云虚拟机异常检测场景下改进的LOF算法

摘要：

针对云服务中由于资源超额预定造成负载不均衡的云虚拟机异常,提出了一种基于密度空间的局部离群因子(Local Outlier Factor Based on Density Space,LOFBDS)算法.LOFBDS算法参考DBSCAN(Density-Based Spatial Clustering of Applications with Noise)算法,将云虚拟机在密度空间中的性质融合至LOF算法之中,提出对云虚拟机的判断规则,以达到优化对正常云虚拟机的检测过程,提高检测效率.实验结果表明,所提出的算法对云服务负载不均造成的云虚拟机异常有着良好的检测效率,并且时间花费较少.

关键词：云服务、云虚拟机、异常检测、局部离群点检测

所属期刊栏目：56

分类号：TP306+.3(计算技术、计算机技术)

资助基金：软件新技术国家重点实验室开放基金;中央高校基础研究基金

在线出版日期：2020-12-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：80-86