【技术实现步骤摘要】
服务系统异常检测方法、装置、计算机设备和存储介质
本申请涉及人工智能
，特别是涉及一种服务系统异常检测方法、装置、计算机设备和存储介质。
技术介绍
随着计算机技术的发展，出现了各种各样的服务系统。服务系统是一种社会化的技术系统，是对特定的技术或组织的一种网络化配置。通过服务系统提供服务能够满足用户的需求和期望。为了保证服务系统的正常运行，通常都需要监控系统检测异常，准确的检测可以在最大程度上控制损失，查明根本原因也有助于系统操作员即是进行系统诊断和维修。目前，为了监控系统，通常通过分析机器所生成的大量的多元时间序列数据实现。由于多元时间序列数据中存在时间依赖性，传统大多采用聚类方法，例如K近邻方法、密度估计方法等对多元时间序列数据进行分析。然而，多元时间序列数据中除了存在时间依赖性以外，通常还包含一定的噪声。而当噪声变得相对严重时，就会对异常检测产生一定的影响，尤其是还极有可能增加误报检测的概率，从而降低了异常检测的准确率。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够...
【技术保护点】
1.一种服务系统异常检测方法，其特征在于，所述方法包括：/n根据服务系统生成的各指标的多元时间序列数据，构造多尺度签名矩阵；/n将所述多尺度签名矩阵输入卷积层，通过所述卷积层对所述多尺度签名矩阵的空间模式进行编码，输出空间特征图；/n将所述空间特征图输入基于注意力的卷积长短期记忆网络层，通过所述基于注意力的卷积长短期记忆网络层更新所述空间特征图的隐藏状态，得到更新空间特征图；/n将所述更新空间特征图输入反卷积层，通过所述反卷积层对所述更新空间特征图进行解码重构，得到重构签名矩阵；/n对比所述重构签名矩阵和所述多尺度签名矩阵，确定所述服务系统的异常指标。/n
【技术特征摘要】
1.一种服务系统异常检测方法，其特征在于，所述方法包括：
根据服务系统生成的各指标的多元时间序列数据，构造多尺度签名矩阵；
将所述多尺度签名矩阵输入卷积层，通过所述卷积层对所述多尺度签名矩阵的空间模式进行编码，输出空间特征图；
将所述空间特征图输入基于注意力的卷积长短期记忆网络层，通过所述基于注意力的卷积长短期记忆网络层更新所述空间特征图的隐藏状态，得到更新空间特征图；
将所述更新空间特征图输入反卷积层，通过所述反卷积层对所述更新空间特征图进行解码重构，得到重构签名矩阵；
对比所述重构签名矩阵和所述多尺度签名矩阵，确定所述服务系统的异常指标。
2.根据权利要求1所述的方法，其特征在于，所述根据服务系统生成的多元时间序列数据构造多尺度签名矩阵，包括：
选取预设数量的时间步长，获取各所述时间步长对应的多元时间序列数据片段；
基于各所述时间步长对应的多元时间序列数据片段，分别构造各所述时间步长的签名矩阵；
将各所述签名矩阵的集合作为多尺度签名矩阵。
3.根据权利要求2所述的方法，其特征在于，所述基于各所述时间步长对应的多元时间序列数据片段，分别构造各所述时间步长的签名矩阵，包括：
将各所述多元时间序列数据片段分别进行组合，得到多组时间序列片段对；
将各所述时间序列片段对中两个时间序列数据片段中对应时间的数据，分别进行成对内积，得到所述时间序列片段对的矩阵元素；
组合各所述时间序列片段对的矩阵元素，得到签名矩阵。
4.根据权利要求1所述的方法，其特征在于，所述基于注意力的卷积长短期记忆网络层的数量与所述卷积层的数量相等，各所述基于注意力的卷积长短期记忆网络层对应一层所述卷积层；
所述将所述空间特征图输入基于注意力的卷积长短期记忆网络层，通过所述基于注意力的卷积长短期记忆网络层更新所述空间特征图的隐藏状态，得到更新空间特征图，包括：
将各所述卷积层输出的所述空间特征图输入与所述卷积层对应的基于注意力的卷积长短期记忆网络层；
各所述基于注意力的卷积长短期记忆网络层，分别更新各所述空间特征图的隐藏状态，得到各所述空间特征图的更新空间特征图。
5.根据权利要求1所述的方法，其特征在于，所述反卷积层的数量与所述基于注意力的卷积长短期记忆网络层的数量相等，各所述反卷积层对应一层所述基于注意力的卷积长短期记忆网络层；
所述将所述更新空间特征...
【专利技术属性】
技术研发人员：郑立颖，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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。