一种基于DBN-LR集成学习的异常检测模型

摘要

目前企业所面临的运维环境往往是复杂系统的整合,因此,对多种数据源进行有效综合分析和异常检测,做到故障规避、及时止损,是企业在数字化转型道路上的关键.本文在分析云环境异常检测特点的基础上,提出了一种基于深度置信网络集成学习的异常检测模型.该模型解决了运维数据集正负样本不平衡问题,同时利用深度置信网络良好的特征提取功能,对多源时序KPI数据进行有效降维,并结合逻辑回归和受限玻尔兹曼机实现了异常检测,单个弱分类器对异常的识别率在99%以上.将多个弱分类器进行多数投票集成,提高了模型整体的泛化性,使异常检测模型的平均准确率达到了98. 35%.