[发明专利]一种时序异常检测方法、装置、计算机设备及存储介质

权利要求书

1.一种时序异常检测方法，其特征在于，包括：

利用第一卷积神经网络对运维系统的时序数据样本进行卷积处理，得到局部邻近时间步关联的时序特征；

利用注意力机制对所述时序特征的全局时间步进行关联，得到全局时间步关联的时序特征；

利用变分自编码算法对所述全局时间步关联的时序特征进行编码和解码，得到重构的时序特征；

利用第二卷积神经网络对所述重构的时序特征进行卷积处理，得到时序还原数据；

利用所述时序数据样本与所述时序还原数据的差异检测所述时序数据样本的异常值，完成时序异常检测模型的构建；

利用所述时序异常检测模型对待测时序数据进行检测，得到所述待测时序数据的异常值。

2.根据权利要求1所述的时序异常检测方法，其特征在于，所述利用第一卷积神经网络对运维系统的时序数据样本进行卷积处理，得到局部邻近时间步关联的时序特征，包括：

利用所述第一卷积神经网络中的第一卷积层对所述时序数据样本进行卷积处理，得到第一中间特征；

利用所述第一卷积神经网络中的第二卷积层对所述第一中间特征进行卷积处理，得到局部邻近时间步关联的时序特征。

3.根据权利要求1所述的时序异常检测方法，其特征在于，所述利用注意力机制对所述时序特征的全局时间步进行关联，得到全局时间步关联的时序特征，包括：

将局部邻近时间步关联的时序特征作为输入数据，根据所述输入数据分别构建查询矩阵、键矩阵和值矩阵；

将所述查询矩阵乘以所述键矩阵，并利用激活函数对乘积结果进行激活，得到注意力权重；

将所述注意力权重与所述值矩阵相乘，并与输入数据进行连接，输出得到全局时间步关联的时序特征。

4.根据权利要求1所述的时序异常检测方法，其特征在于，所述利用变分自编码算法对所述全局时间步关联的时序特征进行编码和解码，得到重构的时序特征，包括：

将所述全局时间步关联的时序特征输入至编码器中进行编码，并通过全连接层生成均值与标准差；

将所述均值与标准差输入至解码器进行标准正态分布采样，得到重构的时序特征。

5.根据权利要求1所述的时序异常检测方法，其特征在于，所述利用第二卷积神经网络对所述重构的时序特征进行卷积处理，得到时序还原数据，包括：

利用所述第二卷积神经网络中的第三卷积层对所述重构的时序特征进行卷积处理，得到第二中间特征；

利用所述第二卷积神经网络中的第四卷积层对所述第二中间特征进行卷积处理，得到时序还原数据。

6.根据权利要求1所述的时序异常检测方法，其特征在于，利用所述时序数据样本与所述时序还原数据的差异检测所述时序数据样本的异常值，完成时序异常检测模型的构建之后，包括：

基于所述时序数据样本与所述时序还原数据的差异计算损失函数；

利用所述损失函数对所述时序异常检测模型进行迭代优化，直至达到预设的迭代次数或者损失值小于预设损失阈值。

7.根据权利要求1所述的时序异常检测方法，其特征在于，所述第一卷积神经网络和第二卷积神经网络的卷积层均为1维卷积层。

8.一种时序异常检测装置，其特征在于，包括：

第一卷积单元，用于利用第一卷积神经网络对运维系统的时序数据样本进行卷积处理，得到局部邻近时间步关联的时序特征；

注意力机制单元，用于利用注意力机制对所述时序特征的全局时间步进行关联，得到全局时间步关联的时序特征；

自编码单元，用于利用变分自编码算法对所述全局时间步关联的时序特征进行编码和解码，得到重构的时序特征；

第二卷积单元，用于利用第二卷积神经网络对所述重构的时序特征进行卷积处理，得到时序还原数据；

模型构建单元，用于利用所述时序数据样本与所述时序还原数据的差异检测所述时序数据样本的异常值，完成时序异常检测模型的构建；

模型检测单元，用于利用所述时序异常检测模型对待测时序数据进行检测，得到所述待测时序数据的异常值。