一种基于自动机器学习模型的容器逃逸检测方法及系统

本发明公开了一种基于自动机器学习模型的容器逃逸检测方法及系统，通过容器集群监控引擎实时采集系统调用、网络流量、配置参数等多维度特征数据，采用KMeansSMOTE与生成对抗网络(GANs)联合解决数据不平衡问题，并行训练XGBoost、随机森林等多模型并通过贝叶斯优化动态调参，最终基于模型性能加权集成输出高精度检测结果。有效解决复杂容器环境下多维度特征适配与检测效率的平衡难题。