基于多特征融合的应用系统监控指标异常检测方法

为解决现有监控指标异常检测技术存在的特征学习不充分、阈值固定等问题,提出一种基于多特征融合的应用系统监控指标异常检测方法。使用1D-CNN(1D-Convolutional Neural Network)与SRNN(Stochastic Recurrent Neural Network)提取数据特征,引入SE块(Squeeze-and-Excitation)突出指标关键特征以优化特征提取,加强分类效果。以VAE(Variational Auto-Encoder)为框架计算数据重构概率,并通过优化的极值模型计算最优异常阈值以判断异常。实验结果表明,所提方法在基于两个公开数据集的异常检测任务的F1评分最优达到92%,优于目前先进的异常检测方法。