[發明專利]數據異常檢測模型獲取方法、裝置、設備、介質及產品

在審

• 申請號: 202210200139.5
• 申請日: 2022-03-02
• 公開（公告）號: CN114726749A
• 公開（公告）日: 2022-07-08
• 發明（設計）人: 顧嘉希
• 申請（專利權）人: 阿里巴巴（中國）有限公司
• 主分類號: H04L43/04
• 分類號: H04L43/04;H04L43/08;H04L9/40;G06K9/62;G06V10/764
• 代理公司: 北京智信四方知識產權代理有限公司 11519
• 代理人: 劉真

1.一種數據異常檢測模型獲取方法，其中，所述方法由計算機執行，包括：

使用內容分發網絡CDN內多個預設時序指標中每個時序指標對應的待測時序數據，分別訓練預設的多種類型的初始弱分類器，得到每個時序指標對應的多種類型指標分類器；

從各時序指標中抽樣得到預設數量的樣本時序指標，獲取所述樣本時序指標對應的樣本時序數據及其數據類型，所述數據類型包括異常數據和正常數據；

基于所述樣本時序指標對應的樣本時序數據及其數據類型，對各類型指標分類器進行評估，得到各類型指標分類器的評估結果；

基于各類型指標分類器的評估結果，確定各類型指標分類器的投票權重；

生成數據異常檢測模型，所述數據異常檢測模型包括每個時序指標對應的多種類型的指標分類器以及各類型指標分類器的投票權重。

2.根據權利要求1所述的方法，其中，所述基于所述樣本時序指標對應的樣本時序數據及其數據類型，對各類型指標分類器進行評估，得到各類型指標分類器的評估結果，包括：

基于所述樣本時序指標對應的樣本時序數據及其數據類型，對所述樣本時序指標對應的多種類型指標分類器進行評估，得到所述樣本時序指標對應的多種類型指標分類器的評估結果；

基于各樣本時序指標對應的同一類型的各指標分類器的評估結果，確定同一類型指標分類器的綜合評估結果。

3.根據權利要求2所述的方法，其中，所述基于所述樣本時序指標對應的樣本時序數據及其數據類型，對所述樣本時序指標對應的多種類型指標分類器進行評估，得到所述樣本時序指標對應的多種類型指標分類器的評估結果，包括：

使用所述樣本時序指標對應的多種類型指標分類器分別對所述樣本時序指標對應的樣本時序數據進行數據類型預測，得到預測結果；

基于所述樣本時序指標對應的多種類型指標分類器的預測結果和數據類型的匹配情況，確定所述樣本時序指標對應的多種類型指標分類器的評估結果，所述評估結果包括準確率和/或召回率。

4.根據權利要求3所述的方法，其中，所述評估結果包括準確率和召回率時，所述基于各類型指標分類器的評估結果，確定各類型指標分類器的投票權重，包括：

按照預設的準確率和召回率的權重值，對同一類型的指標分類器的準確率和召回率進行加權計算，得到所述同一類型的指標分類器的綜合評估值；

基于各類型指標分類器的綜合評估值，確定各類型指標分類器的投票權重，其中，所述綜合評估值與所述投票權重成正比。

5.根據權利要求1所述的方法，其中，所述初始弱分類器包括時序分解模型、無監督模型、神經網絡模型中的兩種或兩種以上。

6.一種數據異常檢測方法，其中，應用權利要求1至5任一項獲取的數據異常檢測模型進行檢測，所述數據異常檢測模型包括每個時序指標對應的多種類型的指標分類器以及各類型指標分類器的投票權重，所述方法包括：

將時序指標對應的待測時序數據分別輸入至所述時序指標對應的多種類型指標分類器，得到所述多種類型指標分類器對應的預測結果；

按照各類型指標分類器的投票權重對各類型指標分類器對應的預測結果進行投票，得到所述時序指標對應的待測時序數據的檢測結果。

7.一種數據異常檢測模型獲取裝置，其中，包括：

訓練模塊，被配置為使用內容分發網絡CDN內多個預設時序指標中每個時序指標對應的待測時序數據，分別訓練預設的多種類型的初始弱分類器，得到每個時序指標對應的多種類型指標分類器；

抽樣模塊，被配置為從各時序指標中抽樣得到預設數量的樣本時序指標，獲取所述樣本時序指標對應的樣本時序數據及其數據類型，所述數據類型包括異常數據和正常數據；

評估模塊，被配置為基于所述樣本時序指標對應的樣本時序數據及其數據類型，對各類型指標分類器進行評估，得到各類型指標分類器的評估結果；

確定模塊，被配置為基于各類型指標分類器的評估結果，確定各類型指標分類器的投票權重；

生成模塊，被配置為生成數據異常檢測模型，所述數據異常檢測模型包括每個時序指標對應的多種類型的指標分類器以及各類型指標分類器的投票權重。