[發明專利]基于人工智能的數據檢測方法、裝置、服務器及存儲介質

有效

• 申請號: 202011639634.3
• 申請日: 2020-12-31
• 公開（公告）號: CN112732983B
• 公開（公告）日: 2023-09-12
• 發明（設計）人: 陳楨博;鄭立穎;徐亮
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06F16/903
• 分類號: G06F16/903
• 代理公司: 深圳市力道知識產權代理事務所(普通合伙) 44507
• 代理人: 張傳義

本申請涉及人工智能，提供一種基于人工智能的數據檢測方法、裝置、服務器及存儲介質，該方法包括：獲取目標檢測指標的當前時序數據；根據所述當前時序數據生成當前時序向量，并確定所述目標檢測指標的歷史時序數據的歷史時序向量；通過所述第一Transformer模型，將所述歷史時序向量和當前時序向量進行關聯，得到關聯時序向量；將所述關聯時序向量輸入至所述第二Transformer模型，得到所述當前時序數據的下一時序的預測數據；獲取所述當前時序數據的下一時序的目標時序數據，通過所述預測數據和目標時序數據，對所述目標時序數據進行異常檢測。本申請能夠提高異常數據的檢測準確度。

技術領域

本申請涉及人工智能中的智能決策的技術領域，尤其涉及一種基于人工智能的數據檢測方法、裝置、服務器及存儲介質。

背景技術

隨著計算機科學技術的不斷發展，互聯網中越來越多的應用運行于服務器上，會產生大量的運行數據。運行數據的異常波動有可能反應了應用或者服務器硬件的異常狀態，因此服務器需要對運行數據進行實時監測，從而及時發現應用和服務器硬件的異常狀態并進行告警。目前，可以通過異常檢測模型負責監控服務器系統中關于應用和硬件等多個對象的指標，從而確定應用和硬件是否存在異常狀態。然而，現有的異常檢測模型僅是利用歷史時序數據作為訓練樣本進行訓練得到的，在對當前時序數據進行預測時容易發生數據偏離，導致異常預測的精準度下降，異常數據的檢測效果不好。

發明內容

本申請的主要目的在于提供一種基于人工智能的數據檢測方法、裝置、服務器及存儲介質，旨在提高異常數據的檢測準確度。

第一方面，本申請提供一種基于人工智能的數據檢測方法，應用于服務器，所述服務器存儲有時序數據預測模型，所述時序數據預測模型包括預先訓練好的第一Transformer模型和第二Transformer模型，所述方法包括：

獲取目標檢測指標的當前時序數據；

根據所述當前時序數據生成當前時序向量，并確定所述目標檢測指標的歷史時序數據的歷史時序向量；

通過所述第一Transformer模型，將所述歷史時序向量和當前時序向量進行關聯，得到關聯時序向量；

將所述關聯時序向量輸入至所述第二Transformer模型，得到所述當前時序數據的下一時序的預測數據；

獲取所述當前時序數據的下一時序的目標時序數據，通過所述預測數據和目標時序數據，對所述目標時序數據進行異常檢測。

第二方面，本申請還提供一種基于人工智能的數據檢測裝置，應用于服務器，所述服務器存儲有時序數據預測模型，所述時序數據預測模型包括預先訓練好的第一Transformer模型和第二Transformer模型，所述數據檢測裝置包括：

獲取模塊，用于獲取目標檢測指標的當前時序數據；

生成模塊，用于根據所述當前時序數據生成當前時序向量，并確定所述目標檢測指標的歷史時序數據的歷史時序向量；

關聯模塊，用于通過所述第一Transformer模型，將所述歷史時序向量和當前時序向量進行關聯，得到關聯時序向量；

預測模塊，用于將所述關聯時序向量輸入至所述第二Transformer模型，得到所述當前時序數據的下一時序的預測數據；

所述獲取模塊，還用于獲取所述當前時序數據的下一時序的目標時序數據；

檢測模塊，用于通過所述預測數據和目標時序數據，對所述目標時序數據進行異常檢測。

第三方面，本申請還提供一種服務器，所述服務器包括處理器、存儲器、以及存儲在所述存儲器上并可被所述處理器執行的計算機程序，其中所述計算機程序被所述處理器執行時，實現如上所述的基于人工智能的數據檢測方法的步驟。