计算机科学与探索

作者：马渊沐, 丁凯琪, 李荣华

单位：1. 北京理工大学 计算机学院，北京 1000812. 北京大学 计算机学院，北京 100871

关键词：异常检测,微服务,时空增强,多模态

基金：国家自然科学联合基金重点项目（U2241211）。

异常检测作为确保微服务系统健康和性能的关键环节，已经成为智能运维领域的一个热点问题。然而现有异常检测方法存在三个重要问题：（1）微服务系统中收集的指标、日志和调用链等异构监测数据的关联分析不足，导致假阴性。（2）对异构数据时空特征挖掘不充分，导致假阳性。（3）异常检测结果无法综合表征微服务系统状态，缺乏可解释性。为了克服这些问题，提出一种多模态时空增强异常检测框架（STEAD）。对微服务系统中产生的异构多模态数据进行有效的统一表征处理；通过引入跨模态注意力模块，能够精确提取出不同数据模态之间的相关性；将经过关联处理的数据输入到时空增强网络中，利用该网络强大的时空递归编码能力，深入挖掘数据中的时空特征；将编码结果通过变分自编码器映射到潜在空间学习特征分布，通过对比解码重构的结果与输入的差异实现异常检测。实验结果证明STEAD在F1-score指标上相较于现有方法平均提升了7.76%~39.43%，与多模态方法相比，STEAD将模型训练时间缩短了约80%。

来源：2025年第11期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2025年第11期