BEACON：融合多模态语义与异步传播的云系统异常检测

arXiv:2610.27542v1 公告类型：新 摘要：现代大规模云系统持续生成海量多模态可观测性数据，例如时间序列指标、日志记录和系统依赖图，这些数据反映了系统的健康状态。为确保云系统可靠运行，异常检测模型通过分析这些多模态观测数据来识别异常状态。然而，现有方法依赖简单的融合策略和图学习，忽视了模态之间的语义鸿沟，以及系统实例随时间演化所呈现的异步时空依赖关系。为此，我们提出 BEACON，这是一种融合多模态语义与异步传播的云系统异常检测框架。具体而言，我们引入动态可解释多模态聚合器（Dynamic Interpretable Multimodal Aggregator，DIMA），利用信息瓶颈机制压缩指标的语义信息和时间动态信息，并在共享原型空间中将其与日志进行对齐。此外，我们提出异步时空传播器（Asynchronous Spatio-Temporal Propagator，ASTP），通过多尺度时间注意力捕获时间依赖关系，并利用拓扑感知聚合对空间关系进行建模，从而实现异常在系统实例之间的异步传播。在三个真实世界云系统数据集上的大量实验表明，\textbf{BEACON} 在异常检测方面始终优于最先进的基线方法。