[发明专利]基于条件变分自动编码器的KPI异常检测方法、装置和计算机存储介质

权利要求书

1.一种基于条件变分自动编码器的关键性能指标KPI异常检测方法，其特征在于，包括以下步骤：

获取关键性能指标KPI数据，所述KPI数据包括待检测数据和历史数据；

对所述待检测数据进行处理，获得滑动窗口和所述滑动窗口对应的时间条件向量；

根据所述滑动窗口和所述滑动窗口对应的时间条件向量，通过预设的条件变分自动编码器CVAE模型计算新的滑动窗口的负重构概率，将所述负重构概率作为异常分数；

根据所述异常分数确定所述KPI数据是否异常，所述异常分数越大，KPI数据越异常。

2.如权利要求1所述的方法，其特征在于，所述对所述待检测数据进行处理，包括：

缺失值填补，采用马尔可夫链蒙特卡洛方法填补所有KPI数据的缺失点，具体做法为在每一步迭代的过程中，通过已知部分推测缺失部分的值，并用推测出来的值替换掉缺失部分的现有值；

数据标准化，将填补缺失值后的所有的KPI数据进行零均值标准化，具体做法是首先计算历史数据的均值μ和标准差σ，然后将所有KPI数据包含的每一个数据点v放缩为其中μ是KPI上所有历史数据点的均值，σ是KPI上所有历史数据点的标准差，v是当前在处理的新的数据点；

取滑动窗口，将数据标准化后的长度不定的所有KPI数据转化成一系列固定长度为w的向量作为滑动窗口，同时记录每个滑动窗口的时间条件向量。

3.如权利要求1所述的方法，其特征在于，对所述历史数据进行数据预处理后生成新的数据，将所述新的数据作为输入数据，采用蒙特卡洛积分法实现修改的信息下界M-ELBO和人工注入异常，完成对所述条件变分自动编码器CVAE模型的训练。

4.如权利要求3所述的方法，其特征在于，所述对所述历史数据进行数据预处理包括：

将所述历史数据中的缺失值填补为0，得到时间间隔总是固定值的时间序列；

对所述时间序列进行零均值标准化，具体做法是首先计算历史数据的均值μ和标准差σ，然后将所有KPI数据包含的每一个数据点v放缩为其中μ是KPI上所有历史数据点的均值，σ是KPI上所有历史数据点的标准差，v是当前在处理的新的数据点；

对零均值标准化后的所有数据取滑动窗口,将标准化后的长度不定的所有KPI数据转化成一系列固定长度为w的向量作为滑动窗口，同时记录每个滑动窗口的时间条件向量。

5.如权利要求3所述的方法，其特征在于，所述条件变分自动编码器CVAE模型包括两部分：编码器和解码器，其中，

所述编码器，用于将输入的滑动窗口x和对应的时间编码y编码为维度更低的隐变量z，其中y是这个滑动窗口x对应的最后一个点的时间编码，编码结果表示为q_φ(z|x,y)，该式的含义是给定x和y的情况下，z服从的条件分布，其中φ表示编码器网络的参数；

所述解码器，用于通过隐变量z和时间编码y重建得到滑动窗口x，重建结果表示为p_θ(x|z,y)，该式的含义是在给定z和y的情况下x的分布，其中θ表示解码器的参数。

6.如权利要求5所述的方法，其特征在于，所述蒙特卡洛积分法表示为：

其中，为异常分数，z为所述隐变量，x表示滑动窗口，y表示滑动窗口x对应的最后一个点的时间编码，q_φ(z|x,y)为所述编码器，p_θ(x|z,y)为所述解码器。

7.如权利要求5所述的方法，其特征在于，所述修改的信息下界M-ELBO表示为：

其中，L'(x,y)表示给定滑动窗口x和时间编码y时的所述修改的信息下界M-ELBO的值，z为隐变量，x表示滑动窗口，y表示滑动窗口x对应的最后一个点的时间编码，p(z)表示隐变量z的先验分布，q_φ(z|x,y)为所述编码器，α_i表示滑动窗口x中第i个点是否是异常的，是异常则为0，否则为1，不知道是不是异常也是1，β表示x中正常数据点的比例，w表示滑动窗口x的长度。