数据异常检测方法、装置、服务器和计算机可读存储介质制造方法及图纸

本发明专利技术提供了一种数据异常检测方法、装置、服务器和计算机可读存储介质，其中，数据异常检测方法包括：响应于采集的多种实时指标数据，检测任一种实时指标数据的异常信息的步骤包括：确定任一种实时指标数据与预测指标数据之间的残差样本集合和窗宽；确定残差样本集合中第n个残差样本的一行特征值由第n个残差样本和前m个残差样本构成，并建立第n个残差样本的高维残差样本，m小于n；根据窗宽确定全部高维残差样本对应的高维残差概率密度模型，并计算第n个残差样本的异常概率。通过本发明专利技术的技术方案，能够对多种指标数据进行统一异常检测，进一步地基于对高维残差样本的分析和建模，提高了数据异常检测的连续性、抗干扰性和置信度。

Data anomaly detection method, device, server and computer readable storage medium

【技术实现步骤摘要】
数据异常检测方法、装置、服务器和计算机可读存储介质
本专利技术涉及数据异常检测
，具体而言，涉及一种数据异常检测方法、一种数据异常检测装置、一种服务器和一种计算机可读存储介质。
技术介绍
服务器在运营过程中会产生海量的实时指标数据，通过检测实时指标数据的波动，以监控运营平台的运营稳定情况。但是，绝大多数的异常检测算法是针对统一种指标数据进行检测，无法对多类型、多量纲、多场景下的实时指标数据进行统一化的检测和预警。相关技术中，大数据领域提出了VAE(VariationalAuto-Encoder，变分自编码器)算法来进行多种实时指标数据的统一异常检测，由于VAE算法基于数据窗口提取历史数据，可能会造成频域异常的漏检，无法保证数据异常检测的置信度。
技术实现思路
本专利技术旨在至少解决现有技术或相关技术中存在的技术问题之一。为此，本专利技术的一个目的在于提供一种数据异常检测方法。本专利技术的另一个目的在于提供一种数据异常检测装置。本专利技术的另一个目的在于提供一种服务器。...

【技术保护点】
1.一种数据异常检测方法，其特征在于，包括：/n响应于采集的多种实时指标数据，检测任一种所述实时指标数据的异常信息的步骤包括：/n确定任一种所述实时指标数据与预测指标数据之间的残差样本集合和窗宽；/n确定所述残差样本集合中第n个残差样本的一行特征值由所述第n个残差样本和前m个所述残差样本构成，并建立所述第n个残差样本的高维残差样本，所述m小于所述n；/n根据所述窗宽确定全部所述高维残差样本对应的高维残差概率密度模型，并计算所述第n个所述残差样本的异常概率。/n

【技术特征摘要】
1.一种数据异常检测方法，其特征在于，包括：
响应于采集的多种实时指标数据，检测任一种所述实时指标数据的异常信息的步骤包括：
确定任一种所述实时指标数据与预测指标数据之间的残差样本集合和窗宽；
确定所述残差样本集合中第n个残差样本的一行特征值由所述第n个残差样本和前m个所述残差样本构成，并建立所述第n个残差样本的高维残差样本，所述m小于所述n；
根据所述窗宽确定全部所述高维残差样本对应的高维残差概率密度模型，并计算所述第n个所述残差样本的异常概率。


2.根据权利要求1所述的数据异常检测方法，其特征在于，在响应于采集的多种实时指标数据前，还包括：
预存任一种所述实时指标数据对应的历史指标数据；
对所述历史指标数据进行拟合处理，以建立拟合回归模型，
其中，所述拟合回归模型用于计算所述预测指标数据。


3.根据权利要求2所述的数据异常检测方法，其特征在于，
采用所述拟合回归模型计算预设训练样本集合的均方差值最小。


4.根据权利要求1至3中任一项所述的数据异常检测方法，其特征在于，还包括：
确定所述高维残差概率密度模型中任一所述残差样本的振动频率；
在检测到任一所述残差样本的振动频率高于预设振动频率时，将所述残差样本对应的所述实时指标数据确定为异常数据。


5.根据权利要求4所述的数据异常检测方法，其特征在于，还包括：
判断所述第n个所述残差样本的异常概率是否大于或等于预设异常概率；
在判定所述第n个所述残差样本的异常概率大于或等于所述预设异常概率时，将所述残差样本对应的所述实时指标数据确定为异常数据。


6.一种数据异常检测装置，其特征在于，包括：
检测单元，用于响应于采集的多种实时指标数据，检测任一种所述实时指标数据的异常信息；
确定单元，用于确定任一种所述实时指标数据与预测指标数据之间的残差样本集合和窗宽；
所述确定单元还用于：确定残差样本集...

【专利技术属性】
技术研发人员：朱宝，陈姝君，
申请(专利权)人：北京嘀嘀无限科技发展有限公司，
类型：发明
国别省市：北京;11