以谷歌、亚马逊为代表的互联网服务提供商将大量的服务部署在云平台上,通过分布式满足海量用户服务的并发访问请求。为了实现高可靠的服务质量,分布式服务的异常检测是一个急需解决的问题。并且,这种分布式的部署方式给服务的异常检测带来了困难。首先,服务的动态组合形成了复杂的引用关系,这种不确定性导致服务异常检测变得困难。其次,服务的高频调用,产生了海量的数据,这给服务异常的实时性发现带来了挑战。针对上述问题,本文借鉴生物免疫流程,提出了一套面向服务起源的分布式服务的异常检测模型。该模型以服务起源日志作为研究基础,服务起源日志描述了服务的动态组合关系,以及服务的调用信息和执行路径,模型共分为两层,第一层叫做响应层,主要是依据“危险源于变化”的思想,利用微分来描述海量服务的行为数据,捕获危险信号,发现异常源;第二层叫做免疫层,以捕获的异常源作为研究点,通过计算它与其他服务间的起源调用关系,可以将单个服务的异常扩展到某个区域,称之为危险区域。该区域不是一成不变的,而是随着时间、空间等维度进行不断演化的,例如在服务网络中,热点服务也是随着用户行为演化的,因此,根据危险理论的思想以及服务起源关系,通过不同的计算方法研究危险区域的演化模式。最后通过实验表明了模型的可行性,并且支持追踪产生异常服务的原因。