[发明专利]一种半监督时间序列异常检测方法及系统

权利要求书

1.一种半监督时间序列异常检测方法，其特征在于，所述方法包括：

获取网站服务器监测的流量的时间序列数据集；所述流量的时间序列数据集包括标记的正常流量数据、标记的异常流量数据、未标记的正常流量数据和未标记的异常流量数据；

在所述流量的时间序列数据集中选取正常标记流量数据集和未标记流量数据集；所述正常标记流量数据集由标记的正常流量数据组成；所述未标记流量数据集包括未标记的正常流量数据和未标记的异常流量数据；

构建基于长短期记忆网络的自编码器模型；所述自编码器模型包括一个编码器、一个正常流量数据解码器和一个异常流量数据解码器；

利用所述正常标记流量数据集和所述未标记流量数据集对所述自编码器模型进行训练，获得训练好的自编码器模型；

从网站服务器获取待检测的流量数据；

将待检测的流量数据输入所述训练好的自编码器模型，若所述待检测的流量数据经过正常流量数据解码器的重构误差小于经过异常流量数据解码器的重构误差，则将所述待检测的流量数据标记为正常流量数据；若所述待检测的流量数据经过正常流量数据解码器的重构误差大于经过异常流量数据解码器的重构误差，则将所述待检测的流量数据标记为异常流量数据。

2.根据权利要求1所述的半监督时间序列异常检测方法，其特征在于，所述正常标记流量数据集和所述未标记流量数据集包含的数据的数量相同。

3.根据权利要求1所述的半监督时间序列异常检测方法，其特征在于，在所述流量的时间序列数据集中选取正常标记流量数据集和未标记流量数据集，之后还包括：

采用min-max标准化方法分别对正常标记流量数据集和未标记流量数据集进行归一化处理，获得归一化后的正常标记流量数据集和归一化后的未标记流量数据集；

利用滑动窗口对所述归一化后的未标记流量数据集进行异常流量数据的富集化处理，获得富集化后的未标记流量数据集。

4.根据权利要求1所述的半监督时间序列异常检测方法，其特征在于，利用所述正常标记流量数据集和所述未标记流量数据集对所述自编码器模型进行训练，获得训练好的自编码器模型，具体包括：

利用所述正常标记流量数据集对所述自编码器模型的编码器和正常流量数据解码器进行训练，获得一次训练好的自编码器模型；

利用所述未标记流量数据集对所述一次训练好的自编码器模型的编码器、正常流量数据解码器和异常流量数据解码器进行训练，获得二次训练好的自编码器模型。

5.根据权利要求4所述的半监督时间序列异常检测方法，其特征在于，利用所述未标记流量数据集对所述一次训练好的自编码器模型的编码器、正常流量数据解码器和异常流量数据解码器进行训练，具体包括：

将所述未标记流量数据集的每个未标记流量数据分别输入所述一次训练好的自编码器模型的正常流量数据解码器和异常流量数据解码器，获得每个未标记流量数据经过正常流量数据解码器的第一重构误差和经过异常流量数据解码器的第二重构误差；

比较第一重构误差和第二重构误差的大小，获得比较结果；

若所述比较结果表示第一重构误差小于第二重构误差，则将未标记流量数据识别为正常流量数据，并利用识别的正常流量数据对所述一次训练好的自编码器模型的编码器和正常流量数据解码器进行训练；

若所述比较结果表示第一重构误差大于第二重构误差，则将未标记流量数据识别为异常流量数据，并利用识别的异常流量数据对所述一次训练好的自编码器模型的编码器和异常流量数据解码器进行训练。