買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉國電南瑞南京控制系統有限公司申請的專利一種基于指紋的服務器運維故障識別方法、定位方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN116307787B 。

龍圖騰網通過國家知識產權局官網在2025-08-22發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202211093470.8，技術領域涉及：G06Q10/0639；該發明授權一種基于指紋的服務器運維故障識別方法、定位方法是由高尚;陳子韻;彭程;黃鑫健;徐麗燕;孔彥茹;李昊;季學純;張珂珩;翟明玉設計研發完成，并于2022-09-08向國家知識產權局提交的專利申請。

本一種基于指紋的服務器運維故障識別方法、定位方法在說明書摘要公布了：本發明公開了一種基于指紋的服務器運維故障識別方法、定位方法，通過對運維指標的采集、篩選、加工和轉化，形成能反映服務器性能狀態的“指紋”，并利用卷積神經網絡學習故障指紋規律，從而實現實時發現電網調度控制系統服務器異常、快速定位故障節點、智能識別故障類型，輔助運維人員隔離故障節點，保障電網調度控制系統安全穩定運行。

本發明授權一種基于指紋的服務器運維故障識別方法、定位方法在權利要求書中公布了：1.一種基于指紋的服務器運維故障識別方法，其特征在于：包括以下步驟： 步驟1：基于與服務器運維相關的各運維指標，針對每個運維指標進行采樣，得到各運維指標對應的采樣值，將各運維指標對應的采樣值進行重采樣處理，得到各運維指標對應的運維指標數據； 步驟2：針對每個運維指標，判斷其對應的運維指標數據在不同時刻時是否異常，若為異常，則該運維指標對應的運維指標數據在該時刻被標記為abnormal；若不為異常，則該運維指標對應的運維指標數據在該時刻被標記為normal； 步驟3：依據各運維指標數據在不同時刻的標記，計算得到各運維指標的異常顯著度； 步驟4：針對服務器的每個故障類型，從與服務器運維相關的各運維指標中選出異常顯著度超過閾值的k個指標，以此得到n×k個指標，其中，n為服務器的故障類型數量；從nxk個指標中，選取出現次數大于等于2次的指標，得到敏感指標集； 步驟5：記當前采樣時刻為t0，取敏感指標集中的每個指標在[t0-T,t0]時間范圍內的時序數據，構成矩陣，該矩陣中每一列為一個指標的時序數據；通過指標間的網絡接口接收和發送數據包之差計算和網絡接口接收和發送數據包之差在接收包數中的占比計算，增加新的兩列數據；對矩陣中的數據和新的兩列數據分別進行一階差分計算，并去掉因差分計算引入的首行空缺值，得到新的矩陣；使用離差標準化方法對新的矩陣中的每一列進行線性變換，將數值映射到[0，1]區間，得到服務器性能狀態指紋數據集； 步驟6：在服務器性能狀態指紋數據集中，取故障時段的服務器性能狀態指紋數據構建負樣本數據集，取非故障時段的服務器性能狀態指紋數據構建正樣本數據集；從負樣本數據集中隨機抽取a、b兩個樣本，選擇隨機系數α，α∈0,1，對負樣本數據集中的負樣本進行新增，新增的負樣本為x＝α*a+1-α*b，以此得到新的負樣本數據集；從正樣本數據集中抽取C個樣本，從新的負樣本數據集中抽取C個樣本，將2C個樣本劃分為訓練集、驗證集和測試集；采用訓練集、驗證集和測試集對基于Kares框架的三層卷積神經網絡進行訓練、驗證和測試，當在測試集上的準確率大于90％時，得到可進行故障類型識別的卷積神經網絡模型； 步驟7：基于步驟4得到的敏感指標集，針對敏感指標集中的每個運維指標，進行實時采樣，將實時采樣到的時序數據進行預處理，得到采樣矩陣，將該采樣矩陣輸入至步驟6得到的可進行故障類型識別的卷積神經網絡模型，得到故障檢測結果。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人國電南瑞南京控制系統有限公司，其通訊地址為：211106 江蘇省南京市江寧區誠信大道19號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。