[发明专利]实现异常检测模型更新的方法、装置和计算设备

说明书

本申请提供了一种实现异常检测模型更新的方法、装置和计算设备，属于网络通信技术领域。该方法包括：获取检测设备使用疑似异常KPI检测模型确定的疑似异常KPI数据，根据所述疑似异常KPI数据，对当前的异常KPI样本库进行更新，根据更新后的异常KPI样本库，对当前的异常KPI检测模型进行更新。采用本申请，可以使异常KPI检测模型持续保持较高的异常检测性能。

技术领域

本申请涉及网络通信领域，特别涉及一种实现异常检测模型更新的方法、装置和计算设备。

背景技术

运营商和企业网络故障的触发大部分是依靠业务侧客户的主动报告异常实现的，属于被动响应，造成网络异常发现时间晚，进而导致客户满意度受到影响。为了提高主动感知和发现网络故障的能力，想要通过网络设备的关键性能指标(Key performanceindicator，KPI)，智能检测网络异常。对于这类异常检测方法中，运营商和企业客户要求的理想性能是能够长期保持高准确率和高召回率，在达不到理想性能的情况下，宁可漏报也不要误报，即优先保证高准确率。

基于监督学习的相关KPI异常检测技术中，通常基于网络运维领域的专家经验，对网络中采集到的KPI数据进行正常或异常人工标注。然后基于标注的异常KPI样本库，训练出监督学习模型，利用该模型进行在线异常KPI检测。

诸如网络处理器(Network processor，NP)和流量管理(Network processor，TM)丢包类的复杂KPI往往具有多样性的波形，由于上述模型只能学习到异常KPI样本库中已有的KPI异常模式，灵活性较差，无法对新的KPI异常模式进行自适应，进而会导致异常检测性能下降。

发明内容

本申请实施例提供了一种实现异常检测模型更新的方法、装置和计算设备，采用本申请可以使异常KPI检测模型持续的保持较高的异常检测性能。

第一方面，提供了一种实现异常检测模型更新的方法，该方法包括：获取检测设备使用当前的疑似异常KPI检测模型确定的疑似异常KPI数据；根据疑似异常KPI数据，对当前的异常KPI样本库进行更新；根据更新后的异常KPI样本库，对当前的异常KPI检测模型进行更新。

本申请所示的方案，该方法由分析设备执行，分析设备获取当前的疑似异常KPI检测模型确定的疑似异常KPI数据。分析设备确定疑似异常KPI数据中的异常KPI数据，基于异常KPI数据，对当前的异常KPI样本库进行更新，获得更新后的异常KPI样本库。分析设备使用更新后的异常KPI样本库，对当前的异常KPI检测模型进行更新。这样，通过持续的获取疑似异常KPI数据，实现对异常KPI样本库的更新，进而可以持续的对异常KPI检测模型进行更新，使异常KPI检测模型持续保持较高的检测性能。

在一种可能的实现方式中，疑似异常KPI检测模型的召回率高于异常KPI检测模型的召回率，或者疑似异常KPI检测模型的漏报率低于异常KPI检测模型的漏报率。这样，可以快速的扩充异常KPI样本库，并且可以使异常KPI检测模型检测到的异常KPI数据比较准确。

在一种可能的实现方式中，异常KPI检测模型的准确率高于疑似异常KPI检测模型的准确率，或者异常KPI检测模型的误报率低于疑似异常KPI检测模型的误报率。这样，可以快速的扩充异常KPI样本库，并且可以使异常KPI检测模型检测到的异常KPI数据比较准确。

在一种可能的实现方式中，根据疑似异常KPI数据，对当前的异常KPI样本进行更新，包括：获取疑似异常KPI数据中被确认为异常的KPI数据；将被确认为异常的KPI数据作为异常KPI样本，添加至当前的异常KPI样本库。这样，分析设备获取的是被确认为异常的KPI数据，可以添加至异常KPI样本库，用于扩充异常KPI样本库。