一種基于大腦新皮質(zhì)層原理的硬盤異常檢測(cè)系統(tǒng)及方法技術(shù)方案

本發(fā)明專利技術(shù)涉及硬盤異常檢測(cè)技術(shù)領(lǐng)域，具體為一種基于大腦新皮質(zhì)層原理的硬盤異常檢測(cè)系統(tǒng)及方法，所述系統(tǒng)包括數(shù)據(jù)采集層、數(shù)據(jù)編碼層、神經(jīng)網(wǎng)絡(luò)層和分類器，所述數(shù)據(jù)采集層包括多個(gè)數(shù)據(jù)采集模塊，所述數(shù)據(jù)編碼層包括多個(gè)數(shù)據(jù)編碼模塊，所述神經(jīng)網(wǎng)絡(luò)層包括網(wǎng)絡(luò)層級(jí)N，其中N大于等于1，所述網(wǎng)絡(luò)層級(jí)N包括單個(gè)或多個(gè)皮質(zhì)層，所述皮質(zhì)層至少包括單個(gè)或多個(gè)皮質(zhì)柱組件。本發(fā)明專利技術(shù)相比現(xiàn)有技術(shù)進(jìn)行硬盤故障預(yù)測(cè)，預(yù)測(cè)精度更高，對(duì)實(shí)時(shí)數(shù)據(jù)中的噪聲有很好的抑制作用，能夠持續(xù)學(xué)習(xí)，增強(qiáng)對(duì)場(chǎng)景的適應(yīng)，要求訓(xùn)練數(shù)據(jù)量小，降低了機(jī)器性能要求，節(jié)約硬件成本；并可通過對(duì)硬盤以及機(jī)器狀態(tài)進(jìn)行檢測(cè)，及時(shí)預(yù)警，提醒及時(shí)更換硬盤以減少經(jīng)濟(jì)損失。提醒及時(shí)更換硬盤以減少經(jīng)濟(jì)損失。提醒及時(shí)更換硬盤以減少經(jīng)濟(jì)損失。

【技術(shù)實(shí)現(xiàn)步驟摘要】
一種基于大腦新皮質(zhì)層原理的硬盤異常檢測(cè)系統(tǒng)及方法


[0001]本專利技術(shù)涉及硬盤異常檢測(cè)
，具體為一種基于大腦新皮質(zhì)層原理的硬盤異常檢測(cè)系統(tǒng)及方法。

技術(shù)介紹

[0002]硬盤損壞經(jīng)常伴隨著硬盤內(nèi)數(shù)據(jù)的丟失，常常給使用者帶來很大的經(jīng)濟(jì)損失。現(xiàn)有磁盤異常檢測(cè)檢測(cè)技術(shù)采用的是傳統(tǒng)異常檢測(cè)算法，主要思路是采用采集器搜集服務(wù)器磁盤關(guān)鍵指標(biāo)以及機(jī)器關(guān)鍵指標(biāo)，根據(jù)磁盤和機(jī)器關(guān)鍵指標(biāo)進(jìn)行檢測(cè)，一旦發(fā)現(xiàn)波動(dòng)比較大的數(shù)值則定位為異常，此種方案誤報(bào)比較多，經(jīng)常產(chǎn)生大量的垃圾報(bào)警，實(shí)用性比較差。
[0003]此外，傳統(tǒng)異常檢測(cè)算法使用機(jī)器學(xué)習(xí)（ES，MA，ARIMA，SVM等）算法或者深度學(xué)習(xí)（LSTM
?
AD，LSTM
?
ED等）算法來進(jìn)行，機(jī)器學(xué)習(xí)的方案精度比較低，并且魯棒性比較差，只適應(yīng)于特定的場(chǎng)景。深度學(xué)習(xí)的方案中訓(xùn)練比較復(fù)雜，要求經(jīng)過大量數(shù)據(jù)的訓(xùn)練，并且模型比較大，需要機(jī)器具有較大算力，使用成本較高。另外，由于深度學(xué)習(xí)本身也缺乏大量的訓(xùn)練數(shù)據(jù)，導(dǎo)致訓(xùn)練產(chǎn)生可用模型較為困難。

技術(shù)實(shí)現(xiàn)思路

[0004]本專利技術(shù)的目的在于提供一種基于大腦新皮質(zhì)層原理的硬盤異常檢測(cè)方法，以解決上述
技術(shù)介紹
中提出的問題。
[0005]為實(shí)現(xiàn)上述目的，本專利技術(shù)提供如下技術(shù)方案：一種基于大腦新皮質(zhì)層原理的硬盤異常檢測(cè)系統(tǒng)，所述系統(tǒng)包括數(shù)據(jù)采集層、數(shù)據(jù)編碼層、神經(jīng)網(wǎng)絡(luò)層和分類器，所述數(shù)據(jù)采集層包括多個(gè)數(shù)據(jù)采集模塊，所述數(shù)據(jù)編碼層包括多個(gè)數(shù)據(jù)編碼模塊，所述神經(jīng)網(wǎng)絡(luò)層包括網(wǎng)絡(luò)層級(jí)N，其中N大于等于1，所述網(wǎng)絡(luò)層級(jí)N包括單個(gè)或多個(gè)皮質(zhì)層，所述皮質(zhì)層至少包括單個(gè)或多個(gè)皮質(zhì)柱組件。
[0006]進(jìn)一步的，所述數(shù)據(jù)采集模塊的采集信息包括硬盤實(shí)時(shí)指標(biāo)數(shù)據(jù)和相關(guān)硬件指標(biāo)數(shù)據(jù)，所述數(shù)據(jù)編碼模塊輸入連接數(shù)據(jù)采集模塊的采集信息，所述數(shù)據(jù)編碼模塊輸出信息包括根據(jù)硬盤異常檢測(cè)的業(yè)務(wù)特征進(jìn)行數(shù)據(jù)編碼的初始數(shù)據(jù)特征，所述數(shù)據(jù)編碼模塊輸出連接神經(jīng)網(wǎng)絡(luò)層，所述皮質(zhì)柱組件執(zhí)行該層級(jí)的數(shù)據(jù)計(jì)算，并進(jìn)行對(duì)應(yīng)該層級(jí)的數(shù)據(jù)特征匯聚抽取，并將抽取出的新數(shù)據(jù)特征輸送至上一網(wǎng)絡(luò)層級(jí)，由上一網(wǎng)絡(luò)層級(jí)進(jìn)行數(shù)據(jù)計(jì)算、新數(shù)據(jù)特征抽取和輸送，以此遞推直至頂層網(wǎng)絡(luò)層級(jí)的皮質(zhì)柱組件將抽取出的最終數(shù)據(jù)特征發(fā)送至分類器，所述分類器接收頂層網(wǎng)絡(luò)層級(jí)的最終數(shù)據(jù)特征并作為預(yù)測(cè)結(jié)果進(jìn)行磁盤損壞預(yù)警。
[0007]進(jìn)一步的，數(shù)據(jù)編碼層的數(shù)據(jù)由第N網(wǎng)絡(luò)層級(jí)進(jìn)入，且神經(jīng)網(wǎng)絡(luò)層中各層級(jí)的皮質(zhì)柱組件數(shù)量由第N網(wǎng)絡(luò)層級(jí)至頂層網(wǎng)絡(luò)層級(jí)逐級(jí)減少，頂層網(wǎng)絡(luò)層級(jí)中具有單個(gè)皮質(zhì)柱組件。
[0008]進(jìn)一步的，皮質(zhì)柱組件包括神經(jīng)元和突觸組件，由神經(jīng)元組件進(jìn)行數(shù)據(jù)計(jì)算，通過突觸組件進(jìn)行皮質(zhì)柱組件間的數(shù)據(jù)交互傳輸，所述突觸組件包括遠(yuǎn)端突觸和近端突觸。
[0009]進(jìn)一步的，一種基于大腦新皮質(zhì)層原理的硬盤異常檢測(cè)方法，所述方法至少包括以下步驟：一、對(duì)異常檢測(cè)系統(tǒng)初始化；二、數(shù)據(jù)采集層采集硬盤實(shí)時(shí)指標(biāo)數(shù)據(jù)和相關(guān)硬件指標(biāo)數(shù)據(jù)并作為系統(tǒng)輸入；三、數(shù)據(jù)編碼層將數(shù)據(jù)采集層采集到的數(shù)據(jù)根據(jù)硬盤異常檢測(cè)的業(yè)務(wù)特征進(jìn)行數(shù)據(jù)編碼，獲得初始數(shù)據(jù)特征；四、對(duì)第N網(wǎng)絡(luò)層級(jí)的各皮質(zhì)柱組件進(jìn)行初始化，將上一步驟中獲得的初始數(shù)據(jù)特征輸入至神經(jīng)網(wǎng)絡(luò)層的第N網(wǎng)絡(luò)層級(jí)，其中N大于等于1，初始化第N網(wǎng)絡(luò)層級(jí)中各皮質(zhì)柱組件中的突觸組件，完成本層中的數(shù)據(jù)傳輸，通過各皮質(zhì)柱組件中的神經(jīng)元組件對(duì)初始數(shù)據(jù)特征進(jìn)行數(shù)據(jù)計(jì)算，并實(shí)現(xiàn)神經(jīng)元的激活和抑制，將本層皮質(zhì)柱組件處理后預(yù)測(cè)得出的數(shù)據(jù)特征匯聚抽取并作為新的特征數(shù)據(jù)，記作特征數(shù)據(jù)N；五、當(dāng)N大于等于2時(shí)，對(duì)第N
?
1網(wǎng)絡(luò)層級(jí)的各皮質(zhì)柱組件進(jìn)行初始化，并對(duì)上一步驟中獲得的特征數(shù)據(jù)N輸入至神經(jīng)網(wǎng)絡(luò)層的第N
?
1網(wǎng)絡(luò)層級(jí)，初始化第N
?
1網(wǎng)絡(luò)層級(jí)中各皮質(zhì)柱組件中的突觸組件，完成本層中的數(shù)據(jù)傳輸，通過各皮質(zhì)柱組件中的神經(jīng)元組件對(duì)初始數(shù)據(jù)特征進(jìn)行數(shù)據(jù)計(jì)算，并實(shí)現(xiàn)神經(jīng)元的激活和抑制，將本層皮質(zhì)柱組件處理后預(yù)測(cè)得出的數(shù)據(jù)特征匯聚抽取并作為新的特征數(shù)據(jù)，記作特征數(shù)據(jù)N
?
1；六、按上一步驟遞推執(zhí)行至第1網(wǎng)絡(luò)層級(jí)，即頂層網(wǎng)絡(luò)層級(jí)，將本層皮質(zhì)柱組件處理后預(yù)測(cè)得出的數(shù)據(jù)特征匯聚抽取作為最終數(shù)據(jù)特征；七、上述最終數(shù)據(jù)特征發(fā)送至分類器，作為最終預(yù)測(cè)結(jié)果進(jìn)行磁盤損壞預(yù)警。
[0010]進(jìn)一步的，數(shù)據(jù)編碼層采用二進(jìn)制格式的編碼器對(duì)數(shù)據(jù)進(jìn)行編碼，進(jìn)行編碼時(shí)：語(yǔ)義相似的數(shù)據(jù)產(chǎn)生活躍比特彼此重疊的編碼輸出數(shù)據(jù)；相同的輸入數(shù)據(jù)產(chǎn)生相同的編碼輸出數(shù)據(jù)；對(duì)所有的輸入數(shù)據(jù)，編碼輸出數(shù)據(jù)均具有相同的維度；對(duì)所有的輸入數(shù)據(jù)，編碼輸出數(shù)據(jù)具有一致的稀疏度，且編碼器具有至少20個(gè)置1比特。
[0011]進(jìn)一步的，所述神經(jīng)元的激活和抑制方法為：首先，神經(jīng)元初始數(shù)據(jù)為隨機(jī)值，將其與和N
?
1層的特征計(jì)算為按對(duì)應(yīng)位進(jìn)行比較計(jì)算，當(dāng)特征相符的個(gè)數(shù)超過指定的閾值，該神經(jīng)元處于激活狀態(tài)；接著根據(jù)業(yè)務(wù)選擇合適感受野和抑制半徑，在抑制半徑內(nèi)根據(jù)業(yè)務(wù)以及模型調(diào)優(yōu)確保在抑制半徑方位內(nèi)只有固定個(gè)數(shù)的皮質(zhì)柱處于激活狀態(tài)。
[0012]與現(xiàn)有技術(shù)相比，本專利技術(shù)的有益效果是：本專利技術(shù)的基于大腦新皮質(zhì)層原理的硬盤異常檢測(cè)系統(tǒng)和檢測(cè)方法模擬生物學(xué)上新皮質(zhì)腦區(qū)的運(yùn)作方式，預(yù)測(cè)精度更高，對(duì)實(shí)時(shí)數(shù)據(jù)中的噪聲有很好的抑制作用，能夠持續(xù)學(xué)習(xí)，不斷增強(qiáng)對(duì)場(chǎng)景的適應(yīng)，要求訓(xùn)練數(shù)據(jù)量小，模型主要為二進(jìn)制運(yùn)算，降低浮點(diǎn)數(shù)運(yùn)算量，降低了機(jī)器性能要求，節(jié)約硬件成本。通過檢測(cè)方法對(duì)硬盤以及機(jī)器狀態(tài)進(jìn)行檢測(cè)，及時(shí)產(chǎn)生磁盤損壞預(yù)警，提醒及時(shí)更換硬盤來減少硬盤突然損壞帶來的經(jīng)濟(jì)損失。
附圖說明
[0013]圖1是本專利技術(shù)的基于大腦新皮質(zhì)層原理的硬盤異常檢測(cè)方法的流程圖；圖2是本專利技術(shù)的基于大腦新皮質(zhì)層原理的硬盤異常檢測(cè)系統(tǒng)的邏輯架構(gòu)示意圖；圖3為本專利技術(shù)中的皮質(zhì)柱組件的結(jié)構(gòu)說明圖。
[0014]圖中：1、遠(yuǎn)端突觸；2、神經(jīng)元；3、近端突觸。
具體實(shí)施方式
[0015]下面將結(jié)合本專利技術(shù)實(shí)施例中的附圖，對(duì)本專利技術(shù)實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本專利技術(shù)一部分實(shí)施例，而不是全部的實(shí)施例。基于本專利技術(shù)中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本專利技術(shù)保護(hù)的范圍。
[0016]請(qǐng)參閱圖1
?
3，本專利技術(shù)提供一種技術(shù)方案：請(qǐng)參閱圖2 ，一種基于大腦新皮質(zhì)層原理的硬盤異常檢測(cè)系統(tǒng)，系統(tǒng)包括數(shù)據(jù)采集層、數(shù)據(jù)編碼層、神經(jīng)網(wǎng)絡(luò)層和分類器，數(shù)據(jù)采集層包括多個(gè)數(shù)據(jù)采集模塊，數(shù)據(jù)編碼層包括多個(gè)數(shù)據(jù)編碼模塊，神經(jīng)網(wǎng)絡(luò)層包括網(wǎng)絡(luò)層級(jí)N，其中N大于等于1，網(wǎng)絡(luò)層級(jí)N包括單個(gè)或多個(gè)皮質(zhì)層，皮質(zhì)層至少包括單個(gè)或多個(gè)皮質(zhì)柱組件。
[0017]具體的，數(shù)據(jù)采集模塊的采集信息包括硬盤實(shí)時(shí)指標(biāo)數(shù)據(jù)和相關(guān)硬件指標(biāo)數(shù)據(jù)，數(shù)據(jù)編碼模塊輸入連接數(shù)據(jù)采集模塊的采集信息，數(shù)據(jù)編碼模塊輸出信息包括根據(jù)硬盤異常檢測(cè)的業(yè)務(wù)特征進(jìn)行數(shù)據(jù)編碼的初始數(shù)據(jù)特征，數(shù)據(jù)編碼模塊輸出連接神經(jīng)網(wǎng)絡(luò)層，皮質(zhì)柱組件執(zhí)行該層級(jí)的數(shù)據(jù)計(jì)算，并進(jìn)行對(duì)應(yīng)該本文檔來自技高網(wǎng)...

【技術(shù)保護(hù)點(diǎn)】

【技術(shù)特征摘要】
1.一種基于大腦新皮質(zhì)層原理的硬盤異常檢測(cè)系統(tǒng)，其特征在于：所述系統(tǒng)包括數(shù)據(jù)采集層、數(shù)據(jù)編碼層、神經(jīng)網(wǎng)絡(luò)層和分類器，所述數(shù)據(jù)采集層包括多個(gè)數(shù)據(jù)采集模塊，所述數(shù)據(jù)編碼層包括多個(gè)數(shù)據(jù)編碼模塊，所述神經(jīng)網(wǎng)絡(luò)層包括網(wǎng)絡(luò)層級(jí)N，其中N大于等于1，所述網(wǎng)絡(luò)層級(jí)N包括單個(gè)或多個(gè)皮質(zhì)層，所述皮質(zhì)層至少包括單個(gè)或多個(gè)皮質(zhì)柱組件。2.根據(jù)權(quán)利要求1所述的一種基于大腦新皮質(zhì)層原理的硬盤異常檢測(cè)系統(tǒng)，其特征在于：所述數(shù)據(jù)采集模塊的采集信息包括硬盤實(shí)時(shí)指標(biāo)數(shù)據(jù)和相關(guān)硬件指標(biāo)數(shù)據(jù)，所述數(shù)據(jù)編碼模塊輸入連接數(shù)據(jù)采集模塊的采集信息，所述數(shù)據(jù)編碼模塊輸出信息包括根據(jù)硬盤異常檢測(cè)的業(yè)務(wù)特征進(jìn)行數(shù)據(jù)編碼的初始數(shù)據(jù)特征，所述數(shù)據(jù)編碼模塊輸出連接神經(jīng)網(wǎng)絡(luò)層，所述皮質(zhì)柱組件執(zhí)行該層級(jí)的數(shù)據(jù)計(jì)算，并進(jìn)行對(duì)應(yīng)該層級(jí)的數(shù)據(jù)特征匯聚抽取，并將抽取出的新數(shù)據(jù)特征輸送至上一網(wǎng)絡(luò)層級(jí)，由上一網(wǎng)絡(luò)層級(jí)進(jìn)行數(shù)據(jù)計(jì)算、新數(shù)據(jù)特征抽取和輸送，以此遞推直至頂層網(wǎng)絡(luò)層級(jí)的皮質(zhì)柱組件將抽取出的最終數(shù)據(jù)特征發(fā)送至分類器，所述分類器接收頂層網(wǎng)絡(luò)層級(jí)的最終數(shù)據(jù)特征并作為預(yù)測(cè)結(jié)果進(jìn)行磁盤損壞預(yù)警。3.根據(jù)權(quán)利要求1所述的一種基于大腦新皮質(zhì)層原理的硬盤異常檢測(cè)系統(tǒng)，其特征在于：數(shù)據(jù)編碼層的數(shù)據(jù)由第N網(wǎng)絡(luò)層級(jí)進(jìn)入，且神經(jīng)網(wǎng)絡(luò)層中各層級(jí)的皮質(zhì)柱組件數(shù)量由第N網(wǎng)絡(luò)層級(jí)至頂層網(wǎng)絡(luò)層級(jí)逐級(jí)減少，頂層網(wǎng)絡(luò)層級(jí)中具有單個(gè)皮質(zhì)柱組件。4.根據(jù)權(quán)利要求1所述的一種基于大腦新皮質(zhì)層原理的硬盤異常檢測(cè)系統(tǒng)，其特征在于：皮質(zhì)柱組件包括神經(jīng)元（2）和突觸組件，由神經(jīng)元組件進(jìn)行數(shù)據(jù)計(jì)算，通過突觸組件進(jìn)行皮質(zhì)柱組件間的數(shù)據(jù)交互傳輸，所述突觸組件包括遠(yuǎn)端突觸（1）和近端突觸（3）。5.一種基于大腦新皮質(zhì)層原理的硬盤異常檢測(cè)方法，其特征在于：所述方法至少包括以下步驟：一、對(duì)異常檢測(cè)系統(tǒng)初始化；二、數(shù)據(jù)采集層采集硬盤實(shí)時(shí)指標(biāo)數(shù)據(jù)和相關(guān)硬件指標(biāo)數(shù)據(jù)并作為系統(tǒng)輸入；三、數(shù)據(jù)編碼層將數(shù)據(jù)采集層采集到的數(shù)據(jù)根據(jù)硬盤異常檢測(cè)的業(yè)務(wù)特征進(jìn)行數(shù)據(jù)編碼，獲得初始數(shù)據(jù)特征；四、對(duì)第N網(wǎng)絡(luò)層級(jí)的各皮質(zhì)柱組件進(jìn)行初始化，將上一步驟中獲得的初始數(shù)據(jù)特征...

【專利技術(shù)屬性】
技術(shù)研發(fā)人員：孫社賓，高旭麟，劉珊，
申請(qǐng)(專利權(quán))人：天津安銳捷技術(shù)有限公司，
類型：發(fā)明
國(guó)別省市：