[發(fā)明專利]一種基于KPI指標(biāo)的多維異常檢測方法、裝置及存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 202010551259.0
• 申請日: 2020-06-17
• 公開（公告）號: CN111506637B
• 公開（公告）日: 2020-11-27
• 發(fā)明（設(shè)計）人: 程博;成逸然;張文池;李則言;隋楷心;劉大鵬
• 申請（專利權(quán)）人: 北京必示科技有限公司
• 主分類號: G06F16/2458
• 分類號: G06F16/2458;G06F16/28;G06Q40/04
• 代理公司: 北京華創(chuàng)智道知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11888
• 代理人: 周倩

1.一種基于KPI指標(biāo)的多維異常檢測方法，包括：

獲取警告前后P+Q分鐘時間序列的交易數(shù)據(jù)；其中，P表示警告前的一段時間，Q表示警告后的一段時間；

根據(jù)警告發(fā)生時刻的維度組合對P+Q分鐘時間序列的維度組合進(jìn)行缺失值填充；

根據(jù)維度及特征的多少評估數(shù)據(jù)規(guī)模以采用部分異常檢測或全局異常檢測得到所有維度組合的異常貢獻(xiàn)分?jǐn)?shù)；

進(jìn)行KPI單指標(biāo)的特征類型定義；

所述部分異常檢測僅對葉子節(jié)點(diǎn)進(jìn)行異常貢獻(xiàn)檢測，上層節(jié)點(diǎn)的異常貢獻(xiàn)分?jǐn)?shù)通過下層節(jié)點(diǎn)的異常貢獻(xiàn)分?jǐn)?shù)加和得到，其檢測方法通過葉子節(jié)點(diǎn)在P+Q分鐘時間序列每一個點(diǎn)的KPI特征值構(gòu)建二叉樹計算葉子節(jié)點(diǎn)對該單指標(biāo)的異常貢獻(xiàn)分?jǐn)?shù)；當(dāng)發(fā)生多個關(guān)聯(lián)指標(biāo)異常時，計算葉子節(jié)點(diǎn)對多個關(guān)聯(lián)異常指標(biāo)的異常貢獻(xiàn)分?jǐn)?shù)平均值；

所述全局異常檢測對所有維度組合的異常貢獻(xiàn)進(jìn)行檢測，其檢測方法通過所有維度組合P+Q分鐘時間序列每一個點(diǎn)的KPI特征值構(gòu)建二叉樹計算任一維度組合對該單指標(biāo)的異常貢獻(xiàn)分?jǐn)?shù)；當(dāng)發(fā)生多個關(guān)聯(lián)指標(biāo)異常時，計算任一維度組合對多個關(guān)聯(lián)異常指標(biāo)的異常貢獻(xiàn)分?jǐn)?shù)平均值。

2.如權(quán)利要求1所述的一種基于KPI指標(biāo)的多維異常檢測方法，其特征在于：所述全局異常檢測包括如下步驟：

S101. 進(jìn)行KPI單指標(biāo)的特征類型定義；

S102. 提取該單指標(biāo)所有維度組合P+Q分鐘每一個點(diǎn)的KPI特征值訓(xùn)練集X，每指定一個特征值q，通過切割分裂形成1棵二叉樹，指定的特征值遍歷每一個特征類型后，生成t₁棵二叉樹，記錄為T₁；

S103. 提取除當(dāng)前維度組合外的KPI特征集合并按照S102所述的切割分裂形成t₂棵二叉樹，記錄為T₂；

S104. 計算該指標(biāo)下所有維度組合X的子節(jié)點(diǎn)在T₁和T₂中的平均高度c₁和c₂；

S105. 計算任一維度組合對該單指標(biāo)的異常貢獻(xiàn)分?jǐn)?shù)；

S106. 當(dāng)發(fā)生多個指標(biāo)異常時，重復(fù)S101-S105，計算任一維度組合對該多個指標(biāo)的異常貢獻(xiàn)分?jǐn)?shù)。

3.如權(quán)利要求2所述的一種基于KPI指標(biāo)的多維異常檢測方法，其特征在于：S101中所述KPI單指標(biāo)的特征類型包括以下特征中的至少一項(xiàng)：均值、標(biāo)準(zhǔn)差、極限值、當(dāng)前維度出現(xiàn)頻率、當(dāng)前維度逆文本頻率指數(shù)、一階自相關(guān)系數(shù)、線性強(qiáng)度、曲率強(qiáng)度、光譜熵、殘差變化標(biāo)準(zhǔn)差、交叉點(diǎn)個數(shù)、與前面點(diǎn)的差值、趨勢性、周期性、雜亂性。

4.如權(quán)利要求2所述的一種基于KPI指標(biāo)的多維異常檢測方法，其特征在于：S102所述切割分裂具體方式為：

S1021. 提取該單指標(biāo)所有維度組合P+Q分鐘每一個點(diǎn)的KPI特征值值組成訓(xùn)練集X；

S1022.在訓(xùn)練集X中隨機(jī)抽取k個樣本點(diǎn)構(gòu)成X的子集X^k；

S1023.每次隨機(jī)從X^k中指定一個特征值q，隨機(jī)產(chǎn)生一個切割點(diǎn)p；

S1024. 指定特征值小于p的樣本點(diǎn)放入左子節(jié)點(diǎn)，大于或等于p的放入右子節(jié)點(diǎn)；

S1025. 在左子節(jié)點(diǎn)和右子節(jié)點(diǎn)重復(fù)S1024，當(dāng)所有葉子節(jié)點(diǎn)只有一個樣本點(diǎn)或者到達(dá)指定層數(shù)后停止分裂，生成了1棵二叉樹；

S1026.指定的特征值q遍歷每一個特征類型后，生成t₁棵二叉樹，記錄為T₁。

5.如權(quán)利要求2所述的一種基于KPI指標(biāo)的多維異常檢測方法，其特征在于：S105中將該維度組合的子節(jié)點(diǎn)的特征向量分別帶入T₁和T₂，計算該子節(jié)點(diǎn)在T₁和T₂中的平均高度h₁和h₂，結(jié)合S014中平均高度c₁和c₂，定義任一維度組合對該單指標(biāo)的異常貢獻(xiàn)分?jǐn)?shù)為I_a:

。