[發明專利]一種系統異常檢測方法、裝置及電子設備

有效

• 申請號: 201811119691.1
• 申請日: 2018-09-25
• 公開（公告）號: CN109614299B
• 公開（公告）日: 2022-05-31
• 發明（設計）人: 霍揚揚;周揚;楊樹波;于君澤
• 申請（專利權）人: 創新先進技術有限公司
• 主分類號: G06F11/34
• 分類號: G06F11/34;G06F11/30
• 代理公司: 北京眾達德權知識產權代理有限公司 11570
• 代理人: 劉杰

1.一種系統異常檢測方法，所述方法包括：

獲取系統當前時間周期內出現的業務請求的所有類別和所有類別的業務請求中每一類業務請求的數量信息；

根據歷史業務請求記錄，獲取所述每一類業務請求的歷史特征數據，其中，所述歷史特征數據表征每一類業務請求出現的周期性信息；

根據所述每一類業務請求的類別和歷史特征數據，通過預先訓練好的異常請求檢測模型預測獲得所述每一類業務請求的異常概率；

根據所有類別的業務請求中每一類業務請求的異常概率和數量信息，計算獲得所述當前時間周期內異常業務請求的占比；

根據所述當前時間周期內異常業務請求的占比和所述當前時間周期之前預設時間段內各個時間周期內的異常業務請求的占比，獲得所述當前時間周期內異常業務請求的占比增長參數，包括：根據所述當前時間周期之前各個時間周期內異常業務請求的占比，獲取所述當前時間周期之前預設時間段內異常業務請求的占比的均值和標準差；獲取所述當前時間周期異常業務請求的占比與所述均值的差值，及所述差值與所述標準差之間的比值，將所述比值作為所述占比增長參數；

若所述占比增長參數大于設定閾值，確定所述系統異常并報警。

2.如權利要求1所述的方法，所述根據所有類別的業務請求中每一類業務請求的異常概率和數量信息，計算獲得所述當前時間周期異常業務請求的占比，包括：

其中，r_j表示所述當前時間周期異常業務請求的占比，N表示所述當前時間周期業務請求的種類數，w_i表示所有類別的業務請求中第i類業務請求的異常概率，h_i表示所述第i類業務請求的量級，i∈[1,N]。

3.如權利要求1所述的方法，根據歷史業務請求記錄，獲取所述每一類業務請求的歷史特征數據，包括：

根據歷史業務請求記錄，獲取所述當前時間周期之前的第k個預設時間周期內每一類業務請求出現的天數和量級，k≥1；和/或

根據歷史業務請求記錄，獲取當前時間周期之前的第k個預設時間周期內第t天每一類業務請求的量級占比，t∈[1,k]。

4.如權利要求1-3任一所述的方法，所述異常請求檢測模型的訓練方法包括：

根據歷史業務請求記錄獲取樣本集合，所述樣本集合中每個樣本包含一類業務請求的類別、歷史特征數據和異常概率；

將所述樣本集合中每個樣本的類別數據、歷史特征數據作為分類模型的輸入數據、異常概率作為分類模型的標定結果進行模型訓練，獲得所述異常請求檢測模型。

5.一種異常請求檢測模型的訓練方法，應用于如權利要求1-4中任一項所述的系統異常檢測方法之前，包括：

根據歷史業務請求記錄獲取樣本集合，所述樣本集合中每個樣本包含一類業務請求的類別數據、歷史特征數據和異常概率，其中，所述歷史特征數據表征每一類業務請求出現的周期性信息，所述異常概率根據同類業務請求在后續預設時間周期內是否出現進行標定；

將所述樣本集合中每個樣本的類別、歷史特征數據作為分類模型的輸入數據、異常概率作為分類模型的標定結果進行模型訓練，獲得所述異常請求檢測模型。

6.如權利要求5所述的方法，所述歷史特征數據的獲取方法包括：

根據歷史業務請求記錄，獲取樣本所處時間周期T之前的第k個預設時間周期內每一類業務請求出現的天數和量級，k≥1；和/或，

根據歷史業務請求記錄，獲取樣本所處時間周期T之前的第k個預設時間周期內第t天每一類業務請求出現的量級占比，t∈[1,k]。