买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉国电南瑞南京控制系统有限公司申请的专利一种基于指纹的服务器运维故障识别方法、定位方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116307787B 。

龙图腾网通过国家知识产权局官网在2025-08-22发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211093470.8，技术领域涉及：G06Q10/0639；该发明授权一种基于指纹的服务器运维故障识别方法、定位方法是由高尚;陈子韵;彭程;黄鑫健;徐丽燕;孔彦茹;李昊;季学纯;张珂珩;翟明玉设计研发完成，并于2022-09-08向国家知识产权局提交的专利申请。

本一种基于指纹的服务器运维故障识别方法、定位方法在说明书摘要公布了：本发明公开了一种基于指纹的服务器运维故障识别方法、定位方法，通过对运维指标的采集、筛选、加工和转化，形成能反映服务器性能状态的“指纹”，并利用卷积神经网络学习故障指纹规律，从而实现实时发现电网调度控制系统服务器异常、快速定位故障节点、智能识别故障类型，辅助运维人员隔离故障节点，保障电网调度控制系统安全稳定运行。

本发明授权一种基于指纹的服务器运维故障识别方法、定位方法在权利要求书中公布了：1.一种基于指纹的服务器运维故障识别方法，其特征在于：包括以下步骤： 步骤1：基于与服务器运维相关的各运维指标，针对每个运维指标进行采样，得到各运维指标对应的采样值，将各运维指标对应的采样值进行重采样处理，得到各运维指标对应的运维指标数据； 步骤2：针对每个运维指标，判断其对应的运维指标数据在不同时刻时是否异常，若为异常，则该运维指标对应的运维指标数据在该时刻被标记为abnormal；若不为异常，则该运维指标对应的运维指标数据在该时刻被标记为normal； 步骤3：依据各运维指标数据在不同时刻的标记，计算得到各运维指标的异常显著度； 步骤4：针对服务器的每个故障类型，从与服务器运维相关的各运维指标中选出异常显著度超过阈值的k个指标，以此得到n×k个指标，其中，n为服务器的故障类型数量；从nxk个指标中，选取出现次数大于等于2次的指标，得到敏感指标集； 步骤5：记当前采样时刻为t0，取敏感指标集中的每个指标在[t0-T,t0]时间范围内的时序数据，构成矩阵，该矩阵中每一列为一个指标的时序数据；通过指标间的网络接口接收和发送数据包之差计算和网络接口接收和发送数据包之差在接收包数中的占比计算，增加新的两列数据；对矩阵中的数据和新的两列数据分别进行一阶差分计算，并去掉因差分计算引入的首行空缺值，得到新的矩阵；使用离差标准化方法对新的矩阵中的每一列进行线性变换，将数值映射到[0，1]区间，得到服务器性能状态指纹数据集； 步骤6：在服务器性能状态指纹数据集中，取故障时段的服务器性能状态指纹数据构建负样本数据集，取非故障时段的服务器性能状态指纹数据构建正样本数据集；从负样本数据集中随机抽取a、b两个样本，选择随机系数α，α∈0,1，对负样本数据集中的负样本进行新增，新增的负样本为x＝α*a+1-α*b，以此得到新的负样本数据集；从正样本数据集中抽取C个样本，从新的负样本数据集中抽取C个样本，将2C个样本划分为训练集、验证集和测试集；采用训练集、验证集和测试集对基于Kares框架的三层卷积神经网络进行训练、验证和测试，当在测试集上的准确率大于90％时，得到可进行故障类型识别的卷积神经网络模型； 步骤7：基于步骤4得到的敏感指标集，针对敏感指标集中的每个运维指标，进行实时采样，将实时采样到的时序数据进行预处理，得到采样矩阵，将该采样矩阵输入至步骤6得到的可进行故障类型识别的卷积神经网络模型，得到故障检测结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人国电南瑞南京控制系统有限公司，其通讯地址为：211106 江苏省南京市江宁区诚信大道19号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。