【技术实现步骤摘要】
本专利技术涉及网络通信安全，具体涉及一种基于图神经网络的微应用系统异常检测方法及装置。
技术介绍
1、工业中的微应用系统通常为分布式系统，包括分布在多台机器上的众多服务，在动态和不可预测的环境中运行，这些系统可能发生配置错误、硬件故障等异常，为了使工程师能够及时响应潜在的故障，需要在微应用系统自动运行时检测异常。对于微应用系统，分布式跟踪在分析和监控执行中起着至关重要的作用，用户对实例化服务的请求会触发一系列服务调用，调用信息通常反映在调用链(trace)和系统日志中，调用链包含了一系列的跨度(span)，每个跨度代表了一个组件的调用或操作。现有方法常将调用链看作是服务调用的序列或图对微应用异常进行检测，未能很好地将调用链与日志数据结合分析。因此，现有技术中存在微应用异常检测不够准确的问题。
技术实现思路
1、有鉴于此，本专利技术提供了一种基于图神经网络的微应用系统异常检测方法及装置，以解决微应用异常检测不够准确的问题。
2、第一方面，本专利技术提供了一种基于图神经网络的微应用系统异常检测方法，包括：获取微应用系统的调用链以及日志数据，调用链包括跨度事件，日志数据包括日志事件；采用大语言模型对跨度事件及日志事件进行特征学习，得到跨度事件及日志事件对应的事件特征向量；基于事件特征向量、调用链以及日志数据构建异构事件图，异构事件图用于表示跨度事件及日志事件间的关系；利用构建的异构事件图训练图神经网络；使用训练后的图神经网络对微应用系统进行异常检测。
3、在本专利
4、在一种可选的实施方式中，获取微应用系统的调用链以及日志数据，调用链包括跨度事件，日志数据包括日志事件，包括：获取微应用系统的调用链以及日志数据；提取日志数据中的标识符，标识符用于标识微应用跨越多个服务的请求和操作；对日志数据进行解析，结合标识符生成日志事件；根据预设调用类型将调用链中的跨度转换为跨度事件。
5、在本专利技术实施例中，通过提取标识符，与解析的日志数据共同生成日志事件，实现了对复杂调用结构和日志时间进行统一建模的目的。
6、在一种可选的实施方式中，预设调用类型包括同步调用以及异步调用，跨度事件包括请求事件、响应事件、消费者事件以及生产者事件，调用链中除根跨度外的任一跨度包括对应的父跨度，根据预设调用类型将调用链中的跨度转换为跨度事件，包括：若预设调用类型为同步调用，将任一跨度和任一跨度的父跨度转换为请求事件和响应事件；若预设调用类型为异步调用，将任一跨度和任一跨度的父跨度转换为消费者事件和生产者事件。
7、在本专利技术实施例中，考虑同步和异步调用引起的复杂调用关系，根据预设调用类型将跨度转换为对应的跨度事件，实现了有效学习事件特征的目的，达到了进一步提高微应用异常检测准确性的效果。
8、在一种可选的实施方式中，日志事件包括日志时间戳，跨度事件包括跨度时间戳，基于事件特征向量、调用链以及日志数据构建异构事件图，异构事件图用于表示跨度事件及日志事件间的关系，包括：根据日志时间戳及日志数据生成调用链中每个跨度的日志事件序列；根据跨度时间戳将每个跨度包括的跨度事件插入到日志事件序列中，得到跨度日志事件序列；根据预设调用类型以及跨度日志事件序列构建异构事件图。
9、在本专利技术实施例中，根据调用链的日志事件和跨度事件及其关系构建异构事件图，实现了将调用链和日志事件相结合，以图模型表征事件特征对微应用进行异常检测的目的，达到了提高微应用异常检测准确性和可靠性的效果。
10、在一种可选的实施方式中，请求事件和响应事件包括同步请求关系和同步响应关系，消费者事件和生产者事件包括异步请求关系，根据预设调用类型以及跨度日志事件序列构建异构事件图，包括：若预设调用类型为同步调用，将跨度日志事件序列中任一跨度和任一跨度的父跨度按照同步请求关系和同步响应关系连接；若预设调用类型为异步调用，将跨度日志事件序列中任一跨度和任一跨度的父跨度按照异步请求关系连接；得到异构事件图。
11、在本专利技术实施例中，将同步和异步调用的复杂调用关系以异构事件图中跨度间的连接关系表示，实现了提高事件特征表达能力的目的，达到了进一步提高微应用异常检测准确性的效果。
12、在一种可选的实施方式中，利用构建的异构事件图训练图神经网络，包括：使用异构图神经网络以及支持向量数据描述算法构建单分类模型；利用构建的异构事件图训练单分类模型。
13、在本专利技术实施例中，利用异构图神经网络和支持向量数据描述算法构建单分类模型，对异构事件图进行特征学习，实现了利用单分类模型对微应用系统进行异常检测的目的。
14、在一种可选的实施方式中，使用训练后的图神经网络对微应用系统进行异常检测，包括：获取待检测的调用链以及日志数据；使用训练后的图神经网络根据待检测的调用链以及日志数据确定微应用系统的异常值；根据异常值判断微应用系统是否存在异常。
15、在本专利技术实施例中，通过将待检测的调用链以及日志数据输入训练后的图神经网络计算异常值，实现了有效检测微应用系统异常并及时响应潜在故障的目的。
16、第二方面，本专利技术提供了一种基于图神经网络的微应用系统异常检测装置，包括：数据获取模块，用于获取微应用系统的调用链以及日志数据，调用链包括跨度事件，日志数据包括日志事件；特征学习模块，用于采用大语言模型对跨度事件及日志事件进行特征学习，得到跨度事件及日志事件对应的事件特征向量；异构事件图构建模块，用于基于事件特征向量、调用链以及日志数据构建异构事件图，异构事件图用于表示跨度事件及日志事件间的关系；神经网络训练模块，用于利用构建的异构事件图训练图神经网络；异常检测模块，用于使用训练后的图神经网络对微应用系统进行异常检测。
17、在一种可选的实施方式中，数据获取模块包括：获取单元，用于获取微应用系统的调用链以及日志数据；提取单元，用于提取日志数据中的标识符，标识符用于标识微应用跨越多个服务的请求和操作；解析单元，用于对日志数据进行解析，结合标识符生成日志事件；转换单元，用于根据预设调用类型将调用链中的跨度转换为跨度事件。
18、在一种可选的实施方式中，预设调用类型包括同步调用以及异步调用，跨度事件包括请求事件、响应事件、消费者事件以及生产者事件，调用链中除根跨度外的任一跨度包括对应的父跨度，转换单元包括：同步转换子单元，用于若预设调用类型为同步调用，将任一跨度和任一跨度的父跨度转换为请求事件和响应事件；异步转换子单元，用于若预设调用类型为异步调用，将任一跨度和任一跨度的父跨度转换为消费者事件和生产者事件。
19、在一种可选的实施方式中，日本文档来自技高网...
【技术保护点】
1.一种基于图神经网络的微应用系统异常检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于图神经网络的微应用系统异常检测方法，其特征在于，所述获取微应用系统的调用链以及日志数据，所述调用链包括跨度事件，所述日志数据包括日志事件，包括：
3.根据权利要求2所述的基于图神经网络的微应用系统异常检测方法，其特征在于，所述预设调用类型包括同步调用以及异步调用，所述跨度事件包括请求事件、响应事件、消费者事件以及生产者事件，调用链中除根跨度外的任一跨度包括对应的父跨度，所述根据预设调用类型将调用链中的跨度转换为跨度事件，包括：
4.根据权利要求3所述的基于图神经网络的微应用系统异常检测方法，其特征在于，日志事件包括日志时间戳，跨度事件包括跨度时间戳，所述基于所述事件特征向量、调用链以及日志数据构建异构事件图，所述异构事件图用于表示跨度事件及日志事件间的关系，包括：
5.根据权利要求4所述的基于图神经网络的微应用系统异常检测方法，其特征在于，请求事件和响应事件包括同步请求关系和同步响应关系，消费者事件和生产者事件包括异步请求关系，所
6.根据权利要求1所述的基于图神经网络的微应用系统异常检测方法，其特征在于，所述利用构建的异构事件图训练图神经网络，包括：
7.根据权利要求1所述的基于图神经网络的微应用系统异常检测方法，其特征在于，所述使用训练后的图神经网络对微应用系统进行异常检测，包括：
8.一种基于图神经网络的微应用系统异常检测装置，其特征在于，所述装置包括：
9.根据权利要求8所述的基于图神经网络的微应用系统异常检测装置，其特征在于，所述数据获取模块包括：
10.根据权利要求9所述的基于图神经网络的微应用系统异常检测装置，其特征在于，所述预设调用类型包括同步调用以及异步调用，所述跨度事件包括请求事件、响应事件、消费者事件以及生产者事件，调用链中除根跨度外的任一跨度包括对应的父跨度，所述转换单元包括：
11.根据权利要求10所述的基于图神经网络的微应用系统异常检测装置，其特征在于，日志事件包括日志时间戳，跨度事件包括跨度时间戳，所述异构事件图构建模块包括：
12.根据权利要求11所述的基于图神经网络的微应用系统异常检测装置，其特征在于，请求事件和响应事件包括同步请求关系和同步响应关系，消费者事件和生产者事件包括异步请求关系，所述异构事件图构建单元包括：
13.根据权利要求8所述的基于图神经网络的微应用系统异常检测装置，其特征在于，所述神经网络训练模块包括：
14.根据权利要求8所述的基于图神经网络的微应用系统异常检测装置，其特征在于，所述异常检测模块包括：
15.一种计算机设备，其特征在于，包括：
16.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机指令，所述计算机指令用于使计算机执行权利要求1至7中任一项所述的基于图神经网络的微应用系统异常检测方法。
...【技术特征摘要】
1.一种基于图神经网络的微应用系统异常检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于图神经网络的微应用系统异常检测方法，其特征在于，所述获取微应用系统的调用链以及日志数据，所述调用链包括跨度事件，所述日志数据包括日志事件，包括：
3.根据权利要求2所述的基于图神经网络的微应用系统异常检测方法，其特征在于，所述预设调用类型包括同步调用以及异步调用，所述跨度事件包括请求事件、响应事件、消费者事件以及生产者事件，调用链中除根跨度外的任一跨度包括对应的父跨度，所述根据预设调用类型将调用链中的跨度转换为跨度事件，包括：
4.根据权利要求3所述的基于图神经网络的微应用系统异常检测方法，其特征在于，日志事件包括日志时间戳，跨度事件包括跨度时间戳，所述基于所述事件特征向量、调用链以及日志数据构建异构事件图，所述异构事件图用于表示跨度事件及日志事件间的关系，包括：
5.根据权利要求4所述的基于图神经网络的微应用系统异常检测方法，其特征在于，请求事件和响应事件包括同步请求关系和同步响应关系，消费者事件和生产者事件包括异步请求关系，所述根据预设调用类型以及跨度日志事件序列构建异构事件图，包括：
6.根据权利要求1所述的基于图神经网络的微应用系统异常检测方法，其特征在于，所述利用构建的异构事件图训练图神经网络，包括：
7.根据权利要求1所述的基于图神经网络的微应用系统异常检测方法，其特征在于，所述使用训练后的图神经网络对微应用系统进行异常检测，...
【专利技术属性】
技术研发人员：陈璐，陈牧，卢子昂，王腾岩，戴造建，党倩，杜春慧，李尼格，李勇，方文高，
申请(专利权)人：国网智能电网研究院有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。