[发明专利]异常数据的检测方法、系统、介质及终端

说明书

本发明提供一种异常数据的检测方法、系统、介质及终端；所述方法包括以下步骤：根据传感器组采集的历史数据，获取正常数据簇和异常数据簇；获取待检测时刻，传感器组采集的待检测数据；对待检测数据进行预处理，以获取待检测时刻对应待检测数据的待检测向量；将待检测向量输入至向量嵌入工具中，获取一待检测的可视化簇点；根据待检测的可视化簇点与正常数据簇和异常数据簇之间的距离，检测出待检测数据是否为异常数据；本发明通过向量嵌入技术处理多种传感器数据，识别信号之间的关联关系，进而提取出异常数据的模式和规律，实现在实际场景中，对传感器数据进行实时监控，从而准确地检测到异常数据，保证了异常数据检测的准确可靠性。

技术领域

本发明属于异常数据检测技术领域，特别是涉及一种异常数据的检测方法、系统、介质及终端。

背景技术

在IoT(Internet of Things，物联网)数据感知场景中，通常需要采集大量传感器的系列数据进行使用场景中设备运行状态的感知，这其中特别关注的是如何在庞大繁杂的传感器数据流中，检测到异常的发生，如果能在传感器数据流中及早检测到异常发生的趋势，那对于实际的场景是很有意义的，检测到异常数据的时机越早，造成的损失就越小。

目前，业内主流的异常数据检测方法通常采用以下两种方式：

(1)提高关键位置传感器数据的准确程度，这样可以从单一传感器数据的精确读数上明确当前是正常状态还是非正常状态。

(2)总结归纳异常状态时，相关的多种传感器历史数据呈现的特征或者规律，后续如果监控到传感器数据表现出的模式符合该特征时，就认为异常状态发生或者将要发生了。

对上述异常数据检测的解决办法存在如下的技术问题：

(1)由于传感器的准确度和精度，受制于当前的技术和加工水平，不可能无限制的提高，所以，业内主流的传感器技术水平无法满足能精确识别异常数据的要求，即导致异常数据检测的准确度降低。

(2)异常场景的相关历史数据可能关联多种传感器，并且是按时间顺序的流数据，这种情况下，数据的模式和规律不是特别明确的，牵扯到多种类、多数量的传感器数据，去提取信号模式是一个有巨大工作量的技术难题。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种异常数据的检测方法、系统、介质及终端，用于解决现有异常数据检测存在的准确度低、工作量大，难以实现可靠的异常数据检测的问题。

为实现上述目的及其他相关目的，本发明提供一种异常数据的检测方法，包括以下步骤：根据传感器组采集的历史数据，获取正常数据簇和异常数据簇；获取待检测时刻，所述传感器组采集的待检测数据；对所述待检测数据进行预处理，以获取所述待检测时刻对应所述待检测数据的待检测向量；将所述待检测向量输入至向量嵌入工具中，获取一待检测的可视化簇点；根据所述待检测的可视化簇点与所述正常数据簇和所述异常数据簇之间的距离，检测出所述待检测数据是否为异常数据。

于本发明的一实施例中，根据传感器组采集的历史数据，获取正常数据簇和异常数据簇包括以下步骤：获取一历史时刻对应的所述历史数据；对所述历史数据进行预处理，以获取所述历史时刻对应所述历史数据的一原始向量；按照时间顺序，将预设时间段内对应每一所述历史时刻的所述原始向量输入至所述向量嵌入工具中，获取至少一所述正常数据簇和至少一所述异常数据簇；所述正常数据簇和所述异常数据簇中均包括至少一可视化簇点，且每一所述可视化簇点对应一所述原始向量。

于本发明的一实施例中，所述传感器组包括至少一传感器；所述待检测数据包括至少一所述传感器采集的目标数据；对所述待检测数据进行预处理，以获取所述待检测时刻对应所述待检测数据的待检测向量包括以下步骤：对每一所述传感器采集的所述目标数据进行字符串化处理，获取对应每一所述传感器的字符串数据，以区分出不同的传感器；对所有的所述传感器对应的所述字符串数据进行向量化处理，获取所述待检测向量。