检索结果

Select

1. 云工作流中基于多任务时序卷积网络的异常检测方法

姚杰, 程春玲, 韩静, 刘峥

计算机应用 2021, 41 (6): 1701-1708. DOI: 10.11772/j.issn.1001-9081.2020091383

摘要（396）

PDF （1677KB）（633）

云计算数据中心在日常部署和运行过程中产生的大量日志可以帮助系统运维人员进行异常分析。路径异常和时延异常是云工作流中常见的异常。针对传统的异常检测方法分别对两种异常检测任务训练相应的学习模型，而忽略了两种异常检测任务之间的关联性，导致异常检测准确率下降的问题，提出了一种基于多任务时序卷积网络的日志异常检测方法。首先，基于日志流的事件模板，生成事件序列和时间序列；然后，训练基于多任务时序卷积网络的深度学习模型，该模型通过共享时序卷积网络中的浅层部分来从系统正常执行的流程中并行地学习事件和时间特征；最后，对云计算工作流中的异常进行分析，并设计了相关异常检测逻辑。在OpenStack数据集上的实验结果表明，与日志异常检测的领先算法DeepLog和基于主成分分析（PCA）的方法比较，所提方法的异常检测准确率至少提升了7.7个百分点。

参考文献 | 相关文章 | 多维度评价

Select

2. 基于博弈论的SDN主控制器重选机制

樊自甫, 周凯恒, 姚杰

计算机应用 2018, 38 (3): 776-779. DOI: 10.11772/j.issn.1001-9081.2017071688

摘要（434）

PDF （760KB）（353）

针对软件定义网络（SDN）中单一控制器容易发生过载的问题，提出了一种基于博弈论的主控制器重选机制——博弈系统模型（GAME-SM）。首先，把资源限定下的交换机迁移问题等效为零和博弈最大化收益问题，并提出了GAME-SM机制；其次，设置控制器负载上下限阈值来确定博弈触发的条件，达到负载上限的控制器邀请邻近的其他控制器作为博弈者参与博弈；最后，基于零和博弈最大化每个参与者的收益来设计博弈策略，使用利用度的改变进行反复博弈来重选主控制器，最终实现整个系统的负载均衡。仿真结果表明该机制能够明显改善控制器负载平衡状况，且与静态分布式控制器（D-CNTL）相比，控制器响应时间减少了50%。

参考文献 | 相关文章 | 多维度评价

Select

3. 基于时延优化的软件定义网络控制层部署策略

樊自甫, 姚杰, 杨先辉

计算机应用 2018, 38 (1): 207-211. DOI: 10.11772/j.issn.1001-9081.2017071681

摘要（365）

PDF （848KB）（308）

当前大多数软件定义网络（SDN）中控制器的部署方案均重点考虑正常网络状态下传播时延对性能的影响，而忽略了链路故障状态下对时延的影响，针对此问题，提出了一种基于时延优化的控制层部署方案。首先，在综合考虑网络正常运行以及单链路故障等多种网络状态下的最坏情况时延最小化问题的基础上，以网络状态时延作为新的时延优化目标并建立了相应的数学模型。其次，提出了解决上述模型的两种启发式部署算法：基于贪婪算法的控制层部署算法（GA-CPA）和基于粒子群优化（PSO）算法的控制层部署算法（PSO-CPA）。最后，选取了真实网络拓扑及数据进行验证。仿真结果表明，GA-CPA和PSO-CPA两种部署算法均能在不同程度上降低网络状态时延，从而保证了大部分网络状态下的最坏情况时延维持在较低范围。

参考文献 | 相关文章 | 多维度评价