摘要:针对现有软件系统异常状态评估方法过度依赖数据标注、对时序数据的时间依赖性关注较低和系统异常状态难以量化等问题，提出一种基于混合生成网络的软件系统异常状态评估方法.首先，通过对长短期记忆网络（long short-term memory network， LSTM）与变分自动编码器（variational auto-encoder， VAE）的融合，设计一种LSTM-VAE混合生成网络，并以该网络为基础构建基于LSTM-VAE混合生成网络的系统异常状态检测模型，由LSTM对系统数据的时序特征进行提取并由VAE对系统数据的分布进行建模.然后，由LSTM-VAE异常状态检测模型处理系统关键特征参数，获取系统关键特征参数的异常度量值.最后，利用耦合度方法对传统的线性加权和方法进行优化，通过加权耦合度优化方法计算得到软件系统异常状态的量化值，从而实现对软件系统的异常状态评估.实验结果表明，本文模型对软件系统的异常时序数据具有较好的检测能力，其对系统异常状态的评估结果更为合理、有效.