[發(fā)明專利]數(shù)據(jù)異常檢測方法、裝置、服務器和計算機可讀存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 201811467527.X
• 申請日: 2018-12-03
• 公開（公告）號: CN111258863B
• 公開（公告）日: 2023-09-22
• 發(fā)明（設計）人: 朱寶;陳姝君
• 申請（專利權(quán)）人: 北京嘀嘀無限科技發(fā)展有限公司
• 主分類號: G06F11/34
• 分類號: G06F11/34
• 代理公司: 北京同立鈞成知識產(chǎn)權(quán)代理有限公司 11205
• 代理人: 楊澤;劉芳

1.一種數(shù)據(jù)異常檢測方法，所述方法應用于服務器，其特征在于，包括：

響應于采集的多種實時指標數(shù)據(jù)，檢測任一種所述實時指標數(shù)據(jù)的異常信息的步驟包括：

確定任一種所述實時指標數(shù)據(jù)與預測指標數(shù)據(jù)之間的殘差樣本集合和窗寬；

確定所述殘差樣本集合中第n個殘差樣本的一行特征值由所述第n個殘差樣本和前m個所述殘差樣本構(gòu)成，并建立所述第n個殘差樣本的高維殘差樣本，所述m小于所述n；

根據(jù)所述窗寬確定全部所述高維殘差樣本對應的高維殘差概率密度模型，并計算所述第n個所述殘差樣本的異常概率；

所述方法還包括：

基于所述高維殘差概率密度模型中任一所述殘差樣本的振動頻率或者所述第n個所述殘差樣本的異常概率與對應的閾值比較，確定所述殘差樣本對應的所述實時指標數(shù)據(jù)是否異常；

其中，所述實時指標數(shù)據(jù)為成功率類型、工單類型或時延類型；

通過極小化密度估計并帶入概率密度函數(shù)，得到窗寬表達式：

均勻核函數(shù)為正態(tài)核函數(shù)為K(u)為概率密度函數(shù)，所述密度估計的表達式MSE(f(x))＝E[f_n(x)-f(x)]²，f_n(x)表征n個離散樣本，f(x)表征預估函數(shù)。

2.根據(jù)權(quán)利要求1所述的數(shù)據(jù)異常檢測方法，其特征在于，在響應于采集的多種實時指標數(shù)據(jù)前，還包括：

預存任一種所述實時指標數(shù)據(jù)對應的歷史指標數(shù)據(jù)；

對所述歷史指標數(shù)據(jù)進行擬合處理，以建立擬合回歸模型，

其中，所述擬合回歸模型用于計算所述預測指標數(shù)據(jù)。

3.根據(jù)權(quán)利要求2所述的數(shù)據(jù)異常檢測方法，其特征在于，

采用所述擬合回歸模型計算預設訓練樣本集合的均方差值最小。

4.根據(jù)權(quán)利要求1至3中任一項所述的數(shù)據(jù)異常檢測方法，其特征在于，確定所述殘差樣本對應的所述實時指標數(shù)據(jù)是否異常包括：

確定所述高維殘差概率密度模型中任一所述殘差樣本的振動頻率；

在檢測到任一所述殘差樣本的振動頻率高于預設振動頻率時，將所述殘差樣本對應的所述實時指標數(shù)據(jù)確定為異常數(shù)據(jù)。

5.根據(jù)權(quán)利要求4所述的數(shù)據(jù)異常檢測方法，其特征在于，確定所述殘差樣本對應的所述實時指標數(shù)據(jù)是否異常包括：

判斷所述第n個所述殘差樣本的異常概率是否大于或等于預設異常概率；

在判定所述第n個所述殘差樣本的異常概率大于或等于所述預設異常概率時，將所述殘差樣本對應的所述實時指標數(shù)據(jù)確定為異常數(shù)據(jù)。

6.一種數(shù)據(jù)異常檢測裝置，其特征在于，包括：

檢測單元，用于響應于采集的多種實時指標數(shù)據(jù)，檢測任一種所述實時指標數(shù)據(jù)的異常信息；

確定單元，用于確定任一種所述實時指標數(shù)據(jù)與預測指標數(shù)據(jù)之間的殘差樣本集合和窗寬；

所述確定單元還用于：確定殘差樣本集合中第n個殘差樣本的一行特征值由第n個殘差樣本和前m個殘差樣本構(gòu)成，并建立第n個殘差樣本的高維殘差樣本，所述m小于所述n；

所述確定單元還用于：根據(jù)所述窗寬確定全部所述高維殘差樣本對應的高維殘差概率密度模型，并計算所述第n個所述殘差樣本的異常概率；

所述確定單元還用于：基于所述高維殘差概率密度模型中任一所述殘差樣本的振動頻率或者所述第n個所述殘差樣本的異常概率與對應的閾值比較，確定所述殘差樣本對應的所述實時指標數(shù)據(jù)是否異常；

其中，所述實時指標數(shù)據(jù)為成功率類型、工單類型或時延類型；

通過極小化密度估計并帶入概率密度函數(shù)，得到窗寬表達式：

均勻核函數(shù)為正態(tài)核函數(shù)為K(u)為概率密度函數(shù)，所述密度估計的表達式MSE(f(x))＝E[f_n(x)-f(x)]²，f_n(x)表征n個離散樣本，f(x)表征預估函數(shù)。