[发明专利]异常检测方法、装置、电子设备及计算机存储介质

说明书

本发明实施例涉及人工智能技术领域，公开了一种异常检测方法、异常检测装置、电子设备及计算机存储介质，该方法包括：获取监控项目的历史运行数据；确定若干个跟随所述历史运行数据动态变化的异常检测阈值；根据若干个所述异常检测阈值，检测所述监控项目的异常。该方法以已有的历史运行数据为基础，提供了合适的人工智能算法进行归纳总结，自动化的得出对应的动态阈值，可以有效的降低阈值或者门限设置所需要耗费的工作量，保证阈值或者门限设置的合理性的同时，满足多监控项目以及复杂场景下的异常检测的使用需求。

技术领域

本发明实施例涉及人工智能技术领域，具体涉及一种异常检测方法、异装置、电子设备及计算机存储介质。

背景技术

随着科学技术的不断进步，无线通信网络的各项工作指标均出现了显著的提升，人们对于无线通信网络或者移动互联网等的使用要求也越来越高。在运行过程中，能够快速并且准确的检测出移动互联网的业务异常是无线网络可靠运行的重要保障。

惯常的会采用静态阈值法来实现业务异常的监控。亦即，通过对各个监控项目设置一个固定的阈值，例如上门限或者下门限等，当监控项目的运行数据超过设定的阈值时，触发告警以实现异常检测。

在实现本发明实施例的过程中，发明人发现：静态阈值法比较适合应用在波动范围相对固定的监控项。对于移动互联网业务中存在的一些不具有明显上限或波动比较剧烈的监控项目而言，很难由固定或者静态的阈值来精确的进行异常检测。一方面，当阈值设置较大时，会出现漏报的情况，难以及时发现异常。另一方面，当阈值设置过小时，又会出现较多误告警，增加人工处理成本。

另外，整个移动互联网等无线网络中包含的监控项目繁多，依赖人工的方式进行大量的历史数据分析统计去制定具体的阈值或者异常检测判断标准的方式耗费的工作量庞大，而且效率较低。

发明内容

鉴于上述问题，本发明实施例提供了一种异常检测方法、异常检测装置、电子设备及计算机存储介质，克服了上述问题或者至少部分地解决了上述问题。

根据本发明实施例的一个方面，提供了一种异常检测方法。所述异常检测方法包括：

获取监控项目的历史运行数据；

确定若干个跟随所述历史运行数据动态变化的异常检测阈值；

根据若干个所述异常检测阈值，检测所述监控项目的异常。

在一种可选的方式中，所述确定若干个跟随所述历史运行数据动态变化的异常检测阈值，包括：

对所述历史运行数据进行预处理；

对所述预处理后的历史运行数据通过箱线图算法进行统计；

确定监控上门限阈值

确定监控下门限阈值

其中，P1为所述历史运行数据的第一四分位数，P3为所述历史运行数据的第三四分位数，为门限偏离幅度调整系数；

将所述监控上门限阈值T_h和监控下门限阈值T_l作为第一异常区间。

在一种可选的方式中，所述确定若干个跟随所述历史运行数据动态变化的异常检测阈值之后，进一步包括：

基于所述历史运行数据，通过概率分布统计对所述监控上门限阈值T_h和监控下门限阈值T_l进行检验；

当所述监控上门限阈值T_h小于预设分位值F_h时，则调整分位值F_h为监控上门限阈值；

当所述监控下门限阈值T_l大于预设分位值F_l时，则调整分位值F_l为监控下门限阈值。