[发明专利]数据异常分析方法及装置

说明书

本说明书一个或多个实施例公开了一种数据异常分析方法及装置，用以实现分析异常数据的高时效性及广泛适应性。所述方法包括：分析待检测的时序数据的数据指标；及，根据所述数据指标确定所述时序数据对应的时序预测模型；利用所述时序预测模型对所述时序数据进行时序预测，得到所述时序数据在指定未来时长内的预测结果；利用预先训练的异常识别模型对所述预测结果进行分析，得到所述时序数据的异常分析结果；其中，所述异常识别模型用于分析所述时序数据中是否存在异常数据；或者，所述异常识别模型用于分析所述时序数据中是否存在所述异常数据，且在所述时序数据中存在所述异常数据时分析所述异常数据对应的异常类型。

技术领域

本说明书涉及数据分析技术领域，尤其涉及一种数据异常分析方法及装置。

背景技术

系统监控经常面临着监控指标量大、数据噪音大、时效要求高等问题。以账务系统现有指标为例，单就主链路服务器和应用数相关参数就已经达到千级，对如此庞大的指标数量显然已无法用人力去识别，因此必须借助机器学习等算法对其进行异常监控与识别。

发明内容

本说明书一个或多个实施例的目的是提供一种数据异常分析方法及装置，用以实现分析异常数据的高时效性及广泛适应性。

为解决上述技术问题，本说明书一个或多个实施例是这样实现的：

一方面，本说明书一个或多个实施例提供一种数据异常分析方法，包括：

分析待检测的时序数据的数据指标；及，根据所述数据指标确定所述时序数据对应的时序预测模型；

利用所述时序预测模型对所述时序数据进行时序预测，得到所述时序数据在指定未来时长内的预测结果；

利用预先训练的异常识别模型对所述预测结果进行分析，得到所述时序数据的异常分析结果；其中，所述异常识别模型用于分析所述时序数据中是否存在异常数据；或者，所述异常识别模型用于分析所述时序数据中是否存在所述异常数据，且在所述时序数据中存在所述异常数据时分析所述异常数据对应的异常类型。

在一个实施例中，所述数据指标包括周期性、时效性、信噪比、白噪声检验结果中的至少一项指标。

在一个实施例中，所述时序数据包括多个所述数据指标；

相应的，所述根据所述数据指标确定所述时序数据对应的时序预测模型，包括：

为各所述数据指标赋予评分值；及，确定各所述数据指标分别对应的权重；

根据所述评分值及所述权重，计算所述时序数据的总评分值；

根据预设的总评分值与时序预测模型之间的对应关系，确定所述时序数据的总评分值所对应的时序预测模型。

在一个实施例中，在利用异常识别模型对所述预测结果进行分析，得到所述时序数据的异常分析结果之后，所述方法还包括：

显示所述异常分析结果；和/或，按照预设报警方式对所述异常分析结果进行报警；其中，所述预设报警方式包括语音报警方式。

在一个实施例中，在利用异常识别模型对所述预测结果进行分析，得到所述时序数据的异常分析结果之后，所述方法还包括：

确定所述异常分析结果的正确性判断结果；其中，所述正确性判断结果包括正确结果或错误结果；

若所述正确性判断结果为所述正确结果，则将所述异常分析结果输入所述异常识别模型，以使所述异常识别模型根据所述异常分析结果进行更新。

在一个实施例中，在分析待检测的时序数据的数据指据之前，所述方法还包括：

分析第一时序数据的周期性，以确定出所述第一时序数据的周期时长；