[發明專利]異常檢測方法和裝置

在審

• 申請號: 202211149017.4
• 申請日: 2022-09-21
• 公開（公告）號: CN115391148A
• 公開（公告）日: 2022-11-25
• 發明（設計）人: 劉子莘;王梓懿;張田野;劉劍;李清顥
• 申請（專利權）人: 中國農業銀行股份有限公司
• 主分類號: G06F11/30
• 分類號: G06F11/30;G06F11/32
• 代理公司: 北京同立鈞成知識產權代理有限公司 11205
• 代理人: 孫靜;臧建明

1.一種異常檢測方法，其特征在于，包括：

從數據緩存平臺獲取待檢測服務器的運行指標，所述運行指標包括所述待檢測服務器的CPU占有率；

對所述運行指標進行第一預處理，得到第一數據，其中，所述第一預處理包括極小值處理和/或時間編號化處理，所述極小值處理為將小于預設指標的運行指標更新為所述預設指標，所述時間編號化處理為將所述運行指標的采集時間映射為預設的按照時間順序排列的時間點；

根據所述第一數據確定所述待檢測的服務器是否產生異常，在確定所述待檢測服務器產生異常時，將異常信息發送至告警平臺。

2.根據權利要求1所述的方法，其特征在于，所述第一預處理包括極小值處理和所述時間編號化處理，所述根據所述第一數據確定所述待檢測服務器是否產生異常，包括：

根據所述第一數據和前M日同一時間點的M個歷史數據，獲取M個差異值，其中，每個所述差異值用于指示所述第一數據與每個歷史數據之間的差異情況；

若M個差異值中，所述差異值大于預設差異閾值的個數大于M/2，則確定所述待檢測服務器產生異常，其中，所述預設差異閾值為根據歷史數據的正態分布確定的；其中，所述M為正整數。

3.根據權利要求2所述的方法，其特征在于，所述第一預處理包括所述時間編號化處理，所述根據所述第一數據確定所述待檢測服務器是否產生異常，包括：

將所述第一數據依次輸入至K個異常檢測模型，其中，所述K個異常檢測模型的訓練數據集不同；

獲取所述K個異常檢測模型輸出的K個判別結果，每個所述判別結果用于指示所述待檢測服務器是否產生異常；

將所述K個判別結果的眾數作為輸出結果。

4.根據權利要求2所述的方法，其特征在于，所述方法還包括：

獲取每日中按時間順序排列的N個時間點的第二數據和對應的前一日的同一時間點的歷史數據的N個差異值，并對所述N個差異值由大到小排序；

獲取所述N個差異值中處于預設排名的差異值對應的正態分布均值和正態分布標準差；其中，所述N為正整數；

根據所述正態分布均值和標準差確定所述待檢測服務器的預設差異閾值。

5.根據權利要求3所述的方法，其特征在于，所述方法還包括：

剔除每個運行指標的采集時間中的日期信息，將多個所述運行指標和對應的時分信息作為第一數據集；

根據所述第一數據集中的所述運行指標的小時信息，得到K個數據集；其中，第i個數據集中的運行指標是對所述第一數據集中的運行指標的小時信息疊加i個小時得到的，所述i＝1、2……K；

將K個數據集中的時分信息映射為對應的時間點，獲得新的K個數據集；

根據每個所述新的K個數據集分別對所述異常檢測模型進行訓練，獲得K個異常檢測模型。

6.根據權利要求4所述的方法，其特征在于，所述方法還包括：

從數據儲存平臺獲取所述待檢測服務器的運行指標；

對所述運行指標進行第二預處理，獲取第二數據，所述第二預處理包括數據清洗、數據填充、所述極小值處理和所述時間編號化處理。

7.根據權利要求1至5任一項所述的方法，其特征在于，在確定所述待檢測服務器產生異常之后，所述方法還包括：

將所述異常信息寫入本地日志文件中，其中，所述異常信息包括產生異常的服務器的名稱、產生異常的時間和對應的運行指標。

8.一種異常檢測裝置，其特征在于，包括：

獲取模塊，用于從數據緩存平臺獲取待檢測服務器的運行指標，所述運行指標包括所述待檢測服務器的CPU占有率；

處理模塊，用于對所述運行指標進行第一預處理，得到第一數據，其中，所述第一預處理包括極小值處理和/或時間編號化處理，其中，所述極小值處理為將小于預設指標的運行指標更新為所述預設指標，所述時間編號化處理為將所述運行指標的生成時間映射為預設的按照時間順序排列的時間點；

確定模塊，根據所述第一數據確定所述待檢測的服務器是否產生異常，在確定所述待檢測服務器產生異常時，將異常信息發送至告警平臺。