[发明专利]一种用于运维数据的无监督异常检测和鲁棒趋势预测方法

权利要求书

1.一种用于运维数据的无监督异常检测和鲁棒趋势预测方法，其特征在于包括以下步骤：

1)模型设计：变分自编码器作为异常检测模块，为模型的前半部分；长短时记忆网络作为趋势预测模块，为模型的后半部分；

所述模型设计的具体方法为：

在变分自编码器中，编码器由三层全连接层构成，x_t通过编码器表示出μ_z和σ_z，之后采样出z，最后通过解码器解码重构出x'_t，解码器是与编码器所对称的结构，损失函数如下：

在长短时记忆网络中，x'_t作为其输入，在最后通过一个全连接层映射到单实值y_t，作为本时刻对下一时刻的状态预测值，损失函数如下：

在模型训练过程中，上述两个模块的损失函数需要进行平衡，所以总损失函数为：

2)数据预处理：原始运维时序数据经历数据补全，归一化处理，以及采用滑动窗口将数据分割成固定长度的时序段输入到模型；

所述数据预处理采用如下数据预处理步骤清洗原始时间序列R：

2.1给定原始的时间序列R＝{r₁,…,r_t,…,r_n}，对于缺失值，采用相邻周期的插值方法进行填充；具体地，对于缺失长度小于或等于M，采用相邻点的状态值进行一阶线性插值填充；对于缺失长度大于M，采用相邻周期的相同时刻的状态值进行一阶线性插值填充；

2.2对于填充后的时间序列，基于序列的均值和方差进行归一化；

2.3对于归一化后的时间序列，采用大小为w₀，步幅为1的滑动窗口进行切分；每个分段表示为所有分段集合表示为w₀为常数，分钟数据取值为120，小时数据取值为30；

2.4每L个连续分段被认为是一个分段序列送入所述模型进行训练；

3)异常检测：采用变分自编码器重构输入的时序段，从而分离出异常点，达到异常检测的目的；

所述异常检测的具体方法为：对于t时刻的分段x_t，将其作为模型的输入，得到的异常检测模块的输出x'_t的最后状态值，与输入x_t的最后状态值相比，若偏差的绝对值大于kσ_r，则被认为异常，否则被认为正常；其中，k为常数，而σ_r为这些偏差绝对值的标准差；

4)趋势预测：将自编码器重构的时序段输入到趋势预测模块，预测下一时刻的状态值；

所述趋势预测的具体方法为：变分自编码器的输出，x'_t作为长短时记忆网络的输入，在最后通过一个全连接层映射到单实值y_t，作为本时刻对下一时刻的状态预测值。