智能运维的实践:现状与标准化

IT系统运维目前正面临着IT规模快速膨胀、系统架构日趋复杂、自主可控要求日益突出等众多挑战.智能运维技术作为一种利用大数据和机器学习对海量运维数据分析的手段,能够辅助运维人员更为高效地运行和维护IT系统.然而,在企业进行智能运维工程化实践的过程中,往往会遇到各种困难,需要智能运维技术的标准规范以指导企业开展智能运维的能力建设工作.为推动智能运维的标准化工作,对多个行业的智能运维实施单位开展了问卷调研,分析总结国内智能运维的实践现状;对国内外现行的运维标准、人工智能标准和智能运维标准进行梳理,研究智能运维的标准化工作当前进展;根据对实践现状和现有标准的调研分析结果,提出智能运维的能力建设标准框架AIOpsOSA.该框架从企业建设智能运维能力的角度列举出在组织、场景和能力上的关键要点.在实际标准的编制过程中通过对AIOps-OSA内各项要点提出具体的规范要求,可形成对企业具有指导作用的智能运维标准规范.

一种无监督的数据库用户行为异常检测方法

检测数据库内部合法用户的异常行为,对防范内部攻击和数据泄露具有重要意义,然而面临如下挑战:攻击模式不确定,真实异常样例少,数据集缺少准确标注.人工设定阈值和规则难以有效应对复杂多样的异常.本文提出了一种基于无监督学习的用户行为异常检测方法,通过划定时间窗口统计提取特征,运用核密度估计算法分别从单维度、多维度建模,实现在海量的无标注历史日志中发现简单异常和复杂异常、在新的线上数据中检测异常.真实数据实验表明,该方法能够有效检测出简单异常,实验中检测三种简单异常的平均严格查准率和宽松查准率分别达90%和100%;能够从多维度找出存在攻击嫌疑的复杂异常,实验中成功检测出了一种单维度无法检测出的新的复杂异常.