[发明专利]时序数据异常检测方法、装置、计算机设备和存储介质

说明书

本申请提出一种时序数据异常检测方法、装置、计算机设备和存储介质，该方法利用预先训练的变分自编码器对从待检测的指标数据中采集的距离当前时刻第一预设时间长度内的指标数据进行解码、编码处理，确定距离当前时刻第一预设时间长度内的指标数据对应的均值向量，根据距离当前时刻第一预设时间长度内的指标数据对应的均值向量及距离当前时刻第一预设时间长度内的指标数据，确定距离当前时刻第一预设时间长度内的指标数据对应的异常得分，根据异常得分与预设阈值的关系，确定距离当前时刻第一预设时间长度内的指标数据是否异常。由此利用预先训练的变分自编码器，对待检测的时序数据进行异常检测，无需考虑数据的周期性和光滑性，适用范围广。

技术领域

本申请涉及数据处理技术领域，尤其涉及一种时序数据异常检测方法、装置、计算机设备和存储介质。

背景技术

时序数据的异常检测的技术十分重要，它被应用在各种各样的领域。例如，在运维领域，对指标数据的异常检测可以用来判断相关的服务的运行状况。

目前，针对周期性很强的指标，一般采用基于同比的算法，即利用指标数据的周期性(天，周，年等)对监控指标进行异常检测。针对周期性不强但比较光滑(无复杂非线性关系)的曲线，一般采用基于线性回归的技术进行拟合并预测指标数据，从而进行异常检测。但是，对周期性不强、且不光滑(频繁有大幅度抖动、存在复杂非线性)的时序数据进行监测时，基于同比的算法因为监控指标没有周期性而失效，由于监控指标有复杂非线性的频繁波动而使得基于线性回归的算法的拟合和预测效果比较差，因而基于线性回归的算法也不适用这种场景。

发明内容

本申请提出一种时序数据异常检测方法，用于解决相关技术中时序数据异常检测方法适用性差的问题。

本申请一方面实施例提出了一种时序数据异常检测方法，包括：

从待检测的指标数据中采集距离当前时刻第一预设时间长度内的指标数据；

利用预先训练的变分自编码器对所述距离当前时刻第一预设时间长度内的指标数据进行解码、编码处理，确定所述距离当前时刻第一预设时间长度内的指标数据对应的均值向量；

根据所述距离当前时刻第一预设时间长度内的指标数据对应的均值向量及所述距离当前时刻第一预设时间长度内的指标数据，确定所述距离当前时刻第一预设时间长度内的指标数据对应的异常得分；

根据所述异常得分与预设阈值的关系，确定所述距离当前时刻第一预设时间长度内的指标数据是否异常。

本申请实施例的时序数据异常检测方法，通过利用预先训练的变分自编码器对距离当前时刻第一预设时间长度内的指标数据进行解密、编码处理，得到距离当前时刻第一预设时间长度内的指标数据对应的均值向量，根据距离当前时刻第一预设时间长度内的指标数据对应的均值向量，确定距离当前时刻第一预设时间长度内的指标数据对应的异常得分，根据异常得分与预设阈值的关系，确定距离当前时刻第一预设时间长度内的指标数据是否异常，由此利用预先训练的变分自编码器，对待检测的时序数据进行异常检测，无需考虑数据的周期性和光滑性，适用范围广。

本申请另一方面实施例提出了一种时序数据异常检测装置，包括：

采集模块，用于从待检测的指标数据中采集距离当前时刻第一预设时间长度内的指标数据；

第一确定模块，用于利用预先训练的变分自编码器对所述距离当前时刻第一预设时间长度内的指标数据进行解码、编码处理，确定所述距离当前时刻第一预设时间长度内的指标数据对应的均值向量；

第二确定模块，用于根据所述距离当前时刻第一预设时间长度内的指标数据对应的均值向量及所述距离当前时刻第一预设时间长度内的指标数据，确定所述距离当前时刻第一预设时间长度内的指标数据对应的异常得分；

第三确定模块，用于根据所述异常得分与预设阈值的关系，确定所述距离当前时刻第一预设时间长度内的指标数据是否异常。