CN109643348A - 系统监测器 - Google Patents

系统监测器 Download PDF

Info

Publication number
CN109643348A
CN109643348A CN201780053194.3A CN201780053194A CN109643348A CN 109643348 A CN109643348 A CN 109643348A CN 201780053194 A CN201780053194 A CN 201780053194A CN 109643348 A CN109643348 A CN 109643348A
Authority
CN
China
Prior art keywords
local
event
sensor data
partially
sensor
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201780053194.3A
Other languages
English (en)
Inventor
C·帕夫拉斯
S·杜巴尔
S·施蒂哈韦
A·南比亚尔
T·库珀
R·洛夫
C·盖尔格
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Intel Corp
Original Assignee
Intel Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Intel Corp filed Critical Intel Corp
Publication of CN109643348A publication Critical patent/CN109643348A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/14—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic
    • H04L63/1408—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic by monitoring network traffic
    • H04L63/1416—Event detection, e.g. attack signature detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/0751—Error or fault detection not based on redundancy
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
    • G06F11/3006—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system is distributed, e.g. networked systems, clusters, multiprocessor systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3058—Monitoring arrangements for monitoring environmental properties or parameters of the computing system or of the computing system component, e.g. monitoring of power, currents, temperature, humidity, position, vibrations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/50—Monitoring users, programs or devices to maintain the integrity of platforms, e.g. of processors, firmware or operating systems
    • G06F21/55—Detecting local intrusion or implementing counter-measures
    • G06F21/552—Detecting local intrusion or implementing counter-measures involving long-term monitoring or reporting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2201/00—Indexing scheme relating to error detection, to error correction, and to monitoring
    • G06F2201/86—Event-based monitoring
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2221/00—Indexing scheme relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F2221/03—Indexing scheme relating to G06F21/50, monitoring users, programs or devices to maintain the integrity of platforms
    • G06F2221/034—Test or assess a computer or a system

Abstract

一个实施例提供了一种装置。该装置包括检测器电路和计算设备本地的监测器逻辑。检测器电路用于至少部分地基于从结合在本地计算设备中的传感器接收的传感器信号来生成本地传感器数据。监测器逻辑用于至少部分地基于本地传感器数据来识别事件。生成和识别独立于在本地计算设备上执行的操作系统和/或应用的操作。

Description

系统监测器
技术领域
本公开涉及一种监测器，尤其涉及一种系统监测器。
背景技术
预测或检测计算机系统中的故障和/或安全事件可以依赖于软件方法。即使有信任根、证书和其他复杂方案，在基于软件的系统中也可能发生攻击。例如，基于软件的系统可能受到干扰和/或重新编程，而不一定检测到干扰和/或重新编程。此外，故障本身可能损害检测，因为故障可能影响软件检测算法的正确执行。
附图说明
从与其一致的实施例的以下详细描述中，所要求保护的主题的特征和优点将变得显而易见，该描述应参考附图来考虑，其中：
图1示出了与本公开的若干实施例一致的包括监测器电路、多个传感器和计算设备的系统的功能框图；
图2示出了与本公开的若干实施例一致的联网监测系统的功能框图；以及
图3是根据本公开的各种实施例的监测器电路操作的流程图。
尽管以下具体实施方式将参考说明性实施例进行，但是本领域技术人员将清楚其许多替换、修改和变化。
具体实施方式
通常，本公开涉及系统监测器。一种装置、方法和/或系统包括结合在计算设备中的监测器电路和一个或多个传感器。传感器可以耦合到计算设备的多个被监测元件(例如，处理器、存储器、主板、外部存储设备等)中的每一个和/或与其集成。监测器电路被配置为至少部分地基于从每个传感器接收的相应传感器信号生成相应的传感器数据。传感器数据可以包括但不限于电压、电流、温度、电压变化、电流变化、温度变化、频率和/或频率变化等。
传感器可包括但不限于电压传感器、电流传感器和/或温度传感器。每个传感器可以物理地定位在相应的被监测元件之上、之中或附近，并且可以耦合到监测器电路。例如，电压传感器可以包括电导体，例如，触点、迹线，其耦合到被监测元件。在另一个示例中，电流传感器可以包括感测电阻器。在另一个示例中，温度传感器可以包括热敏电阻、热电偶、温度感测集成电路等。传感器的子集可以在空间上跨被监测元件和/或跨计算设备分布。因此，可以为被监测元件和/或计算设备生成传感器数据的“映射”。
监测器电路还被配置为至少部分地基于传感器数据识别事件。可以至少部分地基于本地传感器数据与从监测器数据存储库检索的存储的传感器数据之间的比较来识别事件。事件可以包括但不限于实际安全事件、前兆安全事件、实际故障事件和/或前兆故障事件。实际事件是正在发生或已发生的事件。前兆事件是可能发生的事件。因此，前兆事件可以具有在时间间隔中发生的相关联的可能性。安全事件可以包括，例如，对计算设备的基于外部网络的攻击、内部病毒、特洛伊木马等。故障事件可以对应于例如被监测元件故障的失效，例如，一个或多个处理器元件的失效，芯片组失效，通信接口失效，过压情况，过流情况，过温情况等。
监测器电路还可以被配置为至少部分地基于所识别的事件来选择响应。响应可以包括以下中的一个或多个：向最终用户通知事件、向管理员系统通知事件、隔离计算设备的元件、启动工作负载的迁移、将传感器数据存储到监测器数据存储库和/或继续监测。生成传感器数据、识别事件和选择响应被配置为独立于可能在计算设备上执行的操作系统(OS)和/或应用的操作。换句话说，监测器系统(即监测器电路和相关联的传感器)的操作不受OS控制。
在实施例中，每个均结合在相应计算设备中的多个监测器系统可以被包括在联网监测器系统中。每个监测器系统可包括相应的监测器电路和相关联的传感器。例如，多个计算设备可以被包括在数据中心中。在该实施例中，多个监测器电路可以经由监测器网络耦合。监测器电路中的一个或多个可以被配置为向/从多个监测器电路中的其他监测器电路发送或接收远程传感器数据。然后，每个监测器电路可以被配置为进一步至少部分地基于所接收的远程传感器数据来识别事件。
在实施例中，管理员系统可以被配置为至少部分地基于从多个监测器电路中的一个或多个监测器电路中的至少一些接收的所选传感器数据来生成与每个事件相关的决策规则。每个监测器电路可以被配置为从管理员系统接收决策规则。然后，每个监测器电路可以被配置为进一步至少部分地基于决策规则来识别事件。可以利用贝叶斯网络、线性回归、神经网络、机器学习技术和/或统计分析中的一个或多个来生成决策规则。可以至少部分地基于传感器数据并且至少部分地基于与传感器数据相关联的事件来生成决策规则，如本文所述。可以至少部分地基于例如与先前提供的传感器数据相对应的传感器数据值的历史来生成决策规则。
因此，监测器系统的操作可能不易受OS和/或应用的损坏的作用的影响，也不易受到对在计算设备上执行的OS和/或应用的成功恶意软件攻击的影响。该装置、方法和/或系统被配置为至少部分地基于传感器数据来识别安全和/或故障事件。事件的识别可能相对较快，部分是因为监测器电路(包括监测器逻辑)对计算设备是本地的(即，耦合到计算设备和/或与计算设备集成)，并且部分地因为监测器电路在电路中实现。
图1示出了与本公开的若干实施例一致的系统100的功能框图。系统100包括监测器电路102、多个传感器106-1,...,106-N和计算设备104。监测器电路102耦合到计算设备104和/或可以包括在计算设备104中。传感器106-1可以结合在监测器电路102中。传感器106-2,...,106-N结合在计算设备104中。如本文所用，“结合在”意味着耦合到和/或与其集成。例如，“与...集成”可以对应于用对应的被监测元件制造，例如制作。
计算设备104可以包括但不限于移动电话，包括但不限于智能电话(例如，基于的电话、基于的电话，基于的电话等)；可穿戴设备(例如，可穿戴计算机、“智能”手表、智能眼镜、智能服装等)和/或系统；物联网(IoT)联网设备，包括但不限于传感器系统(例如，环境、位置、运动等)和/或传感器网络(有线和/或无线)；计算系统(例如，服务器、工作站计算机、台式计算机、膝上型计算机、平板计算机(例如，等))，超便携式计算机，超移动计算机，上网本计算机和/或子笔记本计算机；等。
计算设备104可以包括子系统120，例如主板、存储器122、电源124和外部存储设备126。存储器122被配置为存储操作系统(OS)152和一个或多个应用，并且因此可以包括操作系统(OS)152和一个或多个应用，例如，应用154。计算设备104还可以包括处理器130、芯片组132和通信接口134。例如，处理器130可以包括一个或多个处理单元，例如专用处理单元140和一个或多个通用处理单元，例如，通用处理单元142，一个或多个高速缓存存储器，例如高速缓存144，一个或多个I/O控制器，例如I/O控制器146，存储器控制器148以及一个或多个处理器寄存器，例如处理器寄存器150。专用处理器140可以包括但不限于图形处理单元、数学协处理器等。每个通用处理单元142可以对应于可以包括一个或多个硬件线程的处理核。每个处理器寄存器(例如，处理器寄存器150)可以耦合到或包括在相应的处理单元中，例如通用处理单元142。
计算设备104的每个元件120、122、124、126、130(包括元件140、142、144、146、148、150)、132和/或134可以产生热量和/或可以在操作期间产生和/或消耗功率。每个元件的状态，即“健康”，可以通过与每个元件相关联的，即与每个被监测元件相关联的温度、电压、电流和/或其变化中的一个或多个来指示。然后可以利用与每个被监测元件相关联的对应的传感器数据来识别事件，如本文所述。
计算设备104的每个元件可以包括一个或多个传感器，其结合在相应元件中，即，耦合到相应元件和/或与相应元件集成。存储器122可以包括传感器106-2。电源124可以包括传感器106-3。外部存储设备126可以包括传感器106-4。处理器130可以包括传感器106-5。芯片组132可以包括传感器106-6。通信接口104可以包括传感器106-7。专用处理单元140可以包括传感器106-8。通用处理单元142可以包括传感器106-9。高速缓存存储器144可以包括传感器106-10。I/O控制器146可以包括传感器106-11。寄存器150可以包括传感器106-12。存储器控制器148可以包括传感器106-13。子系统(例如，主板)120可以包括一个或多个传感器，例如传感器106-14,...,106-N。例如，传感器106-14,...,106-N可以分布在子系统120上，例如，定位在各种空间位置。
传感器106-1,...,106-N可以包括但不限于电压传感器、电流传感器和/或温度传感器等。每个传感器106-1,...,106-N可以是物理地定位在相应的被监测元件120、122、124、126、130(包括元件140、142、144、146、148、150)、132和/或134上、在其中或其附近，并且可以耦合到监测器电路102。例如，电压传感器可以包括电导体，例如触点和/或迹线，其耦合到被监测元件和/或与被监测元件集成。在另一示例中，电流传感器可包括耦合到被监测元件和/或与被监测元件集成的感测电阻器。在另一示例中，温度传感器可包括热敏电阻、热电偶、温度感测集成电路等，其定位在被监测元件中、被监测元件上或附近。传感器106-1，...和/或106-N的子集可以在空间上跨被监测元件和/或跨计算设备104分布。因此，可以为被监测元件和/或计算设备生成传感器数据的“映射”。映射可以包括与每个传感器位置相关联的传感器数据。
每个传感器106-1,...,106-N可以具有对应的传感器标识符，该传感器标识符被配置为允许监测器电路102识别传感器并因此识别相对于相应的被监测元件和/或被监测元件的物理(即，空间)位置。可以利用传感器信号和/或响应于来自监测器电路102的请求(例如，响应于传感器命令和/或控制信号)将传感器标识符提供给监测器电路102。
监测器电路102可以被配置为从每个传感器106-1,...,106-N接收相应的传感器信号。例如，传感器信号可以包括电压和/或电流。然后，监测器电路102可以被配置为至少部分地基于所接收的传感器信号来生成对应的传感器数据。传感器数据可包括但不限于电压、电流、温度、电压变化、电流变化、温度变化、传感器信号的频率、传感器信号的相位、频率的变化、相位的变化等。这里使用的“传感器数据”可以包括模拟值和/或模拟值的数字表示。
因此，传感器106-1，...和/或106-N中的一个或多个可以结合在计算设备104中，并且可以耦合到多个被监测元件中的每一个和/或与多个被监测元件中的每一个集成。
监测器电路102包括监测器逻辑110、监测器存储器112、监测器数据存储库114、检测器电路118和计时器119。监测器电路102还可以包括监测器通信接口116和/或传感器106-1。例如，监测器电路102可以对应于专用集成电路(ASIC)、现场可编程门阵列(FPGA)、微控制器、片上系统(SoC)等。
检测器电路118被配置为接收传感器信号并至少部分地基于传感器信号来生成对应的传感器数据。例如，检测器电路118可以包含模数转换器(ADC)、放大器、比较器(例如，电平和/或窗口)、多路复用器(MUX)、峰值检测器、相位检测器、频率检测器等中的一个或多个。
检测器电路118被配置为从每个传感器106-1,...,106-N接收传感器信号，例如电压和/或电流。检测器电路118可以进一步配置为处理接收的传感器信号，例如，放大，将模拟信号转换成数字表示，等等。然后，可以将对应的传感器数据存储到监测器数据存储库114。传感器数据可以与例如监测器数据存储库114中的查找表中的传感器标识符相关联。每个传感器标识符可以与计算设备104中的被监测元件标识符和/或空间位置相关联。传感器数据可以与例如计时器119提供的时间戳相关联。
因此，传感器106-1,...,106-N可以被配置为检测物理参数，例如，电流、电压、温度等，并输出传感器信号，例如电压和/或电流。然后电压和/或电流可以被提供给检测器电路118并由检测器电路118接收，检测器电路118被配置为生成对应的传感器数据。然后可以将传感器数据存储到与对应的传感器标识符相关联的监测器数据存储库114。传感器标识符可以与计算设备104(例如，子系统120和/或处理器130)中的空间位置和/或被监测元件标识符相关联。传感器数据存储库114还可以被配置为存储与每个传感器数据值相关联的时间戳。例如，可以从计时器119取回时间戳。然后，监测器逻辑110可以利用传感器数据、传感器标识符、位置和/或被监测元件标识符和/或时间戳来识别事件，如本文所述。
监测器逻辑110可以被配置为至少部分地基于传感器数据来识别事件。可以至少部分地基于本地传感器数据与从监测器数据存储库取回的存储的传感器数据之间的比较来识别事件。例如，可以将测试(即，本地)传感器数据与存储到监测器数据存储库114的存储的(例如，合法的，“已知良好”)传感器数据进行比较。可以至少部分地基于在计算设备104的操作期间从对应的传感器接收的测试传感器信号来生成测试传感器数据。然后可以至少部分地基于测试传感器数据与存储的传感器数据的比较来识别事件。
事件可以包括但不限于实际安全事件、前兆安全事件、实际故障事件和/或前兆故障事件。实际事件是正在发生或已发生的事件。前兆事件是可能发生的事件。因此，前兆事件可能具有在时间间隔中发生的对应的可能性。安全事件可以包括，例如，对计算设备104的基于外部网络的攻击、内部病毒、特洛伊木马等。实际故障事件可以对应于例如被监测元件失效，例如，处理器130的一个或多个元件失效，芯片组132失效，通信接口134失效，过电压状况，过电流状况，过热状况等。前兆故障事件可以包括被监测元件可能在时间间隔内失效的指示符。
例如，包括在存储器122中的传感器106-2可以对应于多个电压传感器。然后，传感器数据可以对应于电压在存储器122的至少一部分上的分布。可以接收对应于电压的传感器信号，并且在访问例如包括在存储器122的至少一部分中的所选存储器区域期间生成对应的传感器数据。可以在对所选存储器区域的已知合法访问期间生成合法传感器数据。例如，合法传感器数据可以在合法应用访问期间生成，该合法应用产生对应的电压分布，即签名。在另一个示例中，合法传感器数据可以在另一个合法应用访问期间生成，该另一个合法应用被配置为提供所选择的电压分布，即选择的签名。然后可以存储合法的传感器数据(即，签名)至监测器数据存储库114。然后，监测器电路102可以被配置为从传感器106-2接收测试传感器信号(例如，电压)并且在计算设备104的操作期间生成对应的测试(即，本地的)传感器数据。例如，监测器电路102可以被配置为当所选存储器区域包含敏感数据时生成测试数据。然后，监测器逻辑110可以被配置为将本地传感器数据与对应于签名的存储的传感器数据进行比较。如果对所选存储器区域的访问不合法，则测试传感器数据可以生成不同的电压模式，即不同的签名。然后，监测器逻辑110可以至少部分地基于合法存储的传感器数据和本地测试传感器数据的比较来识别实际安全事件。温度分布和对应于温度的传感器数据可以类似地用于生成“签名”并识别事件。
在另一个示例中，电压和/或电流的变化大于阈值可以指示被监测元件趋于失效。换句话说，电压和/或电流的变化大于阈值可以对应于前兆故障事件。例如，基于传感器标识符，电压和/或电流变化可以被映射到计算设备104和例如子系统120中的物理(即，空间)位置。可以基于例如传感器标识符来确定空间位置和/或被监测元件，并且因此，电压和/或电流变化(例如，电压或电流梯度)可以与处理器130的一个或多个元件相关联(例如，专用处理单元140、通用处理单元142、高速缓存144、I/O控制器136、处理器寄存器150和/或存储器控制器148)。例如，基于时间戳数据，电压和/或电流随时间的变化可以由例如监测器逻辑110确定。电压和/或电流的变化可以与时间和/或频率相关。
在另一个示例中，温度值大于阈值可以指示被监测元件趋向于失效。因此，温度的变化大于阈值可以对应于前兆故障事件。类似于电压和/或电流，基于传感器标识符，温度值可以在空间上映射在例如计算设备104、子系统120和/或处理器130上。温度梯度大于多个位置之间的阈值可以对应于前兆故障事件。还可以至少部分地基于所生成的温度数据并且至少部分地基于来自例如计时器119的时间戳数据来确定随时间的温度变化。
因此，传感器数据可以在空间上映射，即，根据计算设备104中或上的位置和/或地点，和/或在时间上映射，例如在时域和/或频域中。映射可以由例如监测器逻辑110至少部分地基于由例如计时器119提供并且存储到监测器数据存储库114的传感器数据、传感器标识符和/或时间信息来确定。映射信息可以类似地存储至监测器数据存储库114。
存储到监测器数据存储库114的信息可以由例如监测器逻辑110使用，以识别事件并随后选择对应的响应。例如，与处理器寄存器(例如寄存器150)相关联的电压抖动(即，在选定时间间隔内的电压变化)可以与处理器寄存器150的增加的误码率(BER)相关联。在另一个示例中，计算设备104中的空间位置之间的温度梯度高于阈值可以对应于前兆故障事件，即，可以指示被监测元件可能在有限时间间隔内失效。在另一示例中，例如与接口134相关联的通信信号的变化可以与通信接口134前兆故障事件相关联。
监测器逻辑110可以被配置为至少部分地基于传感器数据来识别事件。可以至少部分地基于本地传感器数据与从监测器数据存储库取回的存储的传感器数据之间的比较来识别事件。然后，监测器逻辑110可以进一步被配置为至少部分地基于所识别的事件来选择响应。例如，监测器数据存储库114可以被配置为存储传感器数据的标称值和/或标称值范围，即与每个传感器106-1,...,106-N相关联。传感器数据在标称范围之外和/或大于标称值和生成的传感器数据值之间的阈值差可以对应于事件。可以至少部分地基于当前(即，本地)传感器数据与先前生成的(即，存储的)传感器数据之间的比较来识别事件。例如，先前生成的传感器数据可以与例如已知的先前事件相关联。在另一个示例中，先前生成的传感器数据可以与正常操作条件相关联。
在实施例中，监测器逻辑110可以被配置为至少部分地基于多种类型的传感器数据来识别事件。传感器数据的类型可包括但不限于温度、电压、电流、频率及其变化。例如，监测器逻辑110可以被配置为至少部分地基于温度和电压和/或温度变化和电压变化的组合来识别事件。可以针对单个被监测元件、针对子系统(例如子系统120)，在空间区域和/或时间间隔上分析温度、电压和/或其变化。
监测器逻辑110可以被配置为至少部分地基于所识别的事件来选择响应。响应可以包括但不限于通知最终用户，通知管理员系统，隔离被监测元件，将本地传感器数据存储到监测器数据存储库114，启动工作负载的迁移，和/或继续监测。所选择的响应可以至少部分地基于事件是实际事件还是前兆事件。所选择的响应可以至少部分地基于策略。例如，监测器逻辑110可以被配置为利用数据分析来选择响应。数据分析是可以用于至少部分地基于输入来选择输出的技术。输入可以是相对简单的，例如，一个识别的事件，或者输入可以是相对复杂的，例如，在一段时间内识别的事件的历史。
在另一示例中，至少部分地基于与存储器区域(例如，存储器122的区域)相关联的事件而选择的响应可以包括隔离存储器区域。所选择的响应还可以包括在隔离的存储器区域上执行诊断。例如，硬化的，例如安全的电路可以被配置为提供隔离和/或运行诊断测试。在相对极端的示例中，硬化电路可以被配置为覆盖(即“砖砌(brick)”)一些或全部存储器，从而防止访问存储器内容。
在另一示例中，在系统(例如，如本文所述的包括多个计算设备(例如，计算设备104)的系统200)中，选择的响应可包括将工作负载从第一计算设备迁移到第二计算设备。在另一示例中，对于与I/O设备(例如，I/O控制器146)相关联的事件，可以隔离I/O设备的关联区域。例如，硬化的(例如，安全的)电路可以被配置为隔离I/O设备的相关联的区域。在另一示例中，所选择的响应可以包括存储所生成的传感器数据，该传感器数据然后可以用于改进事件的未来识别。
至少部分地基于具有相对较小影响的事件选择的响应可以与至少部分地基于具有相对更显着效果的事件而选择的响应不同。例如，对应于计算设备或计算设备的元件的失效的故障事件可以导致包括迁移工作负载和/或通知管理员系统的所选响应。在另一示例中，安全事件(例如，内部病毒)可导致选择包括通知最终用户的响应。
因此，决策规则被配置为将传感器数据与事件相关联。所选择的响应可以与事件的特性相关，例如，如果事件发生事件的影响的严重性、将发生与前兆事件相关联的实际事件的可能性。在相对简单的情况下，决策规则可以被配置为将大于对应阈值的电压或温度与前兆故障事件或实际故障事件进行关联。在相对更复杂的情况下，决策规则可以被配置为将传感器数据值(例如，电压和/或温度)的变化在空间上和/或时间上与事件进行关联。空间分布的传感器数据值可以对应于例如将传感器数据值与例如计算设备104中的位置相关联的地形图。时间分布的传感器数据值可以对应于一个物理地点和/或被监测元件。因此，输入到决策规则的传感器数据量和决策规则的对应复杂度可以变化。
因此，监测器逻辑110可以被配置为至少部分地基于传感器数据来识别事件。可以至少部分地基于决策规则来进一步识别事件。决策规则被配置为将传感器数据与事件进行关联。例如，决策规则输出可以是与当与事件相关的传感器数据被输入到决策规则时的事件对应的事件描述符。事件描述符可以包括事件标识符、前兆事件或实际事件指示符、安全事件或故障事件指示符以及前兆事件的可能性指示符。可能性指示符被配置为提供对应的实际事件将在时间间隔中发生的可能性。一个或多个决策规则可以由例如管理员系统确定，如本文所述。因此，监测器逻辑110可以被配置为当至少部分地基于传感器数据识别事件时，利用由管理员系统提供并且被存储到监测器传感器数据存储库114的一个或多个决策规则。
图2示出了与本公开的若干实施例一致的联网监测系统200的功能框图。联网监测系统200包括多个监测器电路202-1,202-2,...,202-N，多个计算设备204-1,204-2,...,204-N和监测器网络210。例如，多个计算设备204-1,204-2,...,204-N可以被包括在数据中心中。监测器网络210被配置为耦合多个监测器电路202-1,202-2,...,202-N。每个计算设备204-1,204-2,...,204-N包括相应的多个传感器206-1,206-2,...,206-N。每个监测器电路202-1,202-2,...,202-N对应于图1的监测器电路102。每个计算设备204-1,204-2,...,204-N对应于图1的计算设备104。每个相应的多个传感器206-1,206-2,...,206-N对应于图1的传感器106-1,...和/或106-N中的一个或多个。
在实施例中，监测器电路202-1,202-2,...和/或202-N中的一个或多个可以被配置为共享传感器数据。在另一个实施例中，监测器电路202-1,202-2,...和/或202-N中的一个或多个可以被配置为共享事件描述符。监测器电路202-1,202-2,...和/或202-N中的一个或多个可以被配置为至少部分地基于本地传感器数据并且至少部分地基于从一个或多个其他监测器电路接收的远程传感器数据来识别相应的事件。共享传感器数据被配置为便于至少部分地基于远程传感器数据由每个监测器电路“学习”。换言之，可以至少部分地基于由多个监测器电路生成和共享的传感器数据来相对更快地识别与事件相关联的趋势。
在一些实施例中，联网监测系统200可以包括管理员系统208。在这些实施例中，管理员系统208可以通过监测器网络210耦合到多个监测器电路202-1,202-2,...,202-N中的一个或多个。管理员系统208包括处理器220、存储器222和通信接口224。管理员系统208还可以包括决策逻辑226、管理逻辑228和传感器数据存储库230。管理员系统208被配置为至少部分地基于从多个监测器电路202-1,202-2,...,202-N中的一个或多个监测器电路中的至少一些接收的所选传感器数据来生成与事件相关的决策规则。
在这些实施例中，管理逻辑228可以被配置为从监测器电路202-1,202-2,...,202-N中的一个或多个接收传感器数据。管理逻辑228还可以被配置为将所接收的传感器数据存储到传感器数据存储库230。监测器电路中的一个或多个监测器电路还可以被配置为提供与所提供的传感器数据相关联的相应的事件描述符。例如，事件描述符可以对应于在生成相关联的传感器数据的时间的时间间隔之前、之中或之内发生的事件。
决策逻辑226可以被配置为处理所接收的传感器数据和相关联的事件描述符，以生成将传感器数据与对应于事件描述符的事件相关的决策规则。例如，决策逻辑226可以被配置为实现一种或多种分析技术，以便识别传感器数据与事件之间的关系。例如，这些技术可以包括但不限于贝叶斯网络、线性回归、神经网络、机器学习技术和/或统计分析。可以理解，决策逻辑226可以比图1的监测器逻辑110相对更强大。分析技术可以进一步识别相比其他传感器数据类型，与事件相对更强地相关的所选择的传感器数据类型。
然后，管理逻辑228可以被配置为将所识别的决策规则提供给监测器电路202-1,202-2,...,202-N中的一个或多个。决策规则被配置为便于通过每个监测器电路至少部分地基于传感器数据并且还至少部分地基于决策规则来识别事件。换句话说，每个决策规则可以被配置为将至少部分地基于从多个传感器中的至少一些传感器接收的传感器信号生成的所选传感器数据与事件进行关联。
每个监测器电路可以被配置为利用决策规则来至少部分地基于传感器数据来识别事件。利用决策规则可能比确定决策规则相对更快。因此，至少部分地基于传感器数据识别事件可以由监测器电路执行，该监测器电路可以比例如管理员系统208相对较弱。
因此，结合在计算设备中的监测器电路可以被配置为至少部分地基于从结合在计算设备中的传感器接收的传感器信号来生成传感器数据。监测器电路还可以被配置为至少部分地基于传感器数据来识别事件(例如，安全性和/或故障、实际或前兆)。然后可以至少部分地基于所识别的事件来选择响应。生成、识别和选择可以独立于可以在计算设备上执行的OS和/或应用。
图3是根据本公开的各种实施例的监测器电路操作的流程图300。特别地，流程图300示出了生成传感器数据并至少部分地基于传感器数据识别事件。例如，可以通过图1的监测器电路102(例如，检测器电路118、监测器逻辑110和/或监测器通信接口116)和/或图2的监测器电路202-1,202-2,...,202-N来执行操作。
该实施例的操作可以从开始302开始。在操作304，可以至少部分地基于从结合在本地计算设备中的传感器接收的传感器信号生成本地传感器数据。在操作306，可以至少部地基于本地传感器数据来识别事件。在一些实施例中，在操作308，可以从至少一个远程监测器电路接收远程传感器数据。在这些实施例中，所识别的事件可以进一步至少部分地基于远程传感器数据。在其他实施例中，可以不接收远程传感器数据。在另一个实施例中，可以在操作310中从管理员系统接收决策规则。在该实施例中，所识别的事件可以进一步至少部分地基于决策规则。在其他实施例中，可以不接收决策规则。然后在操作312，可以将决策规则存储在监测器数据存储库中。在操作314，可以至少部分地基于所识别的事件选择响应。然后，可以在操作316中继续程序流程。
因此，可以至少部分地基于从结合在计算设备中的传感器接收的传感器信号来生成传感器数据。可以至少部分地基于传感器数据来识别事件，并且可以至少部分地基于所识别的事件来选择响应。
虽然图3的流程图示出了根据各种实施例的操作，但是应该理解，并非图3中描绘的所有操作都对于其他实施例是必需的。另外，在本文中完全预期在本公开的其他实施例中，图3中描绘的操作和/或本文所描述的其他操作可以以未在任何附图中具体示出的方式组合，并且这样的实施例可以包括比图3中示出的更少或更多的操作。因此，针对在一个附图中未精确示出的特征和/或操作的权利要求被认为在本公开的范围和内容内。
因此，装置、方法和/或系统可以包括监测器电路和结合在计算设备中的一个或多个传感器。传感器可以耦合到计算设备的多个被监测元件(例如，处理器、存储器、主板、外部存储设备等)中的每一个和/或与其集成。监测器电路被配置为至少部分地基于从每个传感器接收的相应的传感器信号生成相应的传感器数据。传感器数据可包括但不限于电压、电流、温度、电压变化、电流变化、温度变化、频率和/或频率变化。监测器电路还被配置为至少部分地基于传感器数据识别事件。监测器电路还可以被配置为至少部分地基于所识别的事件来选择响应。生成和识别独立于可以在计算设备上执行的OS和/或应用的操作。
因此，监测器系统的操作可能不易受OS和/或应用的损坏的作用的影响，也不易受到对在计算设备上执行的OS和/或应用的成功恶意软件攻击的影响。该装置、方法和/或系统被配置为至少部分地基于传感器数据来识别安全和/或故障事件。事件的识别可能相对较快，部分是因为监测器电路(包括监测器逻辑)对于计算设备是本地的，并且部分是因为监测器电路在电路中实现。
如本文的任何实施例中所使用的，术语“逻辑”可以指被配置为执行任何上述操作的固件和/或电路。固件可以体现为在存储器设备和/或电路中硬编码(例如，非易失性)的代码、指令或指令集和/或数据。
如本文的任何实施例中所使用的“电路”可以例如单独地或以任何组合包括硬连线电路、可编程电路、状态机电路、存储由可编程电路执行的指令的逻辑和/或固件。该电路可以体现为集成电路，例如集成电路芯片。例如，电路可以包括专用集成电路(ASIC)、现场可编程门阵列(FPGA)、微控制器、片上系统(SoC)等。
前面提供了示例系统架构和方法，然而，对本公开的修改是可能的。处理器可以包括一个或多个处理器核，并且可以被配置为执行系统软件。系统软件可以包括例如操作系统和/或应用。设备存储器可以包括I/O存储器缓冲器，其被配置为存储将由网络接口发送或由网络接口接收的一个或多个数据分组。
操作系统(OS)可以被配置为管理系统资源和控制在例如客户端设备104和/或管理员系统208上运行的任务。例如，OS可以使用 或来实现，但可以使用其他操作系统。在另一示例中，OS可以使用AndroidTM、iOS、Windows或来实现。在一些实施例中，OS可以由虚拟机监视器(或管理程序)代替，虚拟机监视器可以为在一个或多个处理单元上运行的各种操作系统(虚拟机)的底层硬件提供抽象层。操作系统和/或虚拟机可以实现一个或多个协议栈。协议栈可以执行一个或多个程序来处理分组。协议栈的示例是TCP/IP(传输控制协议/网际协议)协议栈，其包括用于处置(例如，处理或生成)分组以通过网络发送和/或接收的一个或多个程序。
存储器112、122每个可以包括以下类型的存储器中的一个或多个：半导体固件存储器、可编程存储器、非易失性存储器、只读存储器、电可编程存储器、随机存取存储器、闪存、磁盘存储器和/或光盘存储器。附加地或替代地，系统存储器可以包括其他和/或以后开发的类型的计算机可读存储器。
这里描述的操作的实施例，例如管理员系统208，可以在其上存储有指令的计算机可读存储设备中实现，所述指令在由一个或多个处理器执行时执行所述方法。处理器可以包括例如处理单元和/或可编程电路。存储设备可以包括机器可读存储设备，其包括任何类型的有形、非暂时性存储设备，例如，包括软盘、光盘、光盘只读存储器(CD-ROM)、光盘可重写(CD-RW)、磁光盘、半导体设备，如只读存储器(ROM)、随机存取存储器(RAM)(如动态和静态RAM)、可擦除可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM)、闪存、磁卡或光卡或适用于存储电子指令的任何类型的存储设备的任何类型的盘。
在一些实施例中，硬件描述语言(HDL)可用于指定用于本文描述的各种逻辑和/或电路的电路和/或逻辑实现。例如，在一个实施例中，硬件描述语言可以遵循或兼容非常高速的集成电路(VHSIC)硬件描述语言(VHDL)，该语言可以实现本文描述的一个或多个电路和/或逻辑的半导体制造。VHDL可以符合或兼容IEEE标准1076-1987、IEEE标准1076.2、IEEE1076.1、VHDL-2006的IEEE Draft 3.0、VHDL-2008的IEEE Draft 4.0和/或其他版本的IEEE VHDL标准和/或其他硬件描述标准。
在一些实施例中，Verilog硬件描述语言(HDL)可用于指定用于本文描述的各种逻辑和/或电路的电路和/或逻辑实现。例如，在一个实施例中，HDL可以符合或兼容2011年7月7日的IEEE standard 62530-2011：SystemVerilog-Unified Hardware Design,Specification,and Verification Language；2013年2月21日的IEEE Std 1800TM-2012：IEEE Standard for SystemVerilog-Unified Hardware Design,Specification,andVerification Language；2006年4月18日的IEEE standard 1364-2005：IEEE Standardfor Verilog Hardware Description Language，和/或Verilog HDL和/或SystemVerilog标准的其他版本。
示例
本公开的示例包括如下所述的诸如方法、用于执行该方法的动作的单元、设备或与系统监测器相关的装置或系统的主题材料。
示例1.根据该示例，提供了一种装置。该装置包括检测器电路和计算设备本地的监测器逻辑。检测器是至少部分地基于从结合在本地计算设备中的传感器接收的传感器信号生成本地传感器数据的电路。监测器逻辑用于至少部分地基于本地传感器数据来识别事件。生成和识别独立于在本地计算设备上执行的操作系统和/或应用的操作。
示例2.该示例包括示例1的元素，其中本地传感器数据包括电压、电流、温度、电压变化、电流变化、温度变化、频率或频率变化。
示例3.该示例包括示例1的元素，其中，从包括实际安全事件、前兆安全事件、实际故障事件和前兆故障事件的组中选择事件。
示例4.该示例包括示例1的元素，其中检测器电路用于至少部分地基于从结合在本地计算设备中的多个传感器接收的多个传感器信号来生成本地传感器数据。
示例5.该示例包括根据示例1至4中任一项的元素，其中至少部分地基于以下中的至少一个来识别事件：本地传感器数据值在本地计算设备上的分布、本地传感器数据值在时间间隔上的分布和/或本地传感器数据值的历史。
示例6.该示例包括根据示例1至4中任一项的元素，还包括监测器通信接口，用于从至少一个远程监测器电路接收远程传感器数据，每个远程监测器电路至少部分地基于从结合在相应的远程计算设备中的远程传感器接收的远程传感器信号来生成远程传感器数据，该事件是进一步至少部分地基于远程传感器数据来识别的。
示例7.该示例包括根据示例1至4中任一项的元素，其中所述监测器逻辑还用于至少部分地基于所识别的事件来选择响应。
示例8.该示例包括示例7的元素，其中从包括通知最终用户、通知管理员系统、隔离计算设备的元素、将本地传感器数据存储到监测器数据存储库、启动工作负载的迁移和/或继续监测的组中选择响应。
示例9.该示例包括根据示例1至4中任一项的元素，其中至少部分地基于本地传感器数据与从监测器数据存储库取回的存储的传感器数据之间的比较来识别事件。
示例10.该示例包括根据示例1至4中任一项的元素，还包括监测器数据存储库；以及监测器通信接口，用于将监测器逻辑耦合到管理员系统，该响应是至少部分地基于从管理员系统接收并存储到监测器数据存储库的决策规则来选择的。
例11.根据该示例，提供了一种系统。该系统包括结合在本地计算设备中的多个传感器；检测器电路和计算设备本地的监测器逻辑。检测器电路用于至少部分地基于从至少一个传感器接收的传感器信号生成本地传感器数据。监测器逻辑用于至少部分地基于本地传感器数据来识别事件。生成和识别独立于在本地计算设备上执行的操作系统和/或应用的操作。
示例12.该示例包括示例11的元素，其中本地传感器数据包括电压、电流、温度、电压变化、电流变化、温度变化、频率或频率变化。
示例13.该示例包括示例11的元素，其中，所述事件选自包括实际安全事件、前兆安全事件、实际故障事件和前兆故障事件的组。
示例14.该示例包括示例11的元素，其中，检测器电路用于至少部分地基于从结合在本地计算设备中的多个传感器接收的多个传感器信号来生成本地传感器数据。
示例15.该示例包括根据示例11至14中任一项的元素，其中至少部分地基于以下中的至少一个来识别所述事件：本地传感器数据值在本地计算设备上的分布、本地传感器数据值在时间间隔上的分布和/或本地传感器数据值的历史。
示例16.该示例包括根据示例11至14中任一项的元素，还包括监测器通信接口，用于从至少一个远程监测器电路接收远程传感器数据，每个远程监测器电路至少部分地基于从结合在相应的远程计算设备中的远程传感器接收的远程传感器信号来生成远程传感器数据，该事件是进一步至少部分地基于远程传感器数据来识别的。
示例17.该示例包括根据示例11至14中任一项的元素，其中所述监测器逻辑还用于至少部分地基于所识别的事件来选择响应。
示例18.该示例包括示例17的元素，其中响应是从包括通知最终用户、通知管理员系统、隔离计算设备的元件、将本地传感器数据存储到监测器数据存储库、启动工作负载的迁移和/或继续监测的组中选择的。
示例19.该示例包括根据示例11至14中任一项的元素，其中至少部分地基于本地传感器数据与从监测器数据存储库取回的存储的传感器数据之间的比较来识别事件。
示例20.该示例包括根据示例11至14中任一项的元素，还包括监测器数据存储库；以及监测器通信接口，用于将监测器逻辑耦合到管理员系统，该响应是至少部分地基于从管理员系统接收并存储到监测器数据存储库的决策规则来选择的。
示例21.根据该示例，提供了一种方法。该方法包括通过检测器电路至少部分地基于从结合在本地计算设备中的传感器接收的传感器信号来生成本地传感器数据；以及通过计算设备本地的监测器逻辑至少部分地基于本地传感器数据来识别事件。生成和识别独立于在本地计算设备上执行的操作系统和/或应用的操作。
示例22.该示例包括示例21的元素，其中所述本地传感器数据包括电压、电流、温度、电压变化、电流变化、温度变化、频率或频率变化。
示例23.该示例包括示例21的元素，其中，所述事件选自包括实际安全事件、前兆安全事件、实际故障事件和前兆故障事件的组。
示例24.该示例包括示例21的元素，还包括由检测器电路至少部分地基于从结合在本地计算设备中的多个传感器接收的多个传感器信号来生成本地传感器数据。
示例25.该示例包括示例21的元素，其中至少部分地基于以下中的至少一个来识别所述事件：本地传感器数据值在所述本地计算设备上的分布、本地传感器数据值在时间间隔上的分布和/或本地传感器数据值的历史。
示例26.该示例包括示例21的元素，还包括：通过监测器通信接口从至少一个远程监测器电路接收远程传感器数据，每个远程监测器电路至少部分地基于从结合在相应的远程计算设备中的远程传感器接收的远程传感器信号来生成远程传感器数据，所述事件是进一步至少部分地基于远程传感器数据来识别的。
示例27.该示例包括示例21的元素，还包括：由监测器逻辑至少部分地基于所识别的事件来选择响应。
示例28.该示例包括示例27的元素，其中从包括通知最终用户、通知管理员系统、隔离计算设备的元件、将本地传感器数据存储到监测器数据存储库、启动工作负载的迁移和/或继续监测的组中选择响应。
示例29.该示例包括示例21的元素，其中至少部分地基于本地传感器数据与从监测器数据存储库取回的存储的传感器数据之间的比较来识别事件。
示例30.该示例包括示例21的元素，还包括通过监测器通信接口将监测器逻辑耦合到管理员系统，该响应是至少部分地基于从管理员系统接收并存储到监测器数据存储库的决策规则来选择的。
示例31.该示例包括示例21的元素，还包括由管理员系统至少部分地基于从多个监测器电路中的一个或多个监测器电路中的至少一些接收的所选传感器数据来生成与事件相关的决策规则，管理员系统经由监测器网络耦合到多个监测器电路中的一个或多个。
示例32.该示例包括示例31的元素，其中，至少部分地基于贝叶斯网络、线性回归、神经网络、机器学习技术和/或统计分析中的一个或多个来生成决策规则。
示例33.根据该示例，提供了一种系统。该系统包括多个监测器电路和耦合多个监测器电路中的一个或多个的监测器网络。每个监测器电路包括检测器电路和计算设备本地的监测器逻辑。检测器电路用于至少部分地基于从结合在本地计算设备中的传感器接收的传感器信号生成本地传感器数据。监测器逻辑用于至少部分地基于本地传感器数据来识别事件。生成和识别独立于在本地计算设备上执行的操作系统和/或应用的操作。
示例34.该示例包括示例33的元素，其中所述本地传感器数据包括电压、电流、温度、电压变化、电流变化、温度变化、频率或频率变化。
示例35.该示例包括示例33的元素，其中，所述事件选自包括实际安全事件、前兆安全事件、实际故障事件和前兆故障事件的组。
示例36.该示例包括示例33的元素，其中，检测器电路用于至少部分地基于从结合在本地计算设备中的多个传感器接收的多个传感器信号来生成本地传感器数据。
示例37.该示例包括根据示例33至36中任一项的元素，其中至少部分地基于以下中的至少一个来识别所述事件：本地传感器数据值在所述本地计算设备上的分布、本地传感器数据值在时间间隔上的分布和/或本地传感器数据值的历史。
示例38.该示例包括根据示例33至36中任一项的元素，其中每个监测器电路还包括监测器通信接口，用于从至少一个远程监测器电路接收远程传感器数据，每个远程监测器电路用于至少部分地基于从结合在相应的远程计算设备中的远程传感器接收的远程传感器信号来生成远程传感器数据，事件是进一步至少部分地基于远程传感器数据来识别的。
示例39.该示例包括根据示例33至36中任一项的元素，其中所述监测器逻辑还用于至少部分地基于所识别的事件来选择响应。
示例40.该示例包括示例39的元素，其中从包括通知最终用户、通知管理员系统、隔离计算设备的元件、将本地传感器数据存储到监测器数据存储库、启动工作负载的迁移和/或继续监测的组中选择响应。
示例41.该示例包括根据示例33至36中任一项的元素，其中至少部分地基于本地传感器数据与从监测器数据存储库取回的存储的传感器数据之间的比较来识别事件。
示例42.该示例包括根据示例33至36中任一项的元素，其中每个监测器电路还包括监测器数据存储库；以及监测器通信接口，用于将监测器逻辑耦合到管理员系统，该响应是至少部分地基于从管理员系统接收并存储到监测器数据存储库的决策规则来选择的。
示例43.该示例包括根据示例33至36中任一项的元素，还包括经由监测器网络耦合到多个监测器电路中的一个或多个监测器电路的管理员系统，管理员系统用于至少部分地基于从多个监测器电路中的一个或多个监测器电路中的至少一些接收的所选传感器数据来生成与该事件相关的决策规则。
示例44.该示例包括示例43的元素，其中，至少部分地基于贝叶斯网络、线性回归、神经网络、机器学习技术和/或统计分析中的一个或多个来生成决策规则。
示例45.根据该示例，提供了一种设备。该设备包括用于由检测器电路至少部分地基于从结合在本地计算设备中的传感器接收的传感器信号来生成本地传感器数据的单元；以及用于通过计算设备本地的监测器逻辑至少部分地基于本地传感器数据来识别事件的单元。生成和识别独立于在本地计算设备上执行的操作系统和/或应用的操作。
示例46.该示例包括示例45的元素，其中本地传感器数据包括电压、电流、温度、电压变化、电流变化、温度变化、频率或频率变化。
示例47.该示例包括示例45的元素，其中，从包括实际安全事件、前兆安全事件、实际故障事件和前兆故障事件的组中选择事件。
示例48.该示例包括示例45的元素，还包括用于通过检测器电路至少部分地基于从结合在本地计算设备中的多个传感器接收的多个传感器信号生成本地传感器数据的单元。
示例49.该示例包括根据示例45至48中任一项的元素，其中至少部分地基于以下中的至少一个来识别所述事件：本地传感器数据值在所述本地计算设备上的分布、本地传感器数据值在时间间隔上的分布和/或本地传感器数据值的历史。
示例50.该示例包括根据示例45至48中任一项的元素，还包括用于通过监测器通信接口从至少一个远程监测器电路接收远程传感器数据的单元，每个远程监测器电路用于至少部分地基于从结合在相应的远程计算设备中的远程传感器接收的远程传感器信号来生成远程传感器数据，该事件是进一步至少部分地基于远程传感器数据来识别的。
示例51.该示例包括根据示例45至48中任一项的元素，还包括用于由监测器逻辑至少部分地基于所识别的事件来选择响应的单元。
示例52.该示例包括示例51的元素，其中从包括通知最终用户、通知管理员系统、隔离计算设备的元件、将本地传感器数据存储到监测器数据存储库、启动工作负载的迁移和/或继续监测的组中选择响应。
示例53.该示例包括根据示例45至48中任一项的元素，其中至少部分地基于本地传感器数据与从监测器数据存储库取回的存储的传感器数据之间的比较来识别事件。
示例54.该示例包括根据示例45至48中任一项的元素，还包括用于通过监测器通信接口将监测器逻辑耦合到管理员系统的单元，该响应是至少部分地基于从管理员系统接收到并存储到监测器数据存储库中的决策规则来选择的。
示例55.该示例包括根据示例45至48中任一项的元素，还包括用于通过管理员系统至少部分地基于从多个监测器电路中的一个或多个监测器电路中的至少一些接收的所选传感器数据来生成与事件相关的决策规则的单元，管理员系统经由监测器网络耦合到多个监测器电路中的一个或多个。
示例56.该示例包括根据示例45至48中任一项的元素，其中，至少部分地基于贝叶斯网络、线性回归、神经网络、机器学习技术和/或统计分析中的一个或多个来生成决策规则。
例57.根据这个例子，提供了一种系统。该系统包括至少一个设备，该设备被布置成执行示例21至32中任一项的方法。
示例58.根据该示例，提供了一种设备。该设备包括用于执行示例21至32中任一项的方法的单元。
示例59.根据该示例，提供了一种计算机可读存储设备。该设备上存储有指令，当由一个或多个处理器执行时，该指令导致以下操作，包括：根据示例31和32中任一项的方法。
这里采用的术语和表达用作描述而非限制的术语，并且在使用这些术语和表达时，无意排除所示和所述特征的任何等同物(或其部分)，并且认识到在权利要求的范围内可以进行各种修改。因此，权利要求旨在涵盖所有这些等同物。
本文已经描述了各种特征、方面和实施例。如本领域技术人员将理解的，特征、方面和实施例易于彼此组合以及进行变化和修改。因此，本公开应被视为包含这样的组合、变化和修改。

Claims (25)

1.一种装置，包括：
检测器电路，用于至少部分地基于从结合在本地计算设备中的传感器接收的传感器信号来生成本地传感器数据；以及
在所述计算设备本地的监测器逻辑，用于至少部分地基于所述本地传感器数据来识别事件，
所述生成和所述识别独立于在所述本地计算设备上执行的操作系统和/或应用的操作。
2.根据权利要求1所述的装置，其中，所述本地传感器数据包括电压、电流、温度、电压变化、电流变化、温度变化、频率或频率变化。
3.根据权利要求1所述的装置，其中，所述事件是从包括实际安全事件、前兆安全事件、实际故障事件和前兆故障事件的组中选择的。
4.根据权利要求1所述的装置，其中，至少部分地基于以下中的至少一个来识别所述事件：本地传感器数据值在所述本地计算设备上的分布、本地传感器数据值在时间间隔内的分布和/或本地传感器数据值的历史。
5.根据权利要求1至4中任一项所述的装置，还包括监测器通信接口，用于从至少一个远程监测器电路接收远程传感器数据，每个远程监测器电路用于至少部分地基于从结合在相应的远程计算设备中的远程传感器接收的远程传感器信号来生成所述远程传感器数据，所述事件是进一步至少部分地基于所述远程传感器数据来识别的。
6.根据权利要求1至4中任一项所述的装置，其中，所述监测器逻辑还用于至少部分地基于所识别的事件来选择响应。
7.一种系统，包括：
结合在本地计算设备中的多个传感器；
检测器电路，用于至少部分地基于从至少一个传感器接收的传感器信号来生成本地传感器数据；以及
在所述计算设备本地的监测器逻辑，用于至少部分地基于所述本地传感器数据来识别事件，
所述生成和所述识别独立于在所述本地计算设备上执行的操作系统和/或应用的操作。
8.根据权利要求7所述的系统，其中，所述本地传感器数据包括电压、电流、温度、电压变化、电流变化、温度变化、频率或频率变化。
9.根据权利要求7所述的系统，其中，所述事件是从包括实际安全事件、前兆安全事件、实际故障事件和前兆故障事件的组中选择的。
10.根据权利要求7所述的系统，其中，至少部分地基于以下中的至少一个来识别所述事件：本地传感器数据值在所述本地计算设备上的分布、本地传感器数据值在时间间隔内的分布和/或本地传感器数据值的历史。
11.根据权利要求7至10中任一项所述的系统，还包括监测器通信接口，用于从至少一个远程监测器电路接收远程传感器数据，每个远程监测器电路用于至少部分地基于从结合在相应的远程计算设备中的远程传感器接收的远程传感器信号来生成所述远程传感器数据，所述事件是进一步至少部分地基于所述远程传感器数据来识别的。
12.根据权利要求7至10中任一项所述的系统，其中，所述监测器逻辑还用于至少部分地基于所识别的事件来选择响应。
13.一种方法，包括：
通过检测器电路至少部分地基于从结合在本地计算设备中的传感器接收的传感器信号来生成本地传感器数据；以及
通过在所述计算设备本地的监测器逻辑至少部分地基于所述本地传感器数据来识别事件，
所述生成和所述识别独立于在所述本地计算设备上执行的操作系统和/或应用的操作。
14.根据权利要求13所述的方法，其中，所述本地传感器数据包括电压、电流、温度、电压变化、电流变化、温度变化、频率或频率变化。
15.根据权利要求13所述的方法，其中，所述事件是从包括实际安全事件、前兆安全事件、实际故障事件和前兆故障事件的组中选择的。
16.根据权利要求13所述的方法，其中，至少部分地基于以下中的至少一个来识别所述事件：本地传感器数据值在所述本地计算设备上的分布、本地传感器数据值在时间间隔内的分布和/或本地传感器数据值的历史。
17.根据权利要求13至16中任一项所述的方法，还包括：通过监测器通信接口从至少一个远程监测器电路接收远程传感器数据，每个远程监测器电路用于至少部分地基于从结合在相应的远程计算设备中的远程传感器接收的远程传感器信号来生成所述远程传感器数据，所述事件是进一步至少部分地基于所述远程传感器数据来识别的。
18.根据权利要求13至16中任一项所述的方法，还包括：通过所述监测器逻辑至少部分地基于所识别的事件来选择响应。
19.一种系统，包括：
多个监测器电路，每个监测器电路包括：
检测器电路，用于至少部分地基于从结合在本地计算设备中的传感器接收的传感器信号来生成本地传感器数据；
在所述计算设备本地的监测器逻辑，用于至少部分地基于所述本地传感器数据来识别事件，所述生成和所述识别独立于在所述本地计算设备上执行的操作系统和/或应用的操作；以及耦合所述多个监测器电路中的一个或多个监测器电路的监测器网络。
20.根据权利要求19所述的系统，其中，所述本地传感器数据包括电压、电流、温度、电压变化、电流变化、温度变化、频率或频率变化。
21.根据权利要求19所述的系统，其中，所述事件是从包括实际安全事件、前兆安全事件、实际故障事件和前兆故障事件的组中选择的。
22.根据权利要求19所述的系统，其中，至少部分地基于以下中的至少一个来识别所述事件：本地传感器数据值在所述本地计算设备上的分布、本地传感器数据值在时间间隔内的分布和/或本地传感器数据值的历史。
23.根据权利要求19至22中任一项所述的系统，其中，每个监测器电路还包括监测器通信接口，用于从至少一个远程监测器电路接收远程传感器数据，每个远程监测器电路用于至少部分地基于从结合在相应的远程计算设备中的远程传感器接收的远程传感器信号来生成所述远程传感器数据，所述事件是进一步至少部分地基于所述远程传感器数据来识别的。
24.根据权利要求19至22中任一项所述的系统，其中，所述监测器逻辑还用于至少部分地基于所识别的事件来选择响应。
25.根据权利要求19至22中任一项所述的系统，还包括管理员系统，所述管理员系统经由所述监测器网络耦合到所述多个监测器电路中的一个或多个监测器电路，所述管理员系统用于至少部分地基于从所述多个监测器电路中的所述一个或多个监测器电路中的至少一些监测器电路接收的选择的传感器数据来生成与所述事件相关的决策规则。
CN201780053194.3A 2016-09-30 2017-08-30 系统监测器 Pending CN109643348A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US15/282,113 US20180097825A1 (en) 2016-09-30 2016-09-30 System monitor
US15/282,113 2016-09-30
PCT/US2017/049471 WO2018063725A1 (en) 2016-09-30 2017-08-30 System monitor

Publications (1)

Publication Number Publication Date
CN109643348A true CN109643348A (zh) 2019-04-16

Family

ID=61758555

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201780053194.3A Pending CN109643348A (zh) 2016-09-30 2017-08-30 系统监测器

Country Status (4)

Country Link
US (2) US20180097825A1 (zh)
CN (1) CN109643348A (zh)
DE (1) DE112017005007T5 (zh)
WO (1) WO2018063725A1 (zh)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10674443B2 (en) 2017-08-18 2020-06-02 Blackberry Limited Method and system for battery life improvement for low power devices in wireless sensor networks
US10721683B2 (en) 2017-08-18 2020-07-21 Blackberry Limited Method and system for battery life improvement for low power devices in wireless sensor networks
US11382546B2 (en) * 2018-04-10 2022-07-12 Ca, Inc. Psychophysical performance measurement of distributed applications
EP3553686A1 (en) * 2018-04-12 2019-10-16 Gemalto Sa Method for activating sensors in a multi-unit device
US10810094B2 (en) * 2018-06-21 2020-10-20 Arm Limited Methods and apparatus for anomaly response
JP7345281B2 (ja) * 2019-05-31 2023-09-15 株式会社日立産機システム 監視装置、および監視システム
US11709275B2 (en) * 2019-07-09 2023-07-25 Xilinx, Inc. Root monitoring on an FPGA using satellite ADCs
JP2022540420A (ja) * 2019-07-09 2022-09-15 ザイリンクス インコーポレイテッド サテライトａｄｃを使用したｆｐｇａ上でのルートモニタリング
US10598729B1 (en) 2019-08-08 2020-03-24 Xilinx, Inc. Device monitoring using satellite ADCs having local voltage reference
US11271581B1 (en) 2020-05-18 2022-03-08 Xilinx, Inc. Time-multiplexed distribution of analog signals
JP7327354B2 (ja) * 2020-11-04 2023-08-16 トヨタ自動車株式会社 情報処理システム、情報処理方法、及び、プログラム

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080276111A1 (en) * 2004-09-03 2008-11-06 Jacoby Grant A Detecting Software Attacks By Monitoring Electric Power Consumption Patterns
US20130141232A1 (en) * 2002-05-04 2013-06-06 Richman Technology Corporation System for real time security monitoring
US20140168825A1 (en) * 2012-12-18 2014-06-19 Hamilton Sundstrand Corporation Hardware-based, redundant overvoltage protection

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080088441A1 (en) * 2002-06-11 2008-04-17 Intelligent Technologies International, Inc. Asset Monitoring Using the Internet
US7387607B2 (en) * 2005-06-06 2008-06-17 Intel Corporation Wireless medical sensor system
WO2010141826A2 (en) * 2009-06-05 2010-12-09 The Regents Of The University Of Michigan System and method for detecting energy consumption anomalies and mobile malware variants
US20120063270A1 (en) * 2010-09-10 2012-03-15 Pawcatuck, Connecticut Methods and Apparatus for Event Detection and Localization Using a Plurality of Smartphones
US9214885B1 (en) * 2014-06-25 2015-12-15 Nidec Motor Corporation Independent pathways for detecting fault condition in electric motor

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130141232A1 (en) * 2002-05-04 2013-06-06 Richman Technology Corporation System for real time security monitoring
US20080276111A1 (en) * 2004-09-03 2008-11-06 Jacoby Grant A Detecting Software Attacks By Monitoring Electric Power Consumption Patterns
US20140168825A1 (en) * 2012-12-18 2014-06-19 Hamilton Sundstrand Corporation Hardware-based, redundant overvoltage protection

Also Published As

Publication number Publication date
US20180097825A1 (en) 2018-04-05
WO2018063725A1 (en) 2018-04-05
DE112017005007T5 (de) 2019-06-27
US20200186553A1 (en) 2020-06-11

Similar Documents

Publication Publication Date Title
CN109643348A (zh) 系统监测器
US10397251B2 (en) System and method for securing an electronic circuit
CN108028757B (zh) 用于物理不可克隆功能的嵌入式测试电路
US11893112B2 (en) Quantitative digital sensor
US10630492B2 (en) Device and method for testing a physically unclonable function
US10146655B2 (en) Method for determining an intergrity of an execution of a code fragment and a method for providing an abstracted representation of a program code
Bacha et al. Authenticache: Harnessing cache ECC for system authentication
US9218488B2 (en) Malicious activity detection of a processing thread
WO2020197805A1 (en) Cryptographic hardware watchdog
US9088597B2 (en) Malicious activity detection of a functional unit
EP3772007A1 (en) Physical execution monitor
US11528152B2 (en) Watermarking for electronic device tracking or verification
US20210132680A1 (en) Systems and methods for autonomous hardware compute resiliency
CN110598488B (zh) 半导体单元器件、半导体芯片系统及puf信息处理系统
US11860207B2 (en) Determining electric field distributions
Hopkins et al. Ensuring data integrity via ICmetrics based security infrastructure
US20230044072A1 (en) Monitoring side channels
US11310028B2 (en) Tamper resistant counters
Shi et al. Deterrent approaches against hardware trojan insertion

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination