基于自适应遗传算法与集成学习的微服务异常检测方法.pdfVIP

第42卷第3期微电子学与计算机Vol.42No.3

2025年3月MICROELECTRONICSCOMPUTERMarch2025

引用格式：杨云皓，姜瑛．基于自适应遗传算法与集成学习的微服务异常检测方法[J].微电子学与计算机，2025，42（3）：49-58．

YANGYH，JIANGY.Microserviceanomalydetectionmethodbasedonadaptivegeneticalgorithmandensemblelearning[J].

MicroelectronicsComputer，2025，42（3）：49-58.

DOI：10.19304/J.ISSN1000-7180.2024.0031

基于自适应遗传算法与集成学习的微服务异常检测方法

1,21,2

杨云皓，姜瑛

（1云南省计算机技术应用重点实验室,云南昆明650500；

2昆明理工大学信息工程与自动化学院,云南昆明650500）

摘要：当前微服务异常检测方法存在的问题主要包括仅使用单一数据源进行分析以及模型参数依赖于开发人员

的经验。此外，一些方法不能有效应对样本不平衡问题，这些因素都会影响模型的准确率。为了解决上述问题，提

出了一种基于自适应遗传算法与集成学习的微服务异常检测方法（AdaptiveGeneticAlgorithmandEnsemble

Learning-MicroserviceAnomalyDetection,AGEL-MAD）。该方法首先通过特征组合的方式表示服务轨迹数据，并将

其与性能数据进行融合。其次，为应对样本不平衡问题，引入了单分类支持向量机（One-ClassSupportVector

Machine,OCSVM）与多层感知机（Multi-LayerPerception,MLP）的集成学习。最后，为排除开发人员的影响，在异常

检测过程中引入自适应遗传算法（AGA）以获取参数的最优组合，提高模型的适应性和准确率。通过在不同的数据

集上进行实验，验证了AGEL-MAD方法的有效性。

关键词：微服务；异常检测；样本不平衡；自适应遗传算法；集成学习

中图分类号：TP306+.3文献标识码：A文章编号：1000-7180（2025）03-0049-10

Microserviceanomalydetectionmethodbasedonadaptive

geneticalgorithmandensemblelearning

YANGYunhao1,2，JIANGYing1,2

（1ComputerTechnologyApplicationKeyLaboratoryofYunnanProvince,Kunming650500,China；

2FacultyofInformationEngineeringAutomation,KunmingUniversityofScienceandTechnology,Kunming650500,China）

Abstract：Themainproblemswithcurrentmethodsofmicroservicesanomalydetectioninclude