基于多源異構數據融合的在線監測方法

文/孫紅燕，王少華，王芳

以數字信息系統為研究對象，本文首先簡要闡述了數據融合的概念；其次深入分析了多源異構監測數據融合方式；再次圍繞多源數據融合在線監測方法展開討論，如構建在線監測平臺、細化在線監測流程等；最后對系統運行效果進行了說明，旨在為相關人員提供參考。

作為評估數字信息系統安全性能的重要工具之一，多源異構數據融合在線監測的重要性不言而喻。近年來，這種監測方式在數字信息系統監測中的應用較為廣泛。實踐證明，該檢測方式在實時獲取并融合多源異構數據、提升數字信息系統結構安全性等方面均表現出顯著的積極作用。

一、數據融合概述

數據融合是指將具有相同結構的數據資源融合成實用、準確的表現形式，確保單一數據和監測點的準確性。在一般情況下，多源異構信息融合可依據數據融合形式分為數據層、特征層以及決策融合層。其中，數據層通常作為數據融合的最底層，其主要借助傳感器監測的方式完成初步分析和集成，并通過提取相關融合數據，明確數字信息系統的時程特性。當前，這種方式主要用于融合原始信息、處理海量信息數據等方面。特征層是數據融合的中間層，其不僅需要提取不同類型的監測值以及觀測指標的特征向量，還需要將獲得的特征向量進行充分融合，進而得到所需信息數據。特征層簡單靈活，因而被廣泛應用于融合應用中。決策層是數據融合的最高層，在實際應用中，技術人員需要做好專家決策系統分析和數據庫推導等工作。相較于特征層，決策層在處理觀測指標特征向量時，需要利用模式識別的方式，做好不同類型傳感器的監測工作，并通過多源異構監測對數字信息系統的運行狀態做出進一步評估，以確保其兼具數據層、特征層的特性。[1]

二、多源異構監測數據融合方式

多源異構監測數據融合方式的運行原理是，將不同量綱作為監測指標，以達到數據融合的目的。當前，技術人員在采用多源異構監測數據時應按照以下三個步驟進行：（1）利用小波分析方式，監測不同監測點原始時間序列產生的誤差，避免干擾因素的產生；（2）將不同監測點的類型和去噪時間序列融合為同一個綜合序列；（3）將監測指標綜合序列有機地融合為綜合監測信息序列，且該綜合監測信息序列除包含位移、應力信息外，還應包括傾斜度監測數據信息。

此外，在數字信息系統監測過程中，監測數據主要為低頻信號和平穩信號。考慮到小波閾值去噪法主要是依據原始監測數據進行后續去噪處理的，因此，在對小波閾值進行去噪處理時，技術人員首先需要合理選擇小波基函數與分解層數，并將其分解為不同的尺度層；其次，技術人員應依據閾值的計算和函數處理方式，完成對小波系數的限制；最后，技術人員應對閾值進行重新架構，同時做好高頻系數和低頻系數的處理，從而獲得去噪后的監測序列。

三、多源數據融合在線監測方法探究

（一）構建在線監測平臺

在構建在線監測平臺過程中，考慮到數字信息系統內部數據監測工作較為復雜，且具有監測時間較長、監測內容相對較多等特點，如果繼續使用傳統的人工實時監測技術，可能會因監測工作量過多而降低監測工作質量。為了切實解決上述問題，技術人員應放棄常規做法，并引入多源異構數據融合技術，將其與監控內容相關的數據進行有效整合，以此提升監測工作的質量與效率。具體來說，在實際應用過程中，面向服務架構模型作為一種組件模型，可以通過對分布式粗粒度進行有效組合等方式，實現對不同信息的靈活調用，并將對應信息用于多源異構數據的整合分析工作中，進而在解決信息孤島問題的同時，為監測及后續工作的順利推進提供有力支持。需要注意的是，該在線監測平臺的通信接口應使用Web Service進行搭建，并及時建立通信協議，以確保構建數據的格式符合標準。

在本次研究中，在線檢測平臺主要由數據層、交換層、集成層與用戶層四部分構成。其中，數據層主要負責接收、存儲系統數據信息；交換層的主要任務是確保數據信息完成異構數據與XML（可擴展標記語言）格式數據的雙向轉換；集成層又可細分為平臺管理中心、數據交換服務中心、數據中心三個部分，在具體應用過程中，其主要負責系統維護管理、數據轉換、數據存儲備份等工作；用戶層則是面向用戶的人機交互系統，其主要負責用戶登錄、權限管理等工作。[2]

（二）細化監測流程

技術人員對多源異構數據進行在線監測的主要流程如下。第一步，采集數字信息系統性能數據。第二步，融合采集來的多源異構數據，并通過評價模型對融合數據進行分析，以明確異常數據及產生異常的原因。第三步，預測指標數據變化趨勢，并以此判斷系統實時性能態勢。第四步，將異常數據導入預警平臺，由平臺對其進行格式化處理；與此同時，平臺將基于關聯挖掘策略捕獲同類信息，并將捕獲的信息合并成壓縮包發送給對應的工作人員，進而為其后續工作的順利開展提供理論依據。

此外，上文提及的性能數據主要涉及應用性能、基礎資源和網絡性能三個方面。其中，應用性能又可細分為服務端重置率、并發連接數；基礎資源主要是指內存占比和CPU 占比；網絡性能則以網絡延時、吞吐量等為主要內容。

（三）明確監測要點

1.數據融合

數據融合的步驟具體如下：首先，將數據格式化，并確保數據標識、存儲格式完全一致；其次，檢測異常值、缺失值，并視情況對相關數據進行處理或者填充；最后，對數據進行脫敏，再按照所屬類別進行分類存儲。

2.異常檢測

在通常情況下，“明確監測要點”步驟所使用的評價模型應內置異常檢測、異常定位等功能模塊。其中，異常檢測模塊主要用于自動檢測數據，并將異常數據上傳至異常定位模塊；異常定位模塊則負責以事件、指標數據之間存在關聯為依據，通過因果推導的方式對根因事件所處位置加以明確。

（1）異常檢測模塊。該模塊可通過檢測動態閾值及固定閾值的方式，確定數據異常情況。其中，動態閾值法多用于對周期性、趨勢性明顯的數據進行檢測，它可先行依托指數平滑法確定數據趨勢，再將其分段處理，并對動態時間窗口進行設定，進而將各周期內相同時間窗口所對應的數據劃入正態分布陣營，并在此基礎上根據數據特點確定動態閾值。固定閾值法則多用于對波動相對平穩的數據進行檢測。通常，技術人員需要先借助服務器端對恒定閾值進行設定，再對比數據值、閾值大小。如果數據值不在標準閾值范圍內，那么該數據可視為異常數據，反之則屬于正常數據。

（2）異常定位模塊。該模塊主要由異常診斷樹、關聯分析兩部分組成。其中，異常診斷樹主要以歷史經驗為依據，對異常數據根因進行挖掘；關聯分析的核心功能是對異常數據相關事件或指標進行挖掘，進而為后續問題定位提供理論依據。[3]

3.預測數據

對數據、系統性能態勢進行預測的具體步驟如下：首先，針對序列數據進行建模，并對線性成分進行預測；其次，基于LSTM（長短記憶網絡）模型預測非線性成分；最后，將線性、非線性成分對應的預測值相加，即可得出最終結果。

四、多源數據融合在線監測效果討論

實踐證明，本文所設計的多源數據融合在線監測體系可以依托數據采集平臺對信息系統相關數據進行采集，進而達到實時監測的目的。簡單來說，該系統所搭載的功能模塊能夠對所采集數據進行融合，在降低后續數據處理難度的前提下，為提高結果的精度提供有力保障。完成融合處理后，評價模型將對數據異常情況進行檢測，并在確定疑似根因后，自動將相關信息上傳至預警平臺，從而確保工作人員及時、準確地了解系統的運行狀態。

五、結語

綜上所述，數字信息系統狀態監測主要依據監測指標對監測點進行分析，并基于產生不同量綱的監測數據得出所需數據信息。在實際應用中，技術人員需要對原始數據進行充分、全面的評估，以確保系統的整體安全。事實證明，采用多源異構監測分析的方式，能夠對數據進行綜合性分析和實時監測，且數據監測結果科學、準確，能夠為數字信息系統的穩定、高效運行奠定良好基礎。