异常诊断方法以及异常诊断装置制造方法及图纸

本公开涉及异常诊断方法及异常诊断装置。异常诊断方法是异常诊断装置(100)执行的方法，异常诊断装置使用通过观测监视对象的状态所获得的由表示状态的多个变量的值构成的观测值，诊断该观测值是否异常，异常诊断装置具备处理器及存储器，存储器存储有通过使用多个观测值的学习所生成的异常检测模型，处理器取得表示分别由相互关联的至少两个变量的组合构成的一个以上的群组的群组信息，取得观测值，使用从存储器读取到的异常检测模型来判定观测值是否异常，在判定为观测值异常的情况下，基于该观测值和由群组信息所示的一个以上的群组，确定该观测值的一个以上的群组中的作为异常原因的群组。由此提供能够有效地确定异常的原因的异常诊断方法。

【技术实现步骤摘要】
异常诊断方法以及异常诊断装置
本公开涉及确定多维信息中的对异常有贡献的变量的异常诊断方法以及异常诊断装置。
技术介绍
以往，已知在专利文献1～4以及非专利文献1中公开的那样，通过诊断多个变量的观测值是否有异常来检测异常。现有技术文献专利文献专利文献1：日本专利第6076751号公报专利文献2：日本专利第5858839号公报专利文献3：日本专利第5811683号公报专利文献4：日本专利第5108116号公报非专利文献非专利文献1：RobinSommerandVernPaxson.“Outsidetheclosedworld:Onusingmachinelearningfornetworkintrusiondetection.”SecurityandPrivacy(SP),2010IEEESymposiumon.IEEE,2010.非专利文献2：M.Tavallaee,E.Bagheri,W.LuandA.A.Ghorbani,“ADetailedAnalysisoftheKDDCUP99DataSet,”SubmittedtoSecondIEEESymposiumonComputati本文档来自技高网...

【技术保护点】
1.一种异常诊断方法，是异常诊断装置执行的异常诊断方法，所述异常诊断装置使用通过观测监视对象的状态所获得的、由表示所述状态的多个变量的值构成的观测值，诊断该观测值是否异常，所述异常诊断装置具备处理器以及存储器，所述存储器存储有通过使用多个所述观测值的学习所生成的异常检测模型，所述处理器，取得群组信息，所述群组信息表示分别由所述多个变量中的相互关联的至少两个变量的组合构成的一个以上的群组；取得所述观测值；从所述存储器读取所述异常检测模型，使用读取到的所述异常检测模型来判定所述观测值是否异常；在判定为所述观测值异常的情况下，基于该观测值和由取得的所述群组信息所示的所述一个以上的群组，确定该观测值的...

【技术特征摘要】
2017.09.27 JP 2017-1868891.一种异常诊断方法，是异常诊断装置执行的异常诊断方法，所述异常诊断装置使用通过观测监视对象的状态所获得的、由表示所述状态的多个变量的值构成的观测值，诊断该观测值是否异常，所述异常诊断装置具备处理器以及存储器，所述存储器存储有通过使用多个所述观测值的学习所生成的异常检测模型，所述处理器，取得群组信息，所述群组信息表示分别由所述多个变量中的相互关联的至少两个变量的组合构成的一个以上的群组；取得所述观测值；从所述存储器读取所述异常检测模型，使用读取到的所述异常检测模型来判定所述观测值是否异常；在判定为所述观测值异常的情况下，基于该观测值和由取得的所述群组信息所示的所述一个以上的群组，确定该观测值的所述一个以上的群组中的作为异常原因的群组。2.根据权利要求1所述的异常诊断方法，所述异常检测模型是通过作为所述学习的自动编码器、变分自动编码器和一类支持向量机中的至少一个使用所述多个观测值所生成的模型。3.根据权利要求2所述的异常诊断方法，在所述观测值是否异常的判定中，通过对所述异常检测模型输入所述多个观测值来算出分数，在算出的所述分数大于等于预先确定的第1阈值的情况下，判定为取得的所述观测值异常，在算出的所述分数小于所述第1阈值的情况下，判定为取得的所述多个观测值没有异常。4.根据权利要求1所述的异常诊断方法，所述异常检测模型是基于学习用的正常的多个所述观测值与诊断用的多个所述观测值的概率密度比所生成的模型，在所述观测值的取得...

【专利技术属性】
技术研发人员：大庭达海，
申请(专利权)人：松下电器美国知识产权公司，
类型：发明
国别省市：美国,US