[发明专利]异常预测方法、异常预测装置、电子设备及存储介质

权利要求书

1.一种异常预测方法，其特征在于，包括：

获取目标对象在当前周期的监控数据；

从共享存储区域获取所述目标对象在历史周期的监控数据，以及预先训练的异常预测模型；

基于所述当前周期和所述历史周期的监控数据，通过所述异常预测模型预测所述目标对象在未来周期的异常状况；

当所述当前周期结束时，将所述当前周期的监控数据写入所述共享存储区域。

2.根据权利要求1所述的方法，其特征在于，所述异常预测模型通过以下步骤获得：

从所述共享存储区域提取任一对象的任意连续N个周期的监控数据以及所述连续N个周期后的第M周期的监控数据，N为大于1的正整数，M为正整数；

如果所述第M周期的监控数据中包含超出正常数值范围的监控数据，则根据所述超出正常数值范围的监控数据确定标注数据；

如果所述第M周期的监控数据中不包含超出正常数值范围的监控数据，则将预设数据确定为标注数据，所述预设数据用于表示无异常状况；

以所述连续N个周期的监控数据为训练数据，利用所述训练数据与所述标注数据训练机器学习模型，得到所述异常预测模型。

3.根据权利要求2所述的方法，其特征在于，所述根据所述超出正常数值范围的监控数据确定标注数据，包括：

根据所述超出正常数值范围的监控数据确定异常类别，并对所述异常类别进行编码，以得到所述标注数据。

4.根据权利要求1所述的方法，其特征在于，所述共享存储区域包括区块链。

5.根据权利要求4所述的方法，其特征在于，所述未来周期为所述当前周期后的第M周期；所述方法还包括：

当所述第M周期结束时，若在所述当前周期时预测的所述第M周期的异常状况与所述第M周期的真实状况不同，则以所述当前周期和所述历史周期的监控数据、所述第M周期的真实状况数据，训练并更新所述异常预测模型，并将更新后的所述异常预测模型写入所述区块链。

6.根据权利要求5所述的方法，其特征在于，从区块链获取预先训练的异常预测模型，包括：

从所述区块链尾部依次向前查找包含所述异常预测模型的区块，从查找到的第一个区块中获取所述异常预测模型。

7.根据权利要求1-6任一项所述的方法，其特征在于，所述基于所述当前周期和所述历史周期的监控数据，通过所述异常预测模型预测所述目标对象在未来周期的异常状况，包括：

按照预设维度对所述最近当前周期和所述历史周期的监控数据进行统计，并将统计后的数据转换为特征向量；

通过所述异常预测模型对所述特征向量进行识别处理，以预测所述目标对象在所述未来周期的异常状况。

8.一种异常预测装置，其特征在于，包括：

监控模块，用于获取目标对象在当前周期的监控数据；

获取模块，用于从共享存储区域获取所述目标对象在历史周期的监控数据，以及预先训练的异常预测模型；

预测模块，用于基于所述当前周期和所述历史周期的监控数据，通过所述异常预测模型预测所述目标对象在未来周期的异常状况；

写入模块，用于当所述当前周期结束时，将所述当前周期的监控数据写入所述共享存储区域。

9.一种电子设备，其特征在于，包括：

处理器；以及

存储器，用于存储所述处理器的可执行指令；

其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1-7任一项所述的方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-7任一项所述的方法。