[發明專利]一種設備異常檢測方法、裝置和機器可讀存儲介質

在審

• 申請號: 202010048230.0
• 申請日: 2020-01-16
• 公開（公告）號: CN111277459A
• 公開（公告）日: 2020-06-12
• 發明（設計）人: 孫尚勇
• 申請（專利權）人: 新華三信息安全技術有限公司
• 主分類號: H04L12/26
• 分類號: H04L12/26;H04L12/24
• 代理公司: 暫無信息
• 代理人: 暫無信息

本申請提供了一種設備異常檢測方法、裝置和機器可讀存儲介質，所述方法包括獲取待識別設備的性能指標曲線；基于所述性能指標曲線，對訓練得到的異常檢測模型進行調整，得到調整后的異常檢測模型；其中，所述訓練得到的異常檢測模型為基于歷史性能指標曲線訓練得到的；利用所述調整后的異常檢測模型對所述待識別設備的性能指標曲線進行識別，確定所述待識別設備的性能指標曲線是否存在異常點；根據所述待識別設備的性能指標曲線是否存在異常點的結果，確定所述待識別設備的異常檢測結果。通過實施上述方法，可以準確得出待識別設備的異常檢測結果，大大提高了異常檢測結果的檢測精度。

技術領域

本申請涉及網絡安全技術領域，特別涉及一種設備異常檢測方法、裝置和機器可讀存儲介質。

背景技術

隨著互聯網，特別是移動互聯網的高速發展，web服務已經深入到社會的各個領域，人們使用互聯網進行搜索，購物，付款，娛樂等等，而這些操作需要服務器的支撐。因此，保障服務器的穩定已經變的越來越重要。服務器的穩定性主要靠運維來保障，運維人員通過監控各種各樣的關鍵性能指標(例如CPU，內存，訪問量)來判斷服務器是否穩定，而相關指標發生異常，往往意味著服務器中與其相關的應用發生了問題，進而可以確定出服務器可能不穩定。

而現有技術中常用曲線來描述關鍵性能指標的變化趨勢，然后利用一些算法對關鍵性能指標變化曲線進行處理，來確定關鍵性能指標是否存在異常，進而確定服務器是否異常。然而上述算法常采用固定閾值的聚類算法，但該算法只使用了已知的異常數據進行聚類分析后得到各個聚類，然后基于各個聚類來判定上述變化曲線中是否存在異常數據，但僅使用異常數據的聚類算法沒有考慮到各個關鍵性能指標的變化多樣性，導致存在異常數據監測的誤判和漏判。

因此，如何提高異常數據檢測結果的準確性，進而提高設備是否異常檢測結果的準確性是值得考慮的技術問題之一。

發明內容

有鑒于此，本申請提供了一種設備異常檢測方法、裝置和機器可讀存儲介質，用以提高異常數據檢測結果的準確性，進而提高設備是否異常檢測結果的準確性。

具體地，本申請是通過如下技術方案實現的：

根據本申請的第一方面，提供一種設備異常檢測方法，包括：

獲取待識別設備的性能指標曲線；

基于所述性能指標曲線，對訓練得到的異常檢測模型進行調整，得到調整后的異常檢測模型；其中，所述訓練得到的異常檢測模型為基于歷史性能指標曲線訓練得到的；

利用所述調整后的異常檢測模型對所述待識別設備的性能指標曲線進行識別，確定所述待識別設備的性能指標曲線是否存在異常點；

根據所述待識別設備的性能指標曲線是否存在異常點的結果，確定所述待識別設備的異常檢測結果。

根據本申請的第二方面，提供一種設備異常檢測裝置，包括：

獲取模塊，獲取待識別設備的性能指標曲線；

模型調整模塊，用于根據所述性能指標曲線，對訓練得到的異常檢測模型進行調整，得到調整后的異常檢測模型；其中，所述訓練得到的異常檢測模型為基于歷史性能指標曲線訓練得到的；

識別模塊，用于利用所述調整后的異常檢測模型對所述待識別設備的性能指標曲線進行識別，確定所述待識別設備的性能指標曲線是否存在異常點；

確定模塊，用于根據所述待識別設備的性能指標曲線是否存在異常點的結果，確定所述待識別設備的異常檢測結果。

根據本申請的第三方面，提供一種電子設備，包括處理器和機器可讀存儲介質，機器可讀存儲介質存儲有能夠被處理器執行的機器可執行指令，處理器被機器可執行指令促使執行本申請實施例第一方面所提供的方法。