基于条件变分自动编码器的KPI异常检测方法和装置制造方法及图纸

本申请提出了一种基于条件变分自动编码器的关键性能指标KPI异常检测方法，涉及互联网服务异常检测技术领域，其中，该方法包括：获取关键性能指标KPI数据，所述KPI数据包括待检测数据和历史数据；对所述KPI数据进行预处理，获得滑动窗口和所述滑动窗口对应的时间条件向量；对滑动窗口进行缺失点填补，获得新的滑动窗口；根据所述新的滑动窗口和所述滑动窗口对应的时间条件向量，通过预设的条件自动变分编码器CVAE模型计算所述新的滑动窗口的负重构概率，将所述负重构概率作为异常分数；根据所述异常分数确定所述KPI数据是否异常。采用上述方案的本发明专利技术在保持其性能高、不需要选择算法和精调参数、不依赖标注、时间开销小的优势上，进一步提升了稳健性。

【技术实现步骤摘要】
基于条件变分自动编码器的KPI异常检测方法和装置
本申请涉及互联网服务异常检测
，尤其涉及一种基于条件变分自动编码器的关键性能指标KPI异常检测方法方法和装置。
技术介绍
为了保证互联网服务的可用性，关键性能指标(keyperformanceindicator,KPI)被用来监控服务的状态，例如每分钟的页面访问数，在线用户数和订单数目等。在大型的互联网服务中，可能有多达数万甚至数十万的KPI需要监控。为了及时检测其中的异常，从而及时处理故障，自动化的KPI异常检测算法是必需的。KPI通常是周期性采集的，例如每一分钟或者每10秒钟采集一次。因此KPI是一个时间序列，它包含一系列数据点，每个数据点对应一个时间点。由于一些技术问题或者业务问题，有的时间点可能没有采集到对应的KPI值，我们称这样的KPI数据点为缺失点。但是这类数据点是可以直接和正常点区分开的，因此本文中说的异常点不包括这样的缺失点，而非正常点则包括异常点和缺失点。我们将异常点定义为不符合KPI的正常模式的点。现有的技术可以分为几类：传统统计方法，通过对数据本文档来自技高网...

【技术保护点】
1.一种基于条件变分自动编码器的关键性能指标KPI异常检测方法，其特征在于，包括以下步骤：/n获取关键性能指标KPI数据，所述KPI数据包括待检测数据和历史数据；/n对所述待检测数据进行处理，获得滑动窗口和所述滑动窗口对应的时间条件向量；/n根据所述滑动窗口和所述滑动窗口对应的时间条件向量，通过预设的条件自动变分编码器CVAE模型计算所述新的滑动窗口的负重构概率，将所述负重构概率作为异常分数；/n根据所述异常分数确定所述KPI数据是否异常，所述异常分数越大，KPI数据越异常。/n

【技术特征摘要】
1.一种基于条件变分自动编码器的关键性能指标KPI异常检测方法，其特征在于，包括以下步骤：
获取关键性能指标KPI数据，所述KPI数据包括待检测数据和历史数据；
对所述待检测数据进行处理，获得滑动窗口和所述滑动窗口对应的时间条件向量；
根据所述滑动窗口和所述滑动窗口对应的时间条件向量，通过预设的条件自动变分编码器CVAE模型计算所述新的滑动窗口的负重构概率，将所述负重构概率作为异常分数；
根据所述异常分数确定所述KPI数据是否异常，所述异常分数越大，KPI数据越异常。


2.如权利要求1所述的方法，其特征在于，所述对所述待检测数据进行处理，包括：
缺失值填补，采用马尔可夫链蒙特卡洛方法填补缺失点，具体做法为在每一步迭代的过程中，通过已知部分推测缺失部分的值，并用推测出来的值替换掉缺失部分的现有值；
数据标准化，将填补缺失值后的KPI数据进行零均值标准化，具体做法是首先计算数据的均值μ和标准差σ，然后将每一个数据点v放缩为其中μ是KPI上所有历史数据点的均值，σ是KPI上所有历史数据点的标准差v是当前在处理的新的数据点；
取滑动窗口，将数据标准化后的长度不定的KPI数据转化成一系列固定长度为w的向量作为滑动窗口，同时记录每个滑动窗口的时间条件向量。


3.如权利要求1所述的方法，其特征在于，对所述历史数据进行数据预处理后生成新的数据，将所述新的数据作为输入数据，采用蒙特卡洛积分法实现修改的信息下界M-ELBO和人工注入异常，完成对所述条件自动变分编码器CVAE模型的训练。


4.如权利要求3所述的方法，其特征在于，所述对所述历史数据进行数据预处理包括：
将所述历史数据中的缺失值填补为0，得到时间间隔总是固定值的时间序列；
对所述时间序列进行所述零均值标准化，具体做法是首先计算数据的均值μ和标准差σ，然后将每一个数据点v放缩为其中μ是KPI上所有历史数据点的均值，σ是KPI上所有历史数据点的标准差v是当前在处理的新的数据点；
对零均值标准化后的...

【专利技术属性】
技术研发人员：裴丹，李则言，
申请(专利权)人：清华大学，
类型：发明
国别省市：北京;11