Алгоритмы фильтрации сигналов с трендом в задачах обнаружения разладки

В настоящей работе обсуждается проблематика обнаружения отказов (программных сбоев, сетевых атак и аномалий) больших информационных систем. Статистический анализ данных, собираемых в ходе эксплуатации последних (измерения количества обработанных запросов и средней длительности ожидания в единицу времени, измерения сетевого трафика и др.), показывает, что их статистические характеристики обладают рядом особенностей, оказывающих прямое влияние на эффективность детектирования названных поломок. Будучи системами массового обслуживания, большие информационные системы испытывают антропогенные циклы нагрузки на множестве масштабов времени, поэтому для успешного решения задачи обнаружения отказов реальных информационных систем необходим эффективный аппарат математического моделирования квазипериодических сигналов. Другой значимой характеристикой потоков данных в больших информационных системах можно назвать свойственную им длинную память (long-range dependence), которая является основной причиной возникновения всплесков нагрузки и присутствует на чрезвычайно большом диапазоне масштабов времени. Для идентификации и оценивания целого класса реальных сигналов необходимо использование специальных стохастических моделей, включающих свойство длинной памяти. Наконец, часто на практике не представляется возможным определить точную математическую модель возникающего отказа. Последнее позволяет рассматривать известные процедуры как "слабые" детекторы в задаче обнаружения разладок реальных информационных систем. Таким образом, когда точная математическая модель отказа не может быть сформулирована, однако имеется множество слабых детекторов, для получения лучшей предсказательной силы необходимо использовать ансамбль "слабых" детекторов.