[發明專利]時間序列異常檢測

在審

• 申請號: 202111578025.6
• 申請日: 2021-12-22
• 公開（公告）號: CN114662697A
• 公開（公告）日: 2022-06-24
• 發明（設計）人: 郭嵩濤;P·R·德里斯科爾;M·M·詹寧斯;R·P·里夫斯;楊波
• 申請（專利權）人: 微軟技術許可有限責任公司
• 主分類號: G06N20/00
• 分類號: G06N20/00;G06N3/08;G06F16/9536;G06F16/9537
• 代理公司: 永新專利商標代理有限公司 72002
• 代理人: 李光穎

1.一種用于訓練和使用機器學習模型的系統，包括：

在其上存儲有指令的計算機可讀介質，所述指令當由處理器運行時使得所述系統執行包括以下的操作：

獲得時間序列數據，所述時間序列數據包括在由時間間隔分開的多個時間點中的每個時間點處的針對第一度量的值；

將所述時間序列數據分割為預測窗口和模型擬合窗口，所述預測窗口包括針對所述多個時間點中的特定時間點的時間序列數據和針對不早于所述多個時間點中的所述特定時間點的時間點的時間序列數據，并且所述模型擬合窗口包括不晚于所述特定時間點的時間序列數據；

使用所述模型擬合窗口中的所述時間序列數據來訓練機器學習模型，以預測針對所述預測窗口中的時間點的數據值范圍；

針對所述預測窗口中的一個或多個時間點中的每個時間點：

將針對對應時間點的值與由所述機器學習模型預測的、針對所述對應時間點的所述數據值范圍進行比較；并且

如果所述對應時間點的所述值落在由所述機器學習模型預測的、針對所述對應時間點的所述數據值范圍的外部，則將所述值標記為異常。

2.根據權利要求1所述的系統，其中，所述操作還包括：基于用戶反饋來重新訓練所述機器學習模型。

3.根據權利要求1所述的系統，其中，所述模型擬合窗口的大小是基于所述時間序列數據所屬于的實體來動態地確定的。

4.根據權利要求1所述的系統，其中，所述操作還包括生成圖形用戶界面，在所述圖形用戶界面中，被標記為異常的值是以圖形方式突出顯示的。

5.根據權利要求4所述的系統，其中，所述模型擬合窗口的大小是基于圖形用戶界面的查看者來動態地確定的。

6.根據權利要求1所述的系統，其中，所述預測窗口的大小是基于所述時間序列數據所屬于的實體來動態地確定的。

7.根據權利要求4所述的系統，其中，所述預測窗口的大小是基于所述圖形用戶界面的查看者來動態地確定的。

8.根據權利要求1所述的系統，其中，所述特定時間點是基于所述時間序列數據所屬于的實體來動態地確定的。

9.根據權利要求4所述的系統，其中，所述特定時間點是基于所述圖形用戶界面的查看者來動態地確定的。

10.根據權利要求1所述的系統，其中，所述機器學習模型是神經網絡。

11.根據權利要求1所述的系統，其中，所述時間序列數據被傳遞通過縮減器/組合器，所述縮減器/組合器對要被個體地傳遞到不同的并行進程的多個時間序列進行排序，每個并行進程獨立于彼此執行所述分割、所述訓練、所述比較和所述標記。

12.根據權利要求1所述的系統，其中，所述模型擬合窗口中的所述時間序列數據被過濾以移除異常值。

13.根據權利要求12所述的系統，其中，所述模型擬合窗口中的所述時間序列數據被分解為趨勢分量、季節分量和剩余分量，并且所述模型擬合窗口中的所述時間序列數據中的所述異常值是基于所述剩余分量來識別的。