[发明专利]异常数据检测方法、装置及服务器

权利要求书

1.一种异常数据检测方法，其特征在于，包括：

获取目标检测对象在当前时刻的监测数据，以及所述当前时刻之前预设时间段的历史监测数据和所述历史监测数据的时间特征；

根据所述历史监测数据和所述历史监测数据的时间特征，确定所述目标检测对象在当前时刻的预测数据；

根据所述预测数据与所述监测数据的相对误差，对所述目标检测对象在当前时刻的监测数据进行异常检测。

2.如权利要求1所述的方法，其特征在于，所述根据所述历史监测数据和所述历史监测数据的时间特征，确定所述目标检测对象在当前时刻的预测数据，包括：

根据所述历史监测数据和所述历史监测数据的时间特征，基于预先训练好的回归模型，确定所述目标检测对象在当前时刻的预测数据。

3.如权利要求2所述的方法，其特征在于，所述确定所述目标检测对象在当前时刻的预测数据之前，所述方法还包括：

基于训练数据集对所述回归模型进行训练，所述训练数据集中的每一个训练样本包括数据部分和标签部分；

所述数据部分包括按照预设切分粒度对所述目标检测对象的历史数据进行切分，获取的第一预设数量的连续数据点以及各数据点所对应的时间特征；

所述标签部分包括所述数据部分的连续数据点后紧邻的数据点。

4.如权利要求3所述的方法，其特征在于，所述基于训练数据集对所述回归模型进行训练，包括：

以每一个训练样本的数据部分作为所述回归模型的输入，以相应的标签部分作为所述回归模型的期望输出，确定所述回归模型的实际输出与所述期望输出的偏差；

根据第二预设数量的训练样本的偏差，对所述回归模型进行更新。

5.如权利要求2所述的方法，其特征在于，所述回归模型采用多层卷积神经网络，所述多层卷积神经网络采用空洞卷积核。

6.如权利要求2所述的方法，其特征在于，所述回归模型采用长短期记忆网络。

7.如权利要求1至6中任一项所述的方法，其特征在于，所述目标检测对象包括以下对象中的至少一种：

CPU占用率、IO占用率、内存占用率、带宽占用率、网络入口流量和网络出口流量。

8.一种异常数据检测装置，其特征在于，包括：

获取模块，用于获取目标检测对象在当前时刻的监测数据，以及所述当前时刻之前预设时间段的历史监测数据和所述历史监测数据的时间特征；

确定模块，用于根据所述历史监测数据和所述历史监测数据的时间特征，确定所述目标检测对象在当前时刻的预测数据；

处理模块，用于根据所述预测数据与所述监测数据的相对误差，对所述目标检测对象在当前时刻的监测数据进行异常检测。

9.一种服务器，其特征在于，包括：

存储器，用于存储程序；

处理器，用于通过执行所述存储器存储的程序以实现如权利要求1至7中任一项所述的异常数据检测方法。

10.一种计算机可读存储介质，其特征在于，包括程序，所述程序能够被处理器执行以实现如权利要求1至7中任一项所述的异常数据检测方法。