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：福建福清核电有限公司

摘要：本申请公开了一种微服务架构下的方法级无侵入调用链路追踪方法、系统和电子设备，其通过基于上下文的编码器和时序编码器来获取在时序维度上各个服务器的日志数据之间的隐含关联特征以及各个服务器的日志数据在各个时间点之间的关联特征，以得到第一特征图和第二特征图，并进一步计算这两个特征图之间的特征流形维度分布相似性因数损失函数值来训练模型参数，可以通过高维特征分布的几何相似性的约束来优化特征流形之间具有关联的局部特征描述，以使得融合后的特征图能够减轻由于高维特征空间的空间复杂性导致的融合后特征稀疏度，从而增强融合后的所述特征图的分类能力。这样，就可以对所述微服务架构是否被入侵进行准确地检测。

主权项：1.一种微服务架构下的方法级无侵入调用链路追踪方法，其特征在于，包括：训练阶段，包括：获取微服务架构中各个服务器在各个预定时间点的日志数据；将各个时间点的所有所述服务器的日志数据通过包含嵌入层的上下文编码器以获得多个特征向量，并将所述多个特征向量进行级联以获得对应于各个时间点的所有所述服务器的第一特征向量；将各个时间点的所有所述服务器的第一特征向量进行二维排列为特征矩阵后通过第一卷积神经网络以获得第一特征图；将各个所述服务器在各个预定时间点的日志数据通过包含一维卷积层和全连接层的时序编码器以获得对应于各个所述服务器的第二特征向量；将各个所述服务器的第二特征向量进行二维排列为特征矩阵后通过第二卷积神经网络以获得第二特征图；计算所述第一特征图和所述第二特征图之间的特征流形维度分布相似性因数损失函数值，所述特征流形维度分布相似性因数损失函数值为以所述第一特征图和所述第二特征图之间的余弦距离除以所述第一特征图和所述第二特征图之间的欧式距离之商的一半的负值为幂的自然指数函数值；融合所述第一特征图和所述第二特征图以获得分类特征图；将所述分类特征图通过分类器以获得分类损失函数值；以及计算所述分类损失函数值和所述特征流形维度分布相似性因数损失函数值之间的加权和作为损失函数值来训练所述上下文编码器、所述时序编码器、所述第一卷积神经网络和所述第二卷积神经网络；以及推断阶段，包括：获取微服务架构中各个服务器在各个预定时间点的日志数据；将各个时间点的所有所述服务器的日志数据通过经训练阶段训练完成的所述包含嵌入层的上下文编码器以获得多个特征向量，并将所述多个特征向量进行级联以获得对应于各个时间点的所有所述服务器的第一特征向量；将各个时间点的所有所述服务器的第一特征向量进行二维排列为特征矩阵后通过经训练阶段训练完成的所述第一卷积神经网络以获得第一特征图；将各个所述服务器在各个预定时间点的日志数据通过经训练阶段训练完成的所述包含一维卷积层和全连接层的时序编码器以获得对应于各个所述服务器的第二特征向量；将各个所述服务器的第二特征向量进行二维排列为特征矩阵后通过经训练阶段训练完成的所述第二卷积神经网络以获得第二特征图；融合所述第一特征图和所述第二特征图以获得分类特征图；以及将所述分类特征图通过分类器以获得分类结果，其中，所述分类结果用于表示所述微服务架构是否被入侵；其中，计算所述第一特征图和所述第二特征图之间的特征流形维度分布相似性因数损失函数值，包括：以如下公式计算所述第一特征图和所述第二特征图之间的特征流形维度分布相似性因数损失函数值；其中，所述公式为： 其中cosF1,F2表示所述第一特征图F1与所述第二特征图F2之间的余弦距离，dF1,F2表示第一特征图F1与第二特征图F2之间的欧式距离。

全文数据：

权利要求：

百度查询： 福建福清核电有限公司 微服务架构下的方法级无侵入调用链路追踪方法