[發明專利]一種數據異常檢測方法、系統及具有該系統的服務器

有效

• 申請號: 201710016096.4
• 申請日: 2017-01-10
• 公開（公告）號: CN106778904B
• 公開（公告）日: 2019-10-18
• 發明（設計）人: 牛昕宇
• 申請（專利權）人: 上海鯤云信息科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06F16/215
• 代理公司: 上海光華專利事務所(普通合伙) 31219
• 代理人: 徐秋平

1.一種數據異常檢測方法，其特征在于，應用于電子設備，所述數據異常檢測方法包括以下步驟：

步驟一，基于預存的單階支持向量機和已建立的運行數據模型，決策與運行數據模型對應的硬件結構的運行數據，以區分硬件結構的運行數據中的異常數據和正常數據；

步驟二，對區分出的異常數據進行投票，以確定區分出的異常數據中是否存在將正常數據錯誤標記為異常數據，若是，將錯誤標記成異常數據的運行數據重新標記為正常數據；所述步驟二包括：

以不同運行數據模型對應的超平面為基準，統計區分出的所述異常數據離不同運行數據模型對應的超平面的最大距離和最小距離；

計算區分出的所述異常數據離不同運行數據模型對應的超平面的最小距離與統計的區分出的所述異常數據離不同運行數據模型對應的超平面的最大距離的距離比例；

判斷所述距離比例是否小于預置距離比例參數，若否，則表示該區分出的異常數據被錯誤標記，該區分出的異常數據應為正常數據。

2.根據權利要求1所述的數據異常檢測方法，其特征在于：所述電子設備中硬件結構的運行數據包括運行數據的數據索引及運行數據的數據值。

3.根據權利要求2所述的數據異常檢測方法，其特征在于：所述步驟一包括：

使用運行數據的數據索引對其運行數據的數據值，及對應的運行數據模型的支持向量；讀取已建立的運行數據模型的支持向量，根據所述單階支持向量機中的決策函數的計算結果來決策與運行數據模型對應的硬件結構的運行數據。

4.根據權利要求3所述的數據異常檢測方法，其特征在于：

所述

其中，K(x_i,z)為核心函數，i表示已建立的運行數據類型的數目，

x_i表示第i種已建立的運行數據模型的支持向量，z表示所述電子設備的硬件結構的運行數據，λ_i表示拉格朗日乘數，ρ表示偏移常量，sign表示符合函數，2σ表示寬度參數，||x_i-z||²為第i種運行數據模型的支持向量與所述電子設備的硬件結構的運行數據之間的距離。

5.根據權利要求4所述的數據異常檢測方法，其特征在于：

當所述決策函數計算后的輸出結果為1時，表示該硬件結構的運行數據位于運行數據模型對應的超平面之內，則區分出計算結果為1的硬件結構的運行數據為正常數據；

當所述決策函數計算后的輸出結果為-1時，表示該硬件結構的運行數據位于運行數據模型對應的超平面之外，則區分出計算結果為-1的硬件結構的運行數據為異常數據。

6.根據權利要求1所述的數據異常檢測方法，其特征在于：所述數據異常檢測方法還包括：

將區分出的正常數據進行緩存，并通過單階支持向量機對區分出的正常數據進行訓練，以形成新的運行數據模型；

根據運行數據模型的建立時間，剔除最早時間的運行數據模型。

7.一種數據異常檢測系統，其特征在于，應用于電子設備，所述數據異常檢測系統包括：

決策模塊，用于基于預存的單階支持向量機和已建立的運行數據模型，決策與運行數據模型對應的硬件結構的運行數據，以區分硬件結構的運行數據中的異常數據和正常數據；

數據匯總模塊，用于對區分出的異常數據進行投票，以確定區分出的異常數據中是否存在將正常數據錯誤標記為異常數據，若是，將錯誤標記成異常數據的運行數據重新標記為正常數據；所述數據匯總模塊以不同運行數據模型對應的超平面為基準，統計區分出的所述異常數據離不同運行數據模型對應的超平面的最大距離和最小距離；計算區分出的所述異常數據離不同運行數據模型對應的超平面的最小距離與統計的區分出的所述異常數據離不同運行數據模型對應的超平面的最大距離的距離比例；判斷所述距離比例是否小于預置距離比例參數，若否，則表示該區分出的異常數據被錯誤標記，該區分出的異常數據應為正常數據。