[發明專利]異常數據分析方法、異常數據分析系統和存儲介質

在審

• 申請號: 202010899148.9
• 申請日: 2020-08-31
• 公開（公告）號: CN114116829A
• 公開（公告）日: 2022-03-01
• 發明（設計）人: 郭慧峰;楊輝;彭鑫;薄開濤;劉怡倩;李雪婷;姚秋彥;張杰
• 申請（專利權）人: 中興通訊股份有限公司
• 主分類號: G06F16/2458
• 分類號: G06F16/2458;G06F16/28
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 孫浩

1.一種異常數據分析方法，包括：

獲取樣本數據集；

將所述樣本數據集中的樣本數據映射至N維空間以得到距離矩陣，其中，所述距離矩陣包括多個第一數據行，所述第一數據行與所述樣本數據集中的樣本數據一一對應，所述第一數據行包括在所述N維空間中與所述第一數據行對應的樣本數據與所述樣本數據集中其余樣本數據之間的距離值，并且所述第一數據行中的所述距離值按照數值大小排序；所述N為正整數；

根據所述距離矩陣得到基于密度的聚類DBSCAN算法的聚類半徑和密度閾值；

利用所述聚類半徑和所述密度閾值確定所述樣本數據集中的異常數據。

2.根據權利要求1所述的方法，其特征在于，所述將所述樣本數據集中的樣本數據映射至N維空間以得到距離矩陣，包括：

將所述樣本數據集中的樣本數據映射至N維空間以得到初始矩陣；其中，所述初始矩陣包括多個第二數據行，所述第二數據行與所述樣本數據集中的樣本數據一一對應，所述第二數據行包括在所述N維空間中與所述第二數據行對應的樣本數據與所述樣本數據集中其余樣本數據之間的距離值；

各個所述第二數據行中的所述距離值按照數值大小進行排序，得到所述距離矩陣。

3.根據權利要求1所述的方法，其特征在于，所述根據所述距離矩陣得到DBSCAN算法的聚類半徑和密度閾值，包括：

遍歷所述距離矩陣中的所述第一數據行，在每個所述第一數據行中，以數值最小的距離值作為起始計算的數據點，依次計算前一個數據點相對于后一個數據點的斜率，分別得到與每個所述第一數據行一一對應的斜率列表；

根據所有所述斜率列表中的所有非零斜率，計算得到斜率平均值和斜率標準差；

遍歷所有所述斜率列表，獲取第一個數值大于所述斜率平均值和所述斜率標準差之和的斜率作為目標斜率；

根據所述目標斜率確定DBSCAN算法的聚類半徑和密度閾值。

4.一種異常數據分析方法，包括：

獲取異常樣本集合，所述異常樣本集合中的異常樣本對應于多個網絡指標；

根據所述多個網絡指標得到多個網絡指標組合；

對所述多個網絡指標組合進行處理得到各個所述網絡指標的根因可能性分數；

根據所述根因可能性分數確定對產生所述異常樣本集的貢獻程度最大的網絡指標。

5.根據權利要求4所述的方法，其特征在于，所述對所述多個網絡指標組合進行處理得到各個所述網絡指標的根因可能性分數，包括：

根據所述多個網絡指標組合確定最小元素和非最小元素，其中，所述最小元素為所述多個網絡指標組合中的單個網絡指標，所述非最小元素為所述多個網絡指標組合中的由至少兩個網絡指標構成的組合；

根據所述異常樣本集合獲取所述最小元素的取值和所述非最小元素的取值；

獲取所述最小元素的第一偏移量，所述第一偏移量為所述最小元素的取值和與所述最小元素對應的網絡指標的正常取值之間的差值；

獲取所述非最小元素的第二偏移量，所述第二偏移量為所述非最小元素的取值和與所述非最小元素對應的網絡指標組合的正常取值之間的差值；

根據所述第一偏移量和所述第二偏移量得到各個所述網絡指標的根因可能性分數。

6.根據權利要求5所述的方法，其特征在于，所述第一偏移量由如下公式得到：

其中，所述為所述第一偏移量，所述v為所述非最小元素的取值，所述f為與所述最小元素對應的網絡指標的正常取值，所述i為所述網絡指標的數量，所述i為正整數。

7.根據權利要求6所述的方法，其特征在于，所述第二偏移量由如下公式得到：

其中，所述為所述第二偏移量，所述a為與所述非最小元素對應的網絡指標組合的正常取值。

8.根據權利要求7所述的方法，其特征在于，所述根因可能性分數由如下公式得到：

其中，所述PS為所述根因可能性分數。