在线人数的异常检测方法、装置及电子设备制造方法及图纸

本申请提供了一种在线人数的异常检测方法、装置及电子设备，通过服务器采集在线人数数据，在线人数数据包括在线人数和采集时刻对应的特征信息；方法包括：根据待检测时刻的临近时刻的邻近在线人数数据，判断待检测时刻的在线人数是否疑似异常；如果是，获取待检测时刻对应的历史在线人数数据；根据历史在线人数数据及待检测时刻的在线人数，确定待检测时刻对应的人数偏差度量值；其中，人数偏差度量值用于表征待检测时刻的在线人数与历史在线人数数据的差异大小；如果人数偏差度量值超过预设阈值，确定待检测时刻的在线人数异常。本申请可以提高在线人数异常检测的准确性。

【技术实现步骤摘要】
在线人数的异常检测方法、装置及电子设备
本申请涉及数据检测
，尤其是涉及一种在线人数的异常检测方法、装置及电子设备。
技术介绍
在线人数可以作为游戏或直播受欢迎程度的评价指标之一，需要严格监测，也可以用来分析活动开展的效果，同时，在线人数也是一个衡量系统运行压力的重要指标，可以帮运维团队了解游戏服务器或直播服务器的负载情况，网络带宽使用情况等。现有在线人数的异常检测方法通常有两种，一种是基于预测的异常检测，另一种是基于统计的异常检测。基于预测的模型对数据的顺序性有严格的要求，且越靠近检测时刻的数据越影响预测的效果，因此如果近期数据有异常，则会出现误差叠加的问题，后面的预测数据都不能很好的进行预测。基于统计的模型比较依赖整体的概率分布，对最近的时间序列的影响无法感知，比如最近游戏玩法效果不好，在线人数普遍较低，如果还是按照之前每天该时刻的统计模型判断为离群点则不妥当。
技术实现思路
本申请的目的在于提供一种在线人数的异常检测方法、装置及电子设备，以解决上述技术问题。本申请实施例提供一种在线人数的异常检测方法，通过服务器采集在线人数数据，在线人数数据包括在线人数和采集时刻对应的特征信息；方法包括：根据待检测时刻的临近时刻的邻近在线人数数据，判断待检测时刻的在线人数是否疑似异常；如果是，获取待检测时刻对应的历史在线人数数据；根据历史在线人数数据及待检测时刻的在线人数，确定待检测时刻对应的人数偏差度量值；其中，人数偏差度量值用于表征待检测时刻的在线人数与历史在线人数数据的差异大小；如果人数偏差度量值超过预设阈值，确定待检测时刻的在线人数异常。进一步的，上述根据待检测时刻的临近时刻的邻近在线人数数据，判断待检测时刻的在线人数是否疑似异常的步骤，包括：从待检测时刻的临近时刻的邻近在线人数数据中提取特征信息；特征信息包括时间属性特征信息和/或时间窗口特征信息；将特征信息输入预设的在线人数预测模型中进行预测，得到待检测时刻的预测人数；其中，在线人数预测模型为预先基于历史在线人数数据训练得到的；根据待检测时刻的在线人数和预测人数，判断待检测时刻的在线人数是否疑似异常。进一步的，上述根据待检测时刻的在线人数和预测人数，判断待检测时刻的在线人数是否疑似异常的步骤，包括：计算待检测时刻的在线人数和预测人数的第一差值；判断第一差值是否超过第一预设阈值；如果是，确定待检测时刻的在线人数疑似异常。进一步的，上述在线人数预测模型的训练过程如下：获取训练样本集；训练样本集中的样本包括：第一时刻对应的特征信息及第一时刻对应的下一时刻的在线人数；基于训练样本集对预设的预测模型进行训练，得到在线人数预测模型。进一步的，上述预测模型包括以下之一：RNN、LSTM、BILSTM、ARIMA。进一步的，上述根据历史在线人数数据及待检测时刻的在线人数，确定待检测时刻对应的人数偏差度量值的步骤，包括：根据历史在线人数数据，计算待检测时刻对应的最大人数偏差值；根据历史在线人数数据及待检测时刻的在线人数，计算待检测时刻对应的实际人数偏差值；计算实际人数偏差值和最大人数偏差值的第二差值，得到待检测时刻对应的人数偏差度量值。进一步的，上述历史在线人数数据包括多个与待检测时刻相同的历史时刻对应的在线人数；根据历史在线人数数据，计算待检测时刻对应的最大人数偏差值的步骤，包括：基于多个历史时刻对应的在线人数，计算多个历史时刻分别对应的距离均值；将多个距离均值中的最大值，确定为待检测时刻对应的最大人数偏差值。进一步的，上述基于多个历史时刻对应的在线人数，计算多个历史时刻分别对应的距离均值的步骤，包括：将每个历史时刻作为当前时刻，执行以下步骤：计算每个当前时刻的在线人数与多个其它历史时刻的在线人数间的距离；根据多个距离，计算当前时刻对应的距离均值。进一步的，上述根据历史在线人数数据及待检测时刻的在线人数，计算待检测时刻对应的实际人数偏差值的步骤，包括：根据多个历史时刻分别对应的在线人数，计算待检测时刻的在线人数与其它每个历史时刻的在线人数之间的距离；根据多个距离，计算待检测时刻对应的实际人数偏差值。进一步的，上述根据多个距离，计算待检测时刻对应的实际人数偏差值的步骤，包括：将多个距离从小到大进行排序；从最小距离开始，选择指定个数的距离；求取指定个数的距离的平均值，得到待检测时刻对应的实际人数偏差值。进一步的，上述临近时刻为待检测时刻对应的前指定个数的采样时刻。第二方面，本申请实施例还提供一种在线人数的异常检测装置，通过服务器采集在线人数数据，在线人数数据包括在线人数和采集时刻对应的特征信息；装置包括：异常判断模块，用于根据待检测时刻的临近时刻的邻近在线人数数据，判断待检测时刻的在线人数是否疑似异常；数据获取模块，用于在异常判断模块的判断结果为是时，获取待检测时刻对应的历史在线人数数据；人数偏差确定模块，用于根据历史在线人数数据及待检测时刻的在线人数，确定待检测时刻对应的人数偏差度量值；其中，人数偏差度量值用于表征待检测时刻的在线人数与历史在线人数数据的差异大小；异常确定模块，用于如果人数偏差度量值超过预设阈值，确定待检测时刻的在线人数异常。第三方面，本申请实施例还提供一种电子设备，包括处理器和存储器，存储器存储有能够被处理器执行的计算机可执行指令，处理器执行计算机可执行指令以实现上述方法。第四方面，本申请实施例还提供一种计算机可读存储介质，计算机可读存储介质存储有计算机可执行指令，计算机可执行指令在被处理器调用和执行时，计算机可执行指令促使处理器实现上述方法。本申请实施例提供的在线人数的异常检测方法，首先根据待检测时刻的临近时刻的邻近在线人数数据，判断待检测时刻的在线人数是否疑似异常；如果疑似异常，再基于获取的待检测时刻对应的历史在线人数数据和待检测时刻的在线人数，确定待检测时刻对应的人数偏差度量值；该人数偏差度量值用于表征待检测时刻的在线人数与历史在线人数数据的差异大小；如果人数偏差度量值超过预设阈值，可以确定待检测时刻的在线人数异常。本申请实施例提供的异常检测方法，通过初步异常判断和二次异常验证的过程来进行在线人数的异常检测，可以提高异常检测的准确性。附图说明为了更清楚地说明本申请具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本申请的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本申请实施例提供的一种在线人数的异常检测方法的流程图；图2为本申请实施例提供的一种模型训练方法的流程图；图3为本申请实施例提供的一种初步异常判断方法的流程图；图4为本申请实施例提供的一种偏差计算方法的流程图；图5为本申请实施例提供的另一种在线人数的异常检测方法的流程图；图6为本申请实施例提供的一种在线人数的异常检测装置的结构框图；图7为本申请实施例提供的一种电本文档来自技高网...

【技术保护点】
1.一种在线人数的异常检测方法，其特征在于，通过服务器采集在线人数数据，所述在线人数数据包括在线人数和采集时刻对应的特征信息；所述方法包括：/n根据待检测时刻的临近时刻的邻近在线人数数据，判断所述待检测时刻的在线人数是否疑似异常；/n如果是，获取所述待检测时刻对应的历史在线人数数据；/n根据所述历史在线人数数据及所述待检测时刻的在线人数，确定所述待检测时刻对应的人数偏差度量值；其中，所述人数偏差度量值用于表征所述待检测时刻的在线人数与所述历史在线人数数据的差异大小；/n如果所述人数偏差度量值超过预设阈值，确定所述待检测时刻的在线人数异常。/n

【技术特征摘要】
1.一种在线人数的异常检测方法，其特征在于，通过服务器采集在线人数数据，所述在线人数数据包括在线人数和采集时刻对应的特征信息；所述方法包括：
根据待检测时刻的临近时刻的邻近在线人数数据，判断所述待检测时刻的在线人数是否疑似异常；
如果是，获取所述待检测时刻对应的历史在线人数数据；
根据所述历史在线人数数据及所述待检测时刻的在线人数，确定所述待检测时刻对应的人数偏差度量值；其中，所述人数偏差度量值用于表征所述待检测时刻的在线人数与所述历史在线人数数据的差异大小；
如果所述人数偏差度量值超过预设阈值，确定所述待检测时刻的在线人数异常。


2.根据权利要求1所述的方法，其特征在于，根据待检测时刻的临近时刻的邻近在线人数数据，判断所述待检测时刻的在线人数是否疑似异常的步骤，包括：
从待检测时刻的临近时刻的邻近在线人数数据中提取特征信息；所述特征信息包括时间属性特征信息和/或时间窗口特征信息；
将所述特征信息输入预设的在线人数预测模型中进行预测，得到所述待检测时刻的预测人数；其中，所述在线人数预测模型为预先基于历史在线人数数据训练得到的；
根据所述待检测时刻的在线人数和所述预测人数，判断所述待检测时刻的在线人数是否疑似异常。


3.根据权利要求2所述的方法，其特征在于，根据所述待检测时刻的在线人数和所述预测人数，判断所述待检测时刻的在线人数是否疑似异常的步骤，包括：
计算所述待检测时刻的在线人数和所述预测人数的第一差值；
判断所述第一差值是否超过第一预设阈值；
如果是，确定所述待检测时刻的在线人数疑似异常。


4.根据权利要求2所述的方法，其特征在于，所述在线人数预测模型的训练过程如下：
获取训练样本集；所述训练样本集中的样本包括：第一时刻对应的特征信息及所述第一时刻对应的下一时刻的在线人数；
基于所述训练样本集对预设的预测模型进行训练，得到在线人数预测模型。


5.根据权利要求4所述的方法，其特征在于，所述预测模型包括以下之一：RNN、LSTM、BILSTM、ARIMA。


6.根据权利要求1所述的方法，其特征在于，根据所述历史在线人数数据及所述待检测时刻的在线人数，确定待检测时刻对应的人数偏差度量值的步骤，包括：
根据所述历史在线人数数据，计算所述待检测时刻对应的最大人数偏差值；
根据所述历史在线人数数据及所述待检测时刻的在线人数，计算所述待检测时刻对应的实际人数偏差值；
计算所述实际人数偏差值和所述最大人数偏差值的第二差值，得到所述待检测时刻对应的人数偏差度量值。


7.根据权利要求6所述的方法，其特征在于，所述历史在线人数数据包括多个与所述待检测时刻相同的历史时刻对应的在线人数；
根据所述历史在线人...

【专利技术属性】
技术研发人员：张建，张文晶，
申请(专利权)人：网易杭州网络有限公司，
类型：发明
国别省市：浙江;33