异常检测方法、装置、终端设备及存储介质制造方法及图纸

本申请适用于计算机技术领域，提供了异常检测方法、装置、终端及存储介质，方法包括：获取当前时刻的监控指标的指标数据；从与各个历史时刻分别对应的周期分量中，获取当前时刻对应的周期分量；根据周期分量，计算指标数据的残差值；当残差值不在残差阈值范围时，判定当前时刻的监控指标存在异常；与各个历史时刻分别对应的周期分量的获取过程包括：通过卷积降噪自编码器对过去预设时间段内的监控指标的第一时序数据进行降噪，输出过去预设时间段内的第二时序数据；对第二时序数据进行分解，获得与各个历史时刻分别对应的周期分量。对第一时序数据进行降噪，改善周期分量分解过程中受到噪声干扰的问题，提高异常检测的检测精度。

Anomaly detection method, device, terminal equipment and storage medium

【技术实现步骤摘要】
异常检测方法、装置、终端设备及存储介质
本申请属于计算机
，尤其涉及异常检测方法、装置、终端设备及存储介质。
技术介绍
异常检测设备用于检测运维监控指标中偏离正常监控数值的异常数据，以提示运维人员进行故障预防排查。目前，异常检测大多数基于S-H-ESD算法或统计算法为主，在多数场景下具有较高的鲁棒性，但是，对于存在大量噪声的运维监控指标，这类模型的置信区间的计算会受到不良干扰，导致异常检测模型的检测精度降低。申请内容本申请实施例提供了异常检测方法、装置、终端设备及存储介质，可以解决现有异常检测模型的检测精度低的问题。第一方面，本申请实施例提供了一种异常检测方法，包括：获取当前时刻的监控指标的指标数据；从与各个历史时刻分别对应的周期分量中，获取与所述当前时刻对应的历史时刻的周期分量；根据所述周期分量，计算所述指标数据的残差值；当所述残差值不在残差阈值范围内时，判定当前时刻的所述监控指标存在异常；其中，所述与各个历史时刻分别对应的周期分量的获取过程，包括：通过卷积降噪自编码器对过去预设时间段内的监控指标的第一时序数据进行降噪，输出所述过去预设时间段内的第二时序数据，所述预设时间段内包含多个所述历史时刻；对所述预设时间段内各个所述历史时刻的所述第二时序数据进行分解，获得所述与各个历史时刻分别对应的周期分量。本申请实施例通过实时获取监控指标的指标数据，并结合对应历史时刻下的周期分量计算出残差，再根据残差阈值区间确定异常情况，从而实现在线实时异常检测；通过卷积降噪自编码器对第一时序数据进行降噪，改善周期分量分解过程中受到噪声干扰的问题，使得周期分量和残差阈值范围更加准确，从而使得指标数据与周期分量计算得到的残差值以及残差值与残差阈值范围的比对结果更加准确，进而提高异常检测的检测精度。第二方面，本申请实施例提供了一种异常检测装置，包括：第一获取模块，用于获取当前时刻的监控指标的指标数据；第二获取模块，用于从与各个历史时刻分别对应的周期分量中，获取与所述当前时刻对应的历史时刻的周期分量；计算模块，用于根据所述周期分量，计算所述指标数据的残差值；判定模块，用于当所述残差值不在残差阈值范围内时，判定当前时刻的所述监控指标存在异常；所述装置还包括：降噪模块，用于通过卷积降噪自编码器对过去预设时间段内的监控指标的第一时序数据进行降噪，输出所述过去预设时间段内的第二时序数据，所述预设时间段内包含多个所述历史时刻；分解模块，用于对所述预设时间段内各个所述历史时刻的所述第二时序数据进行分解，获得所述与各个历史时刻分别对应的周期分量。第三方面，本申请实施例提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一方面中任一项所述的异常检测方法。第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面中任一项所述的异常检测方法。第五方面，本申请实施例提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行上述第一方面中任一项所述的异常检测方法。可以理解的是，上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。附图说明为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1是本申请一实施例提供的异常检测方法的流程示意图；图2是本申请另一实施例提供的异常检测方法的流程示意图；图3是本申请另一实施例提供的异常检测方法的流程示意图；图4是本申请另一实施例提供的异常检测方法的流程示意图；图5是本申请另一实施例提供的异常检测方法的流程示意图；图6是本申请实施例提供的异常检测装置的结构示意图；图7是本申请实施例提供的终端设备的结构示意图。具体实施方式以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。如在本申请说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。如
技术介绍
相关介绍，目前的异常检测大多数基于S-H-ESD算法或统计算法为主，而对于存在大量噪声的运维监控指标，大量噪声会对分解监控指标数据周期分量造成不良干扰，使得分解监控指标数据得到的周期分量不准确，从而影响置信区间(残差阈值范围)计算结果的准确性，最终导致异常检测的检测精度降低。因此，需要一种异常检测方法，实现去除监控指标的时序数据中的大量噪声和在线实时检测，提高检测精度。其中，监控指标可以指系统监控指标，如load(特定时间间隔内运行队列中的平均线程数)、CPU利用率、磁盘空间使用情况、磁盘I/O(输入/输出)情况、内存使用情况、网络traffic等，也可以是指函数计算过程的监控指标，如region维度指标(对某一区域中函数计算资源整体使用情况的监控度量)、本文档来自技高网...

【技术保护点】
1.一种异常检测方法，其特征在于，所述方法包括：/n获取当前时刻的监控指标的指标数据；/n从与各个历史时刻分别对应的周期分量中，获取与所述当前时刻对应的历史时刻的周期分量；/n根据所述周期分量，计算所述指标数据的残差值；/n当所述残差值不在残差阈值范围内时，判定当前时刻的所述监控指标存在异常；/n其中，所述与各个历史时刻分别对应的周期分量的获取过程，包括：/n通过卷积降噪自编码器对过去预设时间段内的监控指标的第一时序数据进行降噪，输出所述过去预设时间段内的第二时序数据，所述预设时间段内包含多个所述历史时刻；/n对所述预设时间段内各个所述历史时刻的所述第二时序数据进行分解，获得所述与各个历史时刻分别对应的周期分量。/n

【技术特征摘要】
1.一种异常检测方法，其特征在于，所述方法包括：
获取当前时刻的监控指标的指标数据；
从与各个历史时刻分别对应的周期分量中，获取与所述当前时刻对应的历史时刻的周期分量；
根据所述周期分量，计算所述指标数据的残差值；
当所述残差值不在残差阈值范围内时，判定当前时刻的所述监控指标存在异常；
其中，所述与各个历史时刻分别对应的周期分量的获取过程，包括：
通过卷积降噪自编码器对过去预设时间段内的监控指标的第一时序数据进行降噪，输出所述过去预设时间段内的第二时序数据，所述预设时间段内包含多个所述历史时刻；
对所述预设时间段内各个所述历史时刻的所述第二时序数据进行分解，获得所述与各个历史时刻分别对应的周期分量。


2.如权利要求1所述的异常检测方法，其特征在于，所述通过卷积降噪自编码器对过去预设时间段内的监控指标的第一时序数据进行降噪，输出所述过去预设时间段内的第二时序数据，包括：
将所述第一时序数据输入所述卷积降噪自编码器；
通过所述卷积降噪自编码器中的编码器将所述第一时序数据进行多层隐层编码，得到低维特征向量；
通过所述卷积降噪自编码器中的解码器将所述低维特征向量进行多层隐层解码，输出所述第二时序数据。


3.如权利要求1所述的异常检测方法，其特征在于，所述卷积降噪自编码器是根据包含预设噪声的监控指标的时序数据训练得到的。


4.如权利要求1所述的异常检测方法，其特征在于，所述对所述预设时间段内各个所述历史时刻的所述第二时序数据进行分解，获得所述与各个历史时刻分别对应的周期分量，包括：
根据所述预设时间段内各个所述历史时刻的所述第二时序数据，生成各个历史时刻分别对应的周期子序列；
对每个所述周期子序列进行平滑回归，得到每个所述周期子序列分别对应的平滑结果；
去除每个所述平滑结果中的低通量，得到各个所述历史时刻分别对应的周期分量。


5.如权利要求1所述的异常检测方法，其特征在于，所述当所述残差值不在残差阈值范围时，判定当前时刻的所述监控指标存在异常之前，还包括：
获取所述预设时间段内各个历史时刻的第二时序数据的历史残差值；
基于正态分布，计...

【专利技术属性】
技术研发人员：陈桢博，金戈，徐亮，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东;44