[发明专利]异常指标检测方法、装置、计算机设备和存储介质

权利要求书

1.一种异常指标检测方法，包括：

获取原始时间序列，所述原始时间序列包括目标数据点和所述目标数据点之前的历史数据点，所述目标数据点包括所述原始时间序列中在待测时间点上报的指标值，所述历史数据点包括所述原始时间序列中按照上报时间顺序排列的在所述待测时间点之前的时间点上报的指标值序列；

将所述原始时间序列输入到异常检测模型中，所述异常检测模型对所述原始时间序列进行处理得到针对所述目标数据点的异常检测结果，根据所述目标数据点的异常检测结果确定在所述待测时间点上报的指标是否异常，其中所述异常检测模型通过深度学习进行训练得到；

其中所述异常检测模型包括多个并行处理通道，所述多个并行处理通道包括第一通道、第二通道和第三通道，

其中所述第一通道被配置成利用不同窗口尺寸对所述原始时间序列执行加窗，以生成具有不同数据长度的多个加窗时间序列，并且对所述多个加窗时间序列执行第一全连接神经网络处理，

其中所述第二通道被配置成利用不同采样间隔对所述原始时间序列执行下采样，以生成具有不同时间分辨率的多个下采样时间序列，并且对所述多个下采样时间序列执行第二全连接神经网络处理，并且

其中所述第三通道被配置成确定所述原始时间序列的多个分段的均值，以生成多个均值时间序列，并且对所述多个均值时间序列执行第三全连接神经网络处理；

其中所述异常检测模型对所述多个并行处理通道的输出进行拼接，并且对经拼接的所述输出执行Softmax 2分类。

2.如权利要求1所述的方法，其中，所述异常检测模型通过深度学习进行训练包括：

i. 获取样本时间序列和与所述样本时间序列相对应的标记；

ii. 将所述样本时间序列和所述标记输入到异常检测模型中，所述异常检测模型对所述样本时间序列和所述标记进行处理得到针对所述目标数据点的异常检测结果；

iii. 基于所述异常检测结果和所述标记对所述异常检测模型进行调整；并且

iv. 将上述步骤i- iii迭代M次，M为预先设定的迭代次数。

3.如权利要求1所述的方法，其中所述多个加窗时间序列包括N个加窗时间序列，N为大于等于2的整数，并且其中所述第一全连接神经网络处理包括：

将所述N个加窗时间序列输入各自相应的全连接神经网络，以得到相应的N个全连接神经网络输出；

将所述N个全连接神经网络输出中的第i个全连接神经网络输出与第i+1个全连接神经网络输出进行拼接，以得到第i拼接输出，其中i为整数变量，i的初始为1；

执行以下循环直到i等于N：

将第i拼接输出输入一中间全连接神经网络，以得到一中间全连接神经网络输出；

递增i的取值；

将所述中间全连接神经网络输出与所述N个全连接神经网络输出中的第i+1个全连接神经网络输出进行拼接，以得到第i拼接输出；并且

提供所述中间全连接神经网络输出作为所述第一通道的输出。

4.如权利要求1所述的方法，所述方法在所述将所述原始时间序列输入到异常检测模型中之前还包括：

通过初级判决对所述原始时间序列进行初级异常识别。

5.如权利要求4所述的方法，所述初级判决包括统计判决方法，所述通过所述初级判决对所述原始时间序列进行初级异常识别包括：

从所述原始时间序列中提取所述历史数据点；

通过所述统计判决方法确定所述历史数据点的均值和标准差；

根据所述均值和误差确定满足随机误差的数值区间；

响应于所述目标数据点位于所述数值区间外，将所述原始时间序列识别为异常。

6.如权利要求4所述的方法，所述初级判决包括无监督方法，所述通过所述初级判决对所述原始时间序列进行初级异常识别包括：

提取所述原始时间序列中的各数据点；

通过无监督算法对所提取的各个数据点进行分类，得到分类结果；

基于所述分类结果对所述原始时间序列进行异常判断。

7.如权利要求1所述的方法，还包括：

响应于所述异常检测结果为所述原始时间序列异常而发送告警消息。