[發(fā)明專利]一種監(jiān)控數(shù)據(jù)的異常檢測方法、裝置及設(shè)備

有效

• 申請?zhí)枺?/td>: 202110939711.5
• 申請日: 2021-08-17
• 公開（公告）號: CN113391982B
• 公開（公告）日: 2021-11-23
• 發(fā)明（設(shè)計）人: 朱宏慧;嚴(yán)川;張博
• 申請（專利權(quán)）人: 云智慧（北京）科技有限公司
• 主分類號: G06F11/30
• 分類號: G06F11/30
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發(fā)明的實施例提供一種監(jiān)控數(shù)據(jù)的異常檢測方法、裝置及設(shè)備，方法包括：獲得運維系統(tǒng)的監(jiān)控數(shù)據(jù)的原始時間序列數(shù)據(jù)以及所述原始時間序列數(shù)據(jù)的能量序列；對所述能量序列進行平穩(wěn)化處理，得到第一處理結(jié)果；對所述第一處理結(jié)果進行異常點統(tǒng)計分析，得到第二處理結(jié)果；根據(jù)所述第二處理結(jié)果，確定所述原始時間序列數(shù)據(jù)中的異常點。通過上述方式，本發(fā)明對平穩(wěn)化后的第一處理結(jié)果進行異常點的統(tǒng)計，計算時間大大減少，對內(nèi)存等資源需求也較少，從而提高了運算效率并節(jié)省算力，該方法具有較好的通用性和高效性。

技術(shù)領(lǐng)域

本發(fā)明涉及信息處理技術(shù)領(lǐng)域，特別是指一種監(jiān)控數(shù)據(jù)的異常檢測方法、裝置及設(shè)備。

背景技術(shù)

近年來隨著數(shù)據(jù)分析和人工智能領(lǐng)域的蓬勃發(fā)展，越來越多時間序列異常檢測算法應(yīng)用到數(shù)據(jù)監(jiān)控領(lǐng)域。常見的有統(tǒng)計方法、時間序列分解類方法、預(yù)測類方法和深度學(xué)習(xí)類方法。深度學(xué)習(xí)類方法基于構(gòu)建神經(jīng)網(wǎng)絡(luò)模型，對歷史時間序列數(shù)據(jù)規(guī)律進行學(xué)習(xí)，從而對未來一段時間的數(shù)據(jù)進行預(yù)測，進而將預(yù)測數(shù)據(jù)與實際數(shù)據(jù)對比進行異常判斷。該類算法具有捕獲非線性規(guī)律的優(yōu)點，且能夠?qū)W習(xí)到不同時間點之間的依賴關(guān)系。但是其存在輸入?yún)?shù)數(shù)量較多、由模型得到的結(jié)果可解釋性差、算法結(jié)果魯棒性較弱的一系列特點（通用性、高效性），因此在實際業(yè)務(wù)環(huán)境的落地過程中難以滿足要求，更適于學(xué)術(shù)研究。在時間序列分解類的算法中，其基本思想是將時間序列分解為多項，其后通過預(yù)測的方法進行異常檢測，這類算法的結(jié)果具有較好的可解釋性。分解后各部分間的正交性是時間序列分解類算法的數(shù)學(xué)前提，這帶來了參數(shù)數(shù)量過多、算法計算時間長的缺點。統(tǒng)計類方法假定數(shù)據(jù)服從某種分布，根據(jù)給定分布下的統(tǒng)計特性對數(shù)據(jù)異常與否進行判斷，該類方法具有計算效率高的優(yōu)勢，但它對數(shù)據(jù)的統(tǒng)計特性要求較高，通常要求指標(biāo)數(shù)據(jù)在時間上是平穩(wěn)的。其判定異常點的形式與固定閾值相似，在實際生產(chǎn)運用過程中易產(chǎn)生誤報和漏報的現(xiàn)象。特征提取類方法通常將時間序列數(shù)據(jù)映射到頻率空間，通過對不同頻率成分進行分析，從而判斷出異常數(shù)據(jù)，該類方法更適用于異常檢測中的“上下文”異常，由于其需要進行頻域分析，對計算機算力要求較高，通常難以在海量指標(biāo)場景下應(yīng)用。

發(fā)明內(nèi)容

本發(fā)明要解決的技術(shù)問題是如何提供一種監(jiān)控數(shù)據(jù)的異常檢測方法、裝置及設(shè)備。解決現(xiàn)有技術(shù)中基于監(jiān)控數(shù)據(jù)下的時間序列數(shù)據(jù)異常檢測的方法通用性差和高效性差的問題。

為解決上述技術(shù)問題，本發(fā)明的實施例提供以下方案：

一種監(jiān)控數(shù)據(jù)的異常檢測方法，包括：

獲得運維系統(tǒng)的監(jiān)控數(shù)據(jù)的原始時間序列數(shù)據(jù)以及所述原始時間序列數(shù)據(jù)的能量序列；

對所述能量序列進行平穩(wěn)化處理，得到第一處理結(jié)果；

對所述第一處理結(jié)果進行異常點統(tǒng)計分析，得到第二處理結(jié)果；

根據(jù)所述第二處理結(jié)果，確定所述原始時間序列數(shù)據(jù)中的異常點。

可選的，獲得所述原始時間序列數(shù)據(jù)的能量序列，包括：

對所述原始時間序列數(shù)據(jù)中的每個點取平方運算，得到所述原始時間序列數(shù)據(jù)的能量序列。

可選的，對所述能量序列進行平穩(wěn)化處理，得到第一處理結(jié)果，包括：

對所述能量序列進行趨勢性數(shù)據(jù)去除操作處理，得到中間處理結(jié)果；

對所述中間處理結(jié)果進行周期性數(shù)據(jù)去除操作處理，得到第一處理結(jié)果。

可選的，對所述能量序列進行趨勢性數(shù)據(jù)去除操作處理，包括：

通過G_t=g_t-g_(t-1)對所述能量序列進行趨勢性數(shù)據(jù)去除操作處理；其中，G_t為所述中間處理結(jié)果，g_t為t時刻的能量序列；g_(t-1)為t時刻的前一時刻的能量序列。

可選的，對所述中間處理結(jié)果進行周期性數(shù)據(jù)去除操作處理，包括：