[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

本申請實施例提供一種異常檢測方法和裝置，涉及數據分析技術領域，包括：從數據緩存平臺獲取待檢測的服務器的運行指標，運行指標包括待檢測的服務器的CPU占有率，對運行指標進行第一預處理，得到第一數據，根據第一數據確定待檢測的服務器是否產生異常，在確定待檢測的服務器產生異常時，將異常信息發送至告警平臺。通過對運行指標進行分析處理，根據當前運行指標和歷史運行指標來確定服務器的運行是否產生異常，并在異常時告警，可以提高對服務器異常運行檢測的準確性，降低因統一設置閾值而導致發生異常的風險。

技術領域

本申請涉及數據分析技術領域，尤其涉及一種異常檢測方法和裝置。

背景技術

隨著業務量和服務器數量的增加，整個業務系統的運行情況也變得異常復雜，對業務系統進行異常檢測也變得越來越重要。

通常，是通過對業務系統的某些指標信息統一設置閾值來進行異常檢測，在該指標信息大于設置的閾值時，可以認為業務系統的運行出現了問題，例如，在業務系統的服務器CPU的占有率大于設定閾值(90％)時，可以認為業務系統的運行出現了異常，并進行異常提示。

但是，在業務系統中，某些服務器日常的指標信息可能遠低于閾值，在其發生問題時，也可能未達到統一設定的閾值，由于未達到統一設定的閾值，不會觸發異常提示，從而導致業務系統產生了嚴重的生產事故，因此，如何降低通過統一設置的閾值進行異常檢測而帶來的后果，成為了本領域亟需解決的問題。

發明內容

本申請實施例提供一種異常檢測方法和裝置，通過對服務器的運行指標進行分析，可以提高業務系統異常檢測的準確性。

第一方面，本申請實施例提供一種異常檢測方法，包括：

從數據緩存平臺獲取待檢測的服務器的運行指標，所述運行指標包括所述待檢測的服務器的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，在確定所述待檢測的服務器產生異常時，將異常信息發送至告警平臺。

可選的，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的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。

可選的，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的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的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。

可選的，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；