一种异常数据的检测方法及装置制造方法及图纸

本申请适用于人工智能技术领域，提供了异常数据的检测方法及装置，包括：获取待检测的数据；将所述数据分别输入至少两个模型中，得到至少两个检测结果，其中，所述模型包括基于曲线拟合检测的第一模型、基于时间序列检测的第二模型；基于每个所述模型对应的实时权重，对所述至少两个检测结果进行投票归总，得到归总结果；根据所述归总结果判断所述数据是否异常。通过基于多异常检测算法投票，来实现数据异常检测的自动化，并通过投票机制降低了计算错误的风险。

【技术实现步骤摘要】
一种异常数据的检测方法及装置
本申请属于人工智能
，尤其涉及一种异常数据的检测方法及装置。
技术介绍
在互联网服务的异常检测过程中，一般通过人为设定阈值的方式来判定采集到的数据是否正常，对于某条业务曲线，当它的值大于或小于某个运维人员根据经验设定的阈值时，系统会发出告警，提醒运维人员服务可能出现了异常情况，运维人员再进行更进一步的分析。但在实际应用中，这种方法的弊端显而易见，一个固定的阈值并不能代表所有的异常情况，也并不是所有异常情况都可以用既定的阈值来衡量。这种方式存在一定的片面性，进而导致在数据异常检测的结果不精确的问题。
技术实现思路
本申请实施例提供了异常数据的检测方法及装置，可以解决数据异常检测的结果不精确的问题。第一方面，本申请实施例提供了一种异常数据的检测方法，包括：获取待检测的数据；将所述数据分别输入至少两个模型中，得到至少两个检测结果，其中，所述模型包括基于曲线拟合检测的第一模型、基于时间序列检测的第二模型；基于每个所述模型对应的实时权重，对所述至少两个检测结果进行投票归总，得到归总结果；根据本文档来自技高网...

【技术保护点】
1.一种异常数据的检测方法，其特征在于，包括：/n获取待检测的数据；/n将所述数据分别输入至少两个模型中，得到至少两个检测结果，其中，所述模型包括基于曲线拟合检测的第一模型、基于时间序列检测的第二模型；/n基于每个所述模型对应的实时权重，对所述至少两个检测结果进行投票归总，得到归总结果；/n根据所述归总结果判断所述数据是否异常。/n

【技术特征摘要】
1.一种异常数据的检测方法，其特征在于，包括：
获取待检测的数据；
将所述数据分别输入至少两个模型中，得到至少两个检测结果，其中，所述模型包括基于曲线拟合检测的第一模型、基于时间序列检测的第二模型；
基于每个所述模型对应的实时权重，对所述至少两个检测结果进行投票归总，得到归总结果；
根据所述归总结果判断所述数据是否异常。


2.如权利要求1所述的异常数据的检测方法，其特征在于，所述模型还包括基于孤立森林的第三模型、基于高斯分布的第四模型；所述至少两个检测结果包括第一检测结果和第二检测结果；
所述将所述数据分别输入至少两个模型中，得到至少两个检测结果，包括：
将所述数据输入所述第三模型中，得到所述数据是否异常的所述第一检测结果；
将所述数据输入所述第四模型中，得到所述数据对应的高斯分布；
基于所述高斯分布对所述数据进行分析，得到所述数据对应的概率函数；
基于所述概率函数计算所述数据在所述高斯分布中的概率；
根据所述概率以及通过交叉校验集得到的阈值，得到所述数据是否异常的所述第二检测结果。


3.如权利要求1所述的异常数据的检测方法，其特征在于，所述归总结果包括异常指数和正常指数；
所述基于每个所述模型对应的实时权重，对所述至少两个检测结果进行投票归总，得到归总结果，包括：
基于各所述模型对应的实时权重与对应的所述检测结果之间的乘积，得到加权检测参数；
统计各所述模型对应的加权检测参数，得到所述异常指数和所述正常指数。


4.如权利要求1所述的异常数据的检测方法，其特征在于，所述方法还包括：
获取所述模型的历史检测结果以及每次得到的所述历史检测结果对应的历史归总结果；
基于所述历史归总结果和所述历史检测结果，更新所述模型的权重，得到所述实时权重。


5.如权利要求4所述的异常数据的检测方法，其特征在于，所述基于所述历史归总结果和所述历史检测结果，更新所述模型的权重，得到所述...

【专利技术属性】
技术研发人员：陈敏杰，
申请(专利权)人：平安普惠企业管理有限公司，
类型：发明
国别省市：广东;44