基于多模态数据融合与扩散概率模型的云服务异常检测优化

报告题目： 基于多模态数据融合与扩散概率模型的云服务异常检测优化

报 告 人： 边凯归，北京大学计算机学院博导、副教授

报告时间： 2026年8月2日 8：00-10:00

报告地点：安徽工业大学秀山校区先进技术研究中心513

报告对象：计算机科学与技术学院及相关师生

主办单位：计算机科学与技术学院

报告人简介：边凯归博士，北京大学计算机学院长聘副教授，博士生导师，数据科学与工程研究所副所长、AI创新中心执行主任。曾入选国家高层次青年人才计划，北京智源青年科学家。研究兴趣为视频服务、推荐系统、移动网络。曾获电子学会自然科学一等奖，教育部高等学校自然科学一等奖等。担任2个SCI期刊编委。

报告内容：当今很多大型互联网软件系统的云平台都采用微服务架构，然而这种架构复杂，出现安全问题后难排查。已有研究在处理多模态数据时存在不足：一是没充分挖掘不同数据里的有用信息，二是没深入分析数据在时间和空间上的关联。本研究提出了新的微服务异常检测方法。该方法将三类数据转换到小波域，再用注意力机制融合这些数据，充分利用了数据在频率和时间上的特点，还能提炼出原始数据里没有的新信息，让异常检测更精准。同时，设计了一种基于时空图的扩散概率模型，结合了时空学习能力和模型的不确定性衡量，能以非自回归方式生成未来数据样本，实现多时段预测。实验结果显示，该方法在三个公开数据集和实际生产系统中，都大幅提升了异常检测效果，证明了它在微服务异常检测中的实用性。