CN119416134A 用于智能算力网络的作业异常检测方法和装置 （曙光信息产业股份有限公司）

用于智能算力网络的作业异常检测方法和本申请涉及一种用于智能算力网络的作业力网络中目标作业在待检测时段内的原始运行2对所述智能算力网络中目标作业在待检测时段内的原始运行数据根据相邻两个子时段对应的局部运行数据之间的相似度，从各子获取所述异常子时段对应的历史检测时段内的根据所述历史运行数据和所述异常子时段对应的局部运行数据对所述智能算力网络中目标作业在待检测时段内的原始运行数据进行一阶差分处理，得到所述目标作业在所述待检测时段内的全对所述全局运行数据进行拆分，得到所述待检测时段内各子时段对应的局部运行数针对每一子时段，根据所述子时段对应的局部运行数据与邻居确定所述子时段对应的局部运行数据的数据变化趋势，以及所根据所述子时段对应的数据变化趋势和所述邻居子时段对应的数据变化趋势之间的从所述历史检测时段内的各候选运行数据中，选择符合所述确定所述历史运行数据和所述异常子时段对应的局部运行数据3根据所述历史运行数据和所述异常子时段对应的局部运行数据之间数据拆分模块，用于对所述智能算力网络中目标作业在待检测时异常确定模块，用于根据相邻两个子时段对应的局部运行数据之异常检测模块，用于根据所述历史运行数据和所述异常子时段对应的局部运行数据，9.一种计算机设备，包括存储器和处理器，所述存储器存被处理器执行时实现权利要求1至7中任一项所述的4[0003]现有的作业异常检测的方式，一般会直接将针对普通网络中作业的异常检测方[0013]对智能算力网络中目标作业在待检测时段内的原始运行5[0015]在其中一个实施例中，根据相邻两个子时段对应的局部[0024]在其中一个实施例中，获取异常子时段对应的历史检测67[0064]现有的作业异常检测的方式，一般会直接将针对普通网络中作业的异常检测方作业异常检测方法，以该方法应用于部署在智能算力网络中的异常检测设备为例进行说8[0070]与此同时，为了能够更准确的监控智能算力网络中所运常检测设备发送包含目标作业的作业标识和待检9年11月15日2022年11月30日。所谓历史运行数据即为历史检测时段内作业的真实运行数时段对应的局部运行数据的数据波动情况进行一致性比较，若比较结果为一致性程度较[0094]在确定目标作业的作业运行异常的情况下，继续参考图2所示的作业异常检测示[0098]为了使运行数据更加稳定，在获取到目标作业在待检测时段内的原始运行数据数据和该子时段的邻居子时段对应的局部运行数据输入至基于相似度算法构建的第一相似度确定模型中，由第一相似度确定模型根据两个子时段内的局部运行数据和模型参数，K3确定出子时段T和邻居子时段S之间的趋候选趋势相似度与候选相似度评分的对应关系中进行查询，即可得到子时段的相似度评[0129]在实际应用中，可能存在两个子时段内局部运行数据的整体数据变化的趋势一[0142]其中，所谓历史检测时段即为历史时段内与异常子时段具有相同时间特征的时同时输入到经过训练的第二相似度确定模型中，由第二相似度确定模型根据历史运行数[0161]图8为另一个实施例中用于智能算力网络的作业异常检测方法的流程示意图，在[0172]上述S801_S809的具体过程可以参见上述方法实施例的描述，其实现原理和技术用于智能算力网络的作业异常检测装置实施例中的具体限定可以参见上文中对于用于智[0177]异常确定模块20，用于根据相邻两个子时段对应的局部[0181]对智能算力网络中目标作业在待检测时段内的原始运行[0193]上述用于智能算力网络的作业异常检测装置中的各个模块可全部或部分通过软机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口易失性存储器和易失性存储器中的至少一种。非易失性存储器可包括只读存储器（Read_