[發明專利]一種面向連續被監測對象的異常檢測方法

有效

• 申請號: 201711436578.1
• 申請日: 2017-12-26
• 公開（公告）號: CN108038044B
• 公開（公告）日: 2021-01-08
• 發明（設計）人: 肖利民;蘇書賓;阮利;張周杰;郝海東;李書攀;劉璽;王趙凱
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G06F11/30
• 分類號: G06F11/30;G06F11/34
• 代理公司: 北京海虹嘉誠知識產權代理有限公司 11129
• 代理人: 吳小燦

本發明提供的一種面向連續被監測對象的異常檢測方法，能實時檢測連續被監測對象的異常狀態。包括以下步驟：1收集表示被監測對象異常狀態的參數生成基于滑動窗口的連續監測數據流；2對檢測算法進行初始化生成一個基于滑動窗口的數據集和一個被監測對象的異常值序列；3查找當前時刻到達的數據對象的k鄰域集合并計算其局部離群系數；4更新當前到達的數據對象的k鄰域對象的局部離群系數；5計算歷史數據的局部離群系數對被監測對象當前時刻異常狀態判斷的參考價值；6計算被監測對象當前時刻的離群系數；7判定當前時刻被監測對象的可能異常狀態；8更新監測數據流滑動窗口的數據集和被監測對象的異常值序列；9確定被監測對象的異常狀態。

技術領域

本發明涉及一種面向連續被監測對象的異常檢測方法，屬于計算機科學技術領域。

背景技術

隨著科學技術的不斷發展，各種生產和管理的自動化、智能化逐漸提高。對于自動化生產和管理系統，任何的異常都可能導致不可估量的經濟損失。因此，怎么樣維護自動化生產和管理系統的穩定性是一個至關重要的任務，因而對它們進行實時連續的異常監測成為了一種必然的要求。比如閉環控制系統的故障檢測、大規模服務器機群故障檢測、軟件系統的老化檢測、城市的氣候監測、重癥病人的實時監測、大規模科學觀察、網絡日志分析和安全監控系統等。

在實際運用中，連續被監測對象的異常檢測要求檢測系統能夠實時的自適應的判斷被檢測對象的狀態變化，能夠準確的確定各種已知的或者新型的異常狀態并及時做出預警，能夠準確分辨異常狀態和臨近異常狀態。比如，當對一個服務器系統進行監測管理時，需要對該系統的狀態變化進行實時的監測，對于系統出現的狀態波動、性能異常、宕機等狀態能夠及時做出預警。傳統的數據流異常檢測方法主要是從連續的流式數據中檢測出異常的數據點，它們一般應用于從連續的被監測對象序列中檢測出異常對象而并不適用于連續被監測對象的各個時刻異常狀態變化的檢測。另外，傳統的異常檢測算法通過設置離群值閾值或者離群數量閾值來確定異常對象，這樣的閾值在連續被監測對象的動態檢測環境中是難以準確設置的，不準確的閾值將會嚴重影響算法的準確性。因此，研究一種適用于連續被監測對象自適應的離群檢測方法具有重要的理論意義和實用價值。

發明內容

本發明提供一種面向連續被監測對象的異常檢測方法，充分利用數據流的歷史數據信息、結合數據流數據自身的關聯性對被監測對象當前的異常狀態進行量化計算，同時基于四分位數設計一種無參數自適應的離群對象判定方法。相對于傳統的數據流異常檢測算法，我們的方法可以有效的、高效的、實時自適應地判定當前被監測對象的異常狀態，并可以通過判斷離群值是否慢慢的增加來對一些緩慢變化的異常進行提前的預測分析。

具體來說，本發明提供了一種面向連續被監測對象的異常檢測方法，該方法包括：

步驟1，收集表示被監測對象異常狀態的參數生成基于滑動窗口的連續監測數據流；

步驟2，對檢測算法進行初始化生成一個基于滑動窗口的數據集和一個被監測對象的異常值序列；

步驟3，查找當前時刻到達的數據對象的k鄰域集合并計算其局部離群系數；

步驟4，更新當前到達的數據對象的k鄰域對象的局部離群系數；

步驟5，計算歷史數據的局部離群系數對被監測對象當前時刻異常狀態判斷的參考價值；

步驟6，計算被監測對象當前時刻的離群系數；

步驟7，判定當前時刻被監測對象的可能異常狀態；

步驟8，更新監測數據流滑動窗口的數據集和被監測對象的異常值序列；

步驟9，確定被監測對象的異常狀態。

其中，步驟2對檢測算法進行初始化的方法為：