[发明专利]一种异常检测方法和装置

说明书

本发明实施例公开了一种异常检测方法和装置，所述方法包括：对于每一种异常检测算法，采用所述异常检测算法对采集的第一数据的第一特征数据进行检测；其中，N为大于或等于1的整数；当一种或一种以上异常检测算法的第一检测结果为异常时，对所述第一数据的第一特征数据进行可靠性校验得到第一校验结果；根据第一检测结果为异常的异常检测算法的可靠性是否大于或等于第一预设阈值和第一校验结果确定第二检测结果。本发明实施例基于多种异常检测算法的检测结果以及可靠性的校验结果确定最终检测结果，由于可靠性的校验是基于专家业务经验、领域知识所做的可靠性校验，提高了检测结果的可靠性。

技术领域

本发明实施例涉及但不限于通讯运维领域，尤指一种异常检测方法和装置。

背景技术

在通讯运维领域中，检测电信运营服务的一些关键绩效指标(KPI，KeyPerformance Index)，比如无线接通率、丢包率、当前用户数、上下流量等等。当KPI出现异常(或劣化)时，很可能由于通讯环境发生了变化或者软硬件等发生故障造成的。运维人员及时发现问题、解决问题，能有效提升用户满意度，维护公司的声誉。然而，通讯网络中KPI数目繁多，种类成千上万，同时，即将到来的5G通讯技术，将成倍增加KPI数目，使得依靠运维人员人工实时对全网KPI数据监测维护越来越难，所以对于通讯网络KPI异常检测维护的智能化也越来越迫切。

相关的智能化异常检测系统大多基于机器学习技术，对于通讯运维领域而言，在引入机器学习初期，基本上很难积累足够的标注样本，用以训练出可靠的模型进行检测。原因是标注成本高，也就是说KPI数目繁多，同时，人工手动标注门槛较高，需要依赖大量的业务知识。然而，依赖无监督学习算法，或者用数量较少的样本来训练监督学习算法，很难保证检测结果的可靠性。

发明内容

本发明实施例提供了一种异常检测方法和装置，能够提高检测结果的可靠性。

本发明实施例提供了一种异常检测方法，包括：

对于N种异常检测算法中的每一种异常检测算法，采用所述异常检测算法对采集的第一数据的第一特征数据进行检测得到第一检测结果；其中，N为大于或等于1的整数；

当一种或一种以上异常检测算法的第一检测结果为异常时，对所述第一数据的第一特征数据进行可靠性校验得到第一校验结果；

根据第一检测结果为异常的异常检测算法的可靠性是否大于或等于第一预设阈值和第一校验结果确定第二检测结果。

本发明实施例提供了一种异常检测装置，包括处理器和计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令被所述处理器执行时，实现上述任一种异常检测方法。

本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一种异常检测方法的步骤。

本发明实施例提供了一种异常检测装置，包括：

检测模块，用于对于N种异常检测算法中的每一种异常检测算法，采用所述异常检测算法对采集的第一数据的第一特征数据进行检测得到第一检测结果；其中，N为大于或等于1的整数；当一种或一种以上异常检测算法的第一检测结果为异常时，对所述第一数据的第一特征数据进行可靠性校验得到第一校验结果；

确定模块，用于根据第一检测结果为异常的异常检测算法的可靠性是否大于或等于第一预设阈值和第一校验结果确定第二检测结果。