)虛擬計(jì)算環(huán)境的特點(diǎn)，著重研究了單個(gè)節(jié)點(diǎn)的異常

2、檢測方法、多個(gè)同構(gòu)節(jié)點(diǎn)的異常檢測方法，解決了虛擬機(jī)實(shí)時(shí)異常檢測、多節(jié)點(diǎn)異常檢測準(zhǔn)確率低和誤報(bào)率高等關(guān)鍵問題。
　　論文的工作主要包括以下幾個(gè)方面:
　　1.針對基于單聚類的節(jié)點(diǎn)異常檢測方法準(zhǔn)確率低、誤報(bào)率高等問題，提出一種基于組合聚類的單節(jié)點(diǎn)異常檢測框架，該框架通過改進(jìn)子空間聚類算法和密度聚類算法，以滿足數(shù)據(jù)流聚類的要求，并以改進(jìn)的兩種算法作為基聚類算法產(chǎn)生聚類成員，采用基于聚類差異度的選擇策略選擇聚類成員，最后設(shè)計(jì)基于共聯(lián)

3、矩陣的共識函數(shù)實(shí)現(xiàn)聚類成員的融合。該模型基于聚類融合技術(shù)，相比于單聚類，具備更好的適用性、穩(wěn)定性等特點(diǎn)。實(shí)驗(yàn)結(jié)果表明，改進(jìn)的聚類算法在保證聚類精度的同時(shí)，在處理效率上有明顯提升，并且提出的組合模型相比于單一聚類方法，在準(zhǔn)確率、誤報(bào)率上都有明顯的改進(jìn)。
　　2.針對多節(jié)點(diǎn)異常檢測問題，提出一種基于上下文的多節(jié)點(diǎn)異常檢測方法。該方法是針對同構(gòu)分布式計(jì)算系統(tǒng)的多節(jié)點(diǎn)異常檢測方法，結(jié)合同構(gòu)節(jié)點(diǎn)間的上下文信息和單節(jié)點(diǎn)的歷史信息進(jìn)行異常檢測。