傳統(tǒng)異常檢測技術受到冗余數(shù)據(jù)影響,檢測準確率較低,存在一定片面性,由此,本文提出云環(huán)境下異常波動狀態(tài)協(xié)作檢測方法。分析云計算大規(guī)模、虛擬化、高可靠性等特征,據(jù)此建立具有部署簡單、方便維護、延時較小等優(yōu)勢的云平臺集中式監(jiān)控結構;其次,將準確率、靈敏度與誤報率確定為異常波動狀態(tài)檢測指標,利用小數(shù)定標方法對數(shù)據(jù)進行標準化處理,統(tǒng)一數(shù)據(jù)屬性,提取融合后數(shù)據(jù)的異常特征參數(shù),為數(shù)據(jù)融合奠定基礎;在信息熵分析與非參數(shù)CUSUM算法協(xié)作基礎上判斷異常狀態(tài),確定異常波動狀態(tài),完成檢測。仿真結果表明,所提方法檢測準確度高,虛警率低,在理論創(chuàng)新的同時具有較強實用價值。

【文章頁數(shù)】：5 頁

【部分圖文】：

圖1異常檢測流程圖

所提方法中,當信息熵分析模塊檢測出可疑異常狀態(tài)后,啟動異常確認程序進行進一步確認,從而完成異常波動狀態(tài)檢測。4仿真數(shù)據(jù)分析與研究

圖2不同方法檢測準確率對比圖

檢測準確率對比實驗獲取的結果如圖2所示。由圖2可知,在進行異常情況準確率檢驗時,本文方法對異常特征參數(shù)檢測準確率高于對比方法,因為本文確定異常波動狀態(tài)檢測相關指標,根據(jù)指標要求,采用小數(shù)定標方法對數(shù)據(jù)做標準化處理,數(shù)據(jù)融合程度較高,數(shù)據(jù)間的擬合效果得到保證,參數(shù)特征提取魯棒性較強....

圖3不同方法誤報率對比圖

文獻[1]、文獻[2]和文獻[3]方法誤報率檢測結果如圖3所示。由圖3可知,本文方法隨著實驗次數(shù)的增加誤報率沒有明顯上升,最高誤報率為20%,該方法將非參數(shù)CUSUM算法和利用信息熵分析方法相結合,判斷異常波動情況效率較高,展現(xiàn)算法的優(yōu)越性。

本文編號：3909172