[發(fā)明專利]時序數(shù)據(jù)異常檢測方法、裝置、計算機設(shè)備和存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 201910243107.1
• 申請日: 2019-03-28
• 公開（公告）號: CN109978379B
• 公開（公告）日: 2021-08-24
• 發(fā)明（設(shè)計）人: 鄒勇杰;陳宇;王博;陳云
• 申請（專利權(quán)）人: 北京百度網(wǎng)訊科技有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06F16/2458;G06F17/16;G06F17/18
• 代理公司: 北京清亦華知識產(chǎn)權(quán)代理事務所(普通合伙) 11201
• 代理人: 宋合成

1.一種時序數(shù)據(jù)異常檢測方法，其特征在于，包括：

從待檢測的指標數(shù)據(jù)中采集距離當前時刻第一預設(shè)時間長度內(nèi)的指標數(shù)據(jù)；

利用預先訓練的變分自編碼器對所述距離當前時刻第一預設(shè)時間長度內(nèi)的指標數(shù)據(jù)進行解碼、編碼處理，確定所述距離當前時刻第一預設(shè)時間長度內(nèi)的指標數(shù)據(jù)對應的均值向量，其中，所述均值向量中的元素值是所述距離當前時刻第一預設(shè)時間長度內(nèi)的指標數(shù)據(jù)的預測值；

根據(jù)所述距離當前時刻第一預設(shè)時間長度內(nèi)的指標數(shù)據(jù)對應的均值向量及所述距離當前時刻第一預設(shè)時間長度內(nèi)的指標數(shù)據(jù)，確定所述距離當前時刻第一預設(shè)時間長度內(nèi)的指標數(shù)據(jù)對應的異常得分；

根據(jù)所述異常得分與預設(shè)閾值的關(guān)系，確定所述距離當前時刻第一預設(shè)時間長度內(nèi)的指標數(shù)據(jù)是否異常。

2.如權(quán)利要求1所述的方法，其特征在于，所述利用預先訓練的變分自編碼器對所述距離當前時刻第一預設(shè)時間長度內(nèi)的指標數(shù)據(jù)進行解碼、編碼處理之前，還包括：

對所述距離當前時刻第一預設(shè)時間長度內(nèi)的指標數(shù)據(jù)進行標準化及缺失點填充處理。

3.如權(quán)利要求1所述的方法，其特征在于，所述確定所述距離當前時刻第一預設(shè)時間長度內(nèi)的指標數(shù)據(jù)對應的異常得分，包括：

根據(jù)所述距離當前時刻第一預設(shè)時間長度內(nèi)的指標數(shù)據(jù)對應的均值向量，計算所述距離當前時刻第一預設(shè)時間長度內(nèi)每個指標數(shù)據(jù)的偏差值；

根據(jù)所述距離當前時刻第一預設(shè)時間長度內(nèi)每個指標數(shù)據(jù)的偏差值及所述距離當前時刻第一預設(shè)時間長度內(nèi)的指標數(shù)據(jù)對應的均值向量，確定所述距離當前時刻第一預設(shè)時間長度內(nèi)的指標數(shù)據(jù)對應的異常得分。

4.如權(quán)利要求1所述的方法，其特征在于，所述確定所述距離當前時刻第一預設(shè)時間長度內(nèi)的指標數(shù)據(jù)對應的均值向量之后，還包括：

根據(jù)所述距離當前時刻第一預設(shè)時間長度內(nèi)的指標數(shù)據(jù)對應的均值向量，計算所述距離當前時刻第二預設(shè)時間長度內(nèi)每個指標數(shù)據(jù)的偏差值，其中，所述第二預設(shè)時間長度小于所述第一預設(shè)時間長度；

根據(jù)所述距離當前時刻第二預設(shè)時間長度內(nèi)每個指標數(shù)據(jù)的偏差值及所述距離當前時刻第一預設(shè)時間長度內(nèi)的指標數(shù)據(jù)對應的均值向量，確定所述距離當前時刻第二預設(shè)時間長度內(nèi)的指標數(shù)據(jù)對應的異常得分。

5.如權(quán)利要求1-4任一所述的方法，其特征在于，所述利用預先訓練的變分自編碼器對所述距離當前時刻第一預設(shè)時間長度內(nèi)的指標數(shù)據(jù)進行解碼、編碼處理之前，還包括：

獲取所述待檢測的指標的歷史數(shù)據(jù)；

對所述歷史數(shù)據(jù)進行預處理，生成訓練樣本數(shù)據(jù)；

利用所述訓練樣本數(shù)據(jù)對初始變分自編碼器進行訓練，生成訓練后的變分自編碼器。

6.如權(quán)利要求5所述的方法，其特征在于，所述對所述歷史數(shù)據(jù)進行預處理，生成訓練樣本數(shù)據(jù)，包括：

根據(jù)所述待檢測的指標的時序特性，將所述歷史數(shù)據(jù)進行分割、聚類處理，得到多個數(shù)據(jù)簇；

根據(jù)多個數(shù)據(jù)簇中包含的數(shù)據(jù)組數(shù)量，從所述多個數(shù)據(jù)簇中獲取訓練正樣本數(shù)據(jù)。

7.如權(quán)利要求6所述的方法，其特征在于，所述從所述多個數(shù)據(jù)簇中獲取訓練正樣本數(shù)據(jù)之后，還包括：

根據(jù)所述訓練正樣本數(shù)據(jù)中的數(shù)據(jù)量，在所述訓練正樣本數(shù)據(jù)中隨機插入異常數(shù)據(jù)。

8.如權(quán)利要求6或7任一所述的方法，其特征在于，所述對所述歷史數(shù)據(jù)進行預處理，生成訓練樣本數(shù)據(jù)，包括：

根據(jù)所述待檢測的指標的歷史數(shù)據(jù)對應的采集模式，確定所述歷史數(shù)據(jù)中的數(shù)據(jù)缺失點及缺失點注入概率；

將所述歷史數(shù)據(jù)中的數(shù)據(jù)缺失點，用預設(shè)的數(shù)值填充；

根據(jù)所述缺失點注入概率及缺失點填充后的歷史數(shù)據(jù)中包含的數(shù)據(jù)點數(shù)量，將缺失點填充后的歷史數(shù)據(jù)中的部分數(shù)據(jù)點用預設(shè)的數(shù)值替換，生成訓練數(shù)據(jù)；

將所述訓練數(shù)據(jù)進行數(shù)據(jù)分割，生成所述訓練樣本數(shù)據(jù)。