[发明专利]一种环境异常检测方法和系统

权利要求书

1.一种环境异常检测方法，其特征在于，包括：

构建具有局部敏感特性的Isolation Forest模型；

将环境检测数据输入Isolation Forest模型进行数据过滤，得到候选异常数据集；

基于LOF算法对候选异常数据集进行异常数据判定，输出异常环境检测数据。

2.根据权利要求1所述的环境异常检测方法，其特征在于，构建具有局部敏感特性的Isolation Forest模型，包括以下步骤：

S11、获取环境数据训练集；

S12、采用LSH算法将环境数据训练集的环境数据训练样本划分到多个哈希桶内；

S13、Isolation Forest模型中的每颗ITree按概率随机从不同的哈希桶中抽取ψ个用于每颗ITree构建的环境数据训练样本；

S14、随机抽取环境数据训练样本中某个属性和属性的切分值，根据属性和切分值对每颗ITree的环境数据训练样本进行切分，得到左子树数据集和右子树数据集；

S15、在左子树数据集和右子树数据集上按照步骤S14重复构造子树，直到需划分的数据集中仅包含相同的环境样本或ITree的高度达到极限；

S16、重复步骤S13～S15，得到具有若干棵ITree的具有局部敏感特性的IsolationForest模型。

3.根据权利要求2所述的环境异常检测方法，其特征在于，将环境数据训练集划分到多个哈希桶内，包括：

将环境数据训练集中的单条环境数据训练样本视作环境样本向量v(t₁,t₂,...,t_n)，t_i(1≤i≤n)为单条环境数据样本中的属性值；

使用hash函数族将环境数据训练集中的环境样本向量v映射到不同的哈希桶内，其中，a是与v同维数的空间随机向量，b为随机数，b∈[0,r]，r为哈希函数的宽度，经过哈希映射后，环境数据训练集中任意两个环境样本向量v₁，v₂满足以下两个条件：

若d(v₁,v₂)＜d₁，则Pr[h(v₁)＝h(v₂)]≥p₁；

若d(v₁,v₂)＞d₂，则Pr[h(v₁)＝h(v₂)]≤p₂；

其中，d(v₁,v₂)为v₁和v₂之间的距离，d₁＜d₂，h(v₁)为环境样本向量v₁的哈希变换，h(v₂)为环境样本向量v₂的哈希变换，Pr[h(v₁)＝h(v₂)]为环境样本向量v₁的哈希变换和环境样本向量v₂的哈希变换映射为同一个哈希桶中的概率，p₁、p₂为概率阈值，p₁＞p₂。

4.根据权利要求3所述的环境异常检测方法，其特征在于，将环境检测数据输入Isolation Forest模型进行数据过滤，得到候选异常数据集，包括：

将单条环境检测数据输入Isolation Forest模型，从ITree的根节点开始按照切分值往下走，直到达到叶子节点，记录过程中经过的路径长度；

获取环境检测数据在所有ITree中的路径长度，求取平均路径长度；

判断是否将环境检测数据放入候选异常数据集，其中，若平均路径长度小于阈值T，则将环境检测数据放入候选异常数据集。

5.根据权利要求4所述的环境异常检测方法，其特征在于，阈值T取值为T＝ωlog₂(ψ)，ω为常数变量。