一种异常检测的方法、装置、计算机设备和介质制造方法及图纸

本申请提供了一种异常检测的方法、装置、计算机设备和介质，所述方法包括：获取训练使用的训练样本集合；针对每一个训练样本，将训练样本中的历史监控时序数据集合输入至待训练的堆叠‑共享变分自编码器模型，得到历史参考时序数据集合，并利用历史监控时序数据集合中每一个历史监控时序数据与历史参考时序数据集合中相对应通道的历史参考时序数据之间的差异，对待训练的堆叠‑共享变分自编码器模型进行训练；将从目标设备获取的监控时序数据输入至训练好的堆叠‑共享变分自编码器模型，得到参考时序数据；根据每一个监控时序数据和对应的参考时序数据之间的差异，确定目标设备的异常情况；根据目标设备的异常情况发送异常报警信息。

【技术实现步骤摘要】
一种异常检测的方法、装置、计算机设备和介质
本申请涉及数据处理领域，具体而言，涉及一种异常检测的方法、装置、计算机设备和介质。
技术介绍
当代社会，随着科学的进步，机器设备、计算机系统等都广泛的应用在了人们的生产生活中，在生活的各个环节都大大的解放了生产力，提高了生产效率。常见的设备包括工业生产场景下的风力发电机、水坝、计算集群等，这些设备并不是永恒的，在长期工作的情况下会出现磨损、零件损坏、程序崩溃等情况。
技术实现思路
有鉴于此，本申请的目的在于提供一种异常检测的方法、装置、计算机设备和介质，用于解决现有技术中设备异常检测模型的运行效率低的问题。第一方面，本申请实施例提供了一种异常检测的方法，包括：获取训练使用的训练样本集合；所述训练样本集合包括至少一个训练样本；其中，所述训练样本包括从目标设备类型的设备集群的每一个通道获取的历史监控时序数据集合，所述历史监控时序数据集合中包括所述设备集群中的设备在正常模式下的历史监控时序数据；所述设备集群中包括至少一个设备；针对每一个训练样本，将所述训练样本中的历史监控时序数据集合输入至待训练的堆叠-共享变分自编码器模型，得到历史参考时序数据集合，并利用所述历史监控时序数据集合中每一个历史监控时序数据与所述历史参考时序数据集合中相对应通道的历史参考时序数据之间的差异，对待训练的堆叠-共享变分自编码器模型进行训练；将从目标设备的每一个通道获取的监控时序数据输入至训练好的堆叠-共享变分自编码器模型，得到每一个所述监控时序数据的参考时序数据；根据每一个所述监控时序数据和对应的参考时序数据之间的差异，确定所述目标设备的异常情况；根据所述目标设备的异常情况发送异常报警信息。可选的，针对每一个训练样本，将所述训练样本中的历史监控时序数据集合输入至待训练的堆叠-共享变分自编码器模型，得到历史参考时序数据集合，并利用所述历史监控时序数据集合中每一个历史监控时序数据与所述历史参考时序数据集合中相对应通道的历史参考时序数据之间的差异，对待训练的堆叠-共享变分自编码器模型进行训练，包括：针对每一个训练样本中每一个通道对应的历史监控时序数据，将所述历史监控时序数据输入至待训练的堆叠-共享变分自编码器模型，得到历史参考时序数据，并利用所述历史监控时序数据与所述历史参考时序数据之间的差异，对待训练的堆叠-共享变分自编码器模型进行训练。可选的，将所述历史监控时序数据输入至待训练的堆叠-共享变分自编码器模型，得到历史参考时序数据，包括：通过待训练的堆叠-共享变分自编码器模型的编码器对所述历史监控时序数据进行编码，得到所述历史监控时序数据的历史隐藏状态；通过待训练的堆叠-共享变分自编码器模型的解码器对所述历史隐藏状态进行解码，得到所述历史参考时序数据。可选的，通过待训练的堆叠-共享变分自编码器模型的编码器对所述历史监控时序数据进行编码，得到所述历史监控时序数据的历史隐藏状态，包括：通过待训练的堆叠-共享变分自编码器模型的编码器计算出所述历史监控时序数据的概率分布；通过随机采样从所述概率分布中得到所述历史监控时序数据的历史隐藏状态。可选的，根据每一个所述监控时序数据和对应的参考时序数据之间的差异，确定所述目标设备的异常情况，包括：针对每一个所述监控时序数据，计算所述监控时序数据每个时刻的监控数据与所述参考时序数据中相应时刻的参考数据之间的平误方差；根据每个时刻所对应的平方误差和预设异常阈值，确定所述目标设备的异常情况。第二方面，本申请实施例提供了一种异常检测的装置，包括：第一获取模块，用于获取训练使用的训练样本集合；所述训练样本集合包括至少一个训练样本；其中，所述训练样本包括从目标设备类型的设备集群的每一个通道获取的历史监控时序数据集合，所述历史监控时序数据集合中包括所述设备集群中的设备在正常模式下的历史监控时序数据；所述设备集群中包括至少一个设备；训练模块，用于针对每一个训练样本，将所述训练样本中的历史监控时序数据集合输入至待训练的堆叠-共享变分自编码器模型，得到历史参考时序数据集合，并利用所述历史监控时序数据集合中每一个历史监控时序数据与所述历史参考时序数据集合中相对应通道的历史参考时序数据之间的差异，对待训练的堆叠-共享变分自编码器模型进行训练；第二获取模块，用于将从目标设备的每一个通道获取的监控时序数据输入至训练好的堆叠-共享变分自编码器模型，得到每一个所述监控时序数据的参考时序数据；判断模块，用于根据每一个所述监控时序数据和对应的参考时序数据之间的差异，确定所述目标设备的异常情况；报警模块，用于根据所述目标设备的异常情况发送异常报警信息。可选的，所述训练模块，包括：训练单元，用于针对每一个训练样本中每一个通道对应的历史监控时序数据，将所述历史监控时序数据输入至待训练的堆叠-共享变分自编码器模型，得到历史参考时序数据，并利用所述历史监控时序数据与所述历史参考时序数据之间的差异，对待训练的堆叠-共享变分自编码器模型进行训练。可选的，所述训练单元，包括：编码子单元，用于通过待训练的堆叠-共享变分自编码器模型的编码器对所述历史监控时序数据进行编码，得到所述历史监控时序数据的历史隐藏状态；解码子单元，用于通过待训练的堆叠-共享变分自编码器模型的解码器对所述历史隐藏状态进行解码，得到所述历史参考时序数据。第三方面，本申请实施例提供了一种计算机设备，包括存储器、处理器及存储在所述存储器上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方法的步骤。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上存储有计算机程序，所述计算机程序被处理器运行时执行上述方法的步骤。本申请实施例提供的异常检测的方法，首先，获取训练使用的训练样本集合；所述训练样本集合包括至少一个训练样本；其中，所述训练样本包括从目标设备类型的设备集群的每一个通道获取的历史监控时序数据集合，所述历史监控时序数据集合中包括所述设备集群中的设备在正常模式下的历史监控时序数据；所述设备集群中包括至少一个设备；然后，针对每一个训练样本，将所述训练样本中的历史监控时序数据集合输入至待训练的堆叠-共享变分自编码器模型，得到历史参考时序数据集合，并利用所述历史监控时序数据集合中每一个历史监控时序数据与所述历史参考时序数据集合中相对应通道的历史参考时序数据之间的差异，对待训练的堆叠-共享变分自编码器模型进行训练；其次，将从目标设备的每一个通道获取的监控时序数据输入至训练好的堆叠-共享变分自编码器模型，得到每一个所述监控时序数据的参考时序数据；再次，根据每一个所述监控时序数据和对应的参考时序数据之间的差异，确定所述目标设备的异常情况；最后，根据所述目标设备的异常情况发送异常报警信息。在一些实施例中，本申请利用历史监控时序数据集合中每一个通道对应的历史监控时序数据对待训练的堆叠-共享变分自本文档来自技高网...

【技术保护点】
1.一种异常检测的方法，其特征在于，包括：/n获取训练使用的训练样本集合；所述训练样本集合包括至少一个训练样本；其中，所述训练样本包括从目标设备类型的设备集群的每一个通道获取的历史监控时序数据集合，所述历史监控时序数据集合中包括所述设备集群中的设备在正常模式下的历史监控时序数据；所述设备集群中包括至少一个设备；/n针对每一个训练样本，将所述训练样本中的历史监控时序数据集合输入至待训练的堆叠-共享变分自编码器模型，得到历史参考时序数据集合，并利用所述历史监控时序数据集合中每一个历史监控时序数据与所述历史参考时序数据集合中相对应通道的历史参考时序数据之间的差异，对待训练的堆叠-共享变分自编码器模型进行训练；/n将从目标设备的每一个通道获取的监控时序数据输入至训练好的堆叠-共享变分自编码器模型，得到每一个所述监控时序数据的参考时序数据；/n根据每一个所述监控时序数据和对应的参考时序数据之间的差异，确定所述目标设备的异常情况；/n根据所述目标设备的异常情况发送异常报警信息。/n

【技术特征摘要】
1.一种异常检测的方法，其特征在于，包括：
获取训练使用的训练样本集合；所述训练样本集合包括至少一个训练样本；其中，所述训练样本包括从目标设备类型的设备集群的每一个通道获取的历史监控时序数据集合，所述历史监控时序数据集合中包括所述设备集群中的设备在正常模式下的历史监控时序数据；所述设备集群中包括至少一个设备；
针对每一个训练样本，将所述训练样本中的历史监控时序数据集合输入至待训练的堆叠-共享变分自编码器模型，得到历史参考时序数据集合，并利用所述历史监控时序数据集合中每一个历史监控时序数据与所述历史参考时序数据集合中相对应通道的历史参考时序数据之间的差异，对待训练的堆叠-共享变分自编码器模型进行训练；
将从目标设备的每一个通道获取的监控时序数据输入至训练好的堆叠-共享变分自编码器模型，得到每一个所述监控时序数据的参考时序数据；
根据每一个所述监控时序数据和对应的参考时序数据之间的差异，确定所述目标设备的异常情况；
根据所述目标设备的异常情况发送异常报警信息。


2.根据权利要求1所述的方法，其特征在于，针对每一个训练样本，将所述训练样本中的历史监控时序数据集合输入至待训练的堆叠-共享变分自编码器模型，得到历史参考时序数据集合，并利用所述历史监控时序数据集合中每一个历史监控时序数据与所述历史参考时序数据集合中相对应通道的历史参考时序数据之间的差异，对待训练的堆叠-共享变分自编码器模型进行训练，包括：
针对每一个训练样本中每一个通道对应的历史监控时序数据，将所述历史监控时序数据输入至待训练的堆叠-共享变分自编码器模型，得到历史参考时序数据，并利用所述历史监控时序数据与所述历史参考时序数据之间的差异，对待训练的堆叠-共享变分自编码器模型进行训练。


3.根据权利要求2所述的方法，其特征在于，将所述历史监控时序数据输入至待训练的堆叠-共享变分自编码器模型，得到历史参考时序数据，包括：
通过待训练的堆叠-共享变分自编码器模型的编码器对所述历史监控时序数据进行编码，得到所述历史监控时序数据的历史隐藏状态；
通过待训练的堆叠-共享变分自编码器模型的解码器对所述历史隐藏状态进行解码，得到所述历史参考时序数据。


4.根据权利要求3所述的方法，其特征在于，通过待训练的堆叠-共享变分自编码器模型的编码器对所述历史监控时序数据进行编码，得到所述历史监控时序数据的历史隐藏状态，包括：
通过待训练的堆叠-共享变分自编码器模型的编码器计算出所述历史监控时序数据的概率分布；
通过随机采样从所述概率分布中得到所述历史监控时序数据的历史隐藏状态。


5.根据权利要求1所述的方法，其特征在于，根据每一个所述监控时序数据和对应...

【专利技术属性】
技术研发人员：不公告发明人，
申请(专利权)人：北京瑞莱智慧科技有限公司，
类型：发明
国别省市：北京;11