买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：武汉卓讯互动信息科技有限公司

摘要：公开了一种基于ServerMesh的微服务系统。其首先获取由基于ServerMesh的微服务系统采集的预定时间段内多个预定时间点的流量值，接着，对所述多个预定时间点的流量值进行数据预处理以得到流量局部时序图像的序列，然后，对所述流量局部时序图像的序列进行时序分析以得到空间强化流量时序特征图，最后，基于所述空间强化流量时序特征图，确定网络流量是否正常。这样，可以利用AI技术来监控微服务系统的网络流量，并使用深度学习算法来检测潜在的安全威胁。

主权项：1.一种基于ServerMesh的微服务系统，其特征在于，包括：流量值采集模块，用于获取由基于ServerMesh的微服务系统采集的预定时间段内多个预定时间点的流量值；数据预处理模块，用于对所述多个预定时间点的流量值进行数据预处理以得到流量局部时序图像的序列；时序分析模块，用于对所述流量局部时序图像的序列进行时序分析以得到空间强化流量时序特征图；以及网络流量分析模块，用于基于所述空间强化流量时序特征图，确定网络流量是否正常；其中，所述数据预处理模块，包括：向量化单元，用于将所述多个预定时间点的流量值按照时间维度排列为流量时序输入向量；输入向量切分单元，用于对所述流量时序输入向量进行向量切分以得到流量局部时序输入向量的序列；以及转换单元，用于将所述流量局部时序输入向量的序列通过向量-图像转换模块以得到所述流量局部时序图像的序列；其中，所述转换单元，包括：局部向量切分子单元，用于将所述流量局部时序输入向量进行向量切分以得到流量局部时序输入子向量的序列；矩阵化子单元，用于将所述流量局部时序输入子向量的序列排列为流量局部时序输入矩阵；以及归一化子单元，用于对所述流量局部时序输入矩阵进行归一化处理以得到所述流量局部时序图像；其中，所述流量局部时序图像中各个位置的值的范围为0-255；其中，所述时序分析模块，包括：流量时序特征提取单元，用于将所述流量局部时序图像的序列通过基于三维卷积神经网络模型的流量时序特征提取器以得到流量时序特征图；以及空间注意力编码单元，用于将所述流量时序特征图通过空间注意力模块以得到所述空间强化流量时序特征图；其中，所述空间注意力编码单元，包括：使用所述空间注意力模块的卷积编码部分对所述流量时序特征图进行深度卷积编码以得到流量时序卷积特征图；将所述流量时序卷积特征图输入所述空间注意力模块的空间注意力部分以得到流量时序空间注意力图；将所述流量时序空间注意力图通过Softmax激活函数以得到流量时序空间注意力特征图；以及计算所述流量时序空间注意力特征图和所述流量时序特征图的按位置点乘以得到所述空间强化流量时序特征图；其中，所述网络流量分析模块，包括：将所述空间强化流量时序特征图通过分类器以得到分类结果，所述分类结果用于表示网络流量是否正常；其中，所述的基于ServerMesh的微服务系统，还包括用于对所述基于三维卷积神经网络模型的流量时序特征提取器、所述空间注意力模块和所述分类器进行训练的训练模块；其中，所述训练模块，包括：训练数据获取单元，用于获取训练数据，所述训练数据包括由所述基于ServerMesh的微服务系统采集的预定时间段内多个预定时间点的训练流量值，以及，网络流量是否正常的真实值；训练数据向量化单元，用于将所述多个预定时间点的训练流量值按照时间维度排列为训练流量时序输入向量；训练输入向量切分单元，用于对所述训练流量时序输入向量进行向量切分以得到训练流量局部时序输入向量的序列；训练转换单元，用于将所述训练流量局部时序输入向量的序列通过所述向量-图像转换模块以得到训练流量局部时序图像的序列；训练流量时序特征提取单元，用于将所述训练流量局部时序图像的序列通过所述基于三维卷积神经网络模型的流量时序特征提取器以得到训练流量时序特征图；训练空间注意力编码单元，用于将所述训练流量时序特征图通过所述空间注意力模块以得到训练空间强化流量时序特征图；训练分类单元，用于将所述训练空间强化流量时序特征图通过分类器以得到分类损失函数值；以及训练优化单元，用于以所述分类损失函数值来对所述基于三维卷积神经网络模型的流量时序特征提取器、所述空间注意力模块和所述分类器进行训练，其中，在所述训练的每一轮迭代中，对所述训练空间强化流量时序特征图展开后得到的训练空间强化流量时序特征向量进行基于类度矩阵正则化的权重空间探索约束迭代；其中，所述训练优化单元，包括：在所述训练的每一轮迭代中，以如下优化公式对所述训练空间强化流量时序特征图展开后得到的训练空间强化流量时序特征向量进行基于类度矩阵正则化的权重空间探索约束迭代以得到优化训练空间强化流量时序特征图；其中，所述优化公式为： 其中，V是所述训练空间强化流量时序特征向量，V具体表示为列向量，V′是所述优化训练空间强化流量时序特征图展开后得到的优化训练空间强化流量时序特征向量，V′是行向量，M是上一次迭代的权重矩阵，Mt∈RL×L为可学习的域转移矩阵，表示矩阵乘法，·T表示转置操作，M′表示迭代后的权重矩阵。

全文数据：

权利要求：

百度查询： 武汉卓讯互动信息科技有限公司 基于Server Mesh的微服务系统