一种指标数据异常检测方法和装置制造方法及图纸

本发明专利技术提供了一种指标数据异常检测方法和装置，属于大数据技术，该方法包括：获取待检测的指标数据；根据待检测的指标数据，确定关键指标；将关键指标按照数据类型，分为平稳型数据、突刺型数据和波动型数据；将波动型数据分为周期型波动型数据和非周期变化波动型数据；将平稳型数据、突刺型数据和周期型波动型数据，作为非特殊类型关键指标数据进行异常检测；将非周期变化波动型数据作为特殊类型关键指标数据进行异常检测。指标数据进行异常检测。指标数据进行异常检测。

【技术实现步骤摘要】
一种指标数据异常检测方法和装置


[0001]本专利技术涉及计算机数据处理
，属于大数据技术，尤其涉及一种指标数据异常检测方法和装置。

技术介绍

[0002]本部分旨在为权利要求书中陈述的本专利技术的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
[0003]在互联网金融时代，各大银行业务量呈爆发性增长，业务模式更新迭代频繁。云计算以其弹性计算、随用随取、快速迭代等新特性完美地契合了新形势下金融业IT系统的要求，和分布式等新技术体系一同支撑起了互联网金融业务的快速发展。但是云计算体系下IT环境和故障处理变得更加错综复杂，传统基于固定阈值的应用故障检测越来越难以满足复杂场景的需求。
[0004]传统基于固定阈值的故障检测,基于简单规则或者人为评估设定，对于一个复杂的应用来说，往往需要针对不同的指标设定多个不同的阈值，一方面这些阈值靠人为评估有较大误差，另外一方面固定的阈值无法做到根据不同的时间和场景进行自适应的改变，容易导致大量的误报和漏报警，给生产运维带来了较大的挑战。
[0005]因此，如何提供一种新的方案，其能够解决上述技术问题是本领域亟待解决的技术难题。

技术实现思路

[0006]本专利技术实施例提供一种指标数据异常检测方法，可以提高指标数据异常检测的精度，该方法包括：
[0007]获取待检测的指标数据；
[0008]根据待检测的指标数据，确定关键指标；
[0009]将关键指标按照数据类型，分为平稳型数据、突刺型数据和波动型数据；
[0010]将波动型数据分为周期型波动型数据和非周期变化波动型数据；
[0011]将平稳型数据、突刺型数据和周期型波动型数据，作为非特殊类型关键指标数据进行异常检测；
[0012]将非周期变化波动型数据作为特殊类型关键指标数据进行异常检测。
[0013]本专利技术实施例还提供一种指标数据异常检测装置，包括：
[0014]指标数据获取模块，用于获取待检测的指标数据；
[0015]关键指标确定模块，用于根据待检测的指标数据，确定关键指标；
[0016]关键指标分类模块，用于将关键指标按照数据类型，分为平稳型数据、突刺型数据和波动型数据；
[0017]波动型数据分类模块，用于将波动型数据分为周期型波动型数据和非周期变化波动型数据；
[0018]非特殊类型关键指标数据异常检测模块，用于将平稳型数据、突刺型数据和周期型波动型数据，作为非特殊类型关键指标数据进行异常检测；
[0019]特殊类型关键指标数据异常检测模块，用于将非周期变化波动型数据作为特殊类型关键指标数据进行异常检测。
[0020]本专利技术实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在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一种指标数据异常检测方法。
[0021]本专利技术实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述一种指标数据异常检测方法的计算机程序。
[0022]本专利技术实施例提供的一种指标数据异常检测方法和装置，包括：首先获取待检测的指标数据；然后根据待检测的指标数据，确定关键指标；接着将关键指标按照数据类型，分为平稳型数据、突刺型数据和波动型数据；继续将波动型数据分为周期型波动型数据和非周期变化波动型数据；下一步将平稳型数据、突刺型数据和周期型波动型数据，作为非特殊类型关键指标数据进行异常检测；最后将非周期变化波动型数据作为特殊类型关键指标数据进行异常检测。本专利技术实施例提出了一种可以自适应不同特性数据的指标数据异常检测方法，该方法在将指标数据区分为平稳型、突刺型、波动型三种类型中的一种，如果是波动型的会继续将波动型数据分为周期型波动型数据和非周期变化波动型数据，分别用不同的算法进行异常检测，从而提高指标数据异常检测的精度。
附图说明
[0023]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例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，下面描述中的附图仅仅是本专利技术的一些实施例，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。在附图中：
[0024]图1为本专利技术实施例一种指标数据异常检测方法示意图。
[0025]图2为本专利技术实施例一种指标数据异常检测方法的流程图。
[0026]图3为本专利技术实施例一种指标数据异常检测方法的关键指标分类过程示意图。
[0027]图4为本专利技术实施例一种指标数据异常检测方法的波动型数据分类过程示意图。
[0028]图5为本专利技术实施例一种指标数据异常检测方法的非周期变化波动型数据分类过程示意图。
[0029]图6为运行本专利技术实施的一种指标数据异常检测方法的计算机装置示意图。
[0030]图7为本专利技术实施例一种指标数据异常检测装置示意图。
具体实施方式
[0031]为使本专利技术实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本专利技术实施例做进一步详细说明。在此，本专利技术的示意性实施例及其说明用于解释本专利技术，但并不作为对本专利技术的限定。
[0032]本专利技术属于大数据技术。图1为本专利技术实施例一种指标数据异常检测方法示意图，如图1所示，本专利技术实施例提供一种指标数据异常检测方法，可以提高指标数据异常检测的
精度，该方法包括：
[0033]步骤101：获取待检测的指标数据；
[0034]步骤102：根据待检测的指标数据，确定关键指标；
[0035]步骤103：将关键指标按照数据类型，分为平稳型数据、突刺型数据和波动型数据；
[0036]步骤104：将波动型数据分为周期型波动型数据和非周期变化波动型数据；
[0037]步骤105：将平稳型数据、突刺型数据和周期型波动型数据，作为非特殊类型关键指标数据进行异常检测；
[0038]步骤106：将非周期变化波动型数据作为特殊类型关键指标数据进行异常检测。
[0039]本专利技术实施例提供的一种指标数据异常检测方法，包括：首先获取待检测的指标数据；然后根据待检测的指标数据，确定关键指标；接着将关键指标按照数据类型，分为平稳型数据、突刺型数据和波动型数据；继续将波动型数据分为周期型波动型数据和非周期变化波动型数据；下一步将平稳型数据、突刺型数据和周期型波动型数据，作为非特殊类型关键指标数据进行异常检测；最后将非周期变化波动型数据作为特殊类型关键指标数据进行异常检测。本专利技术实施例提出了一种可以自适应不同特性数据的指标数据异常检测方法，该方法在将指标数据区分为平稳型、突刺型、波动型三种类型中的一种，如果是波动型的会继续将波动型数据分为周期型波动型数据和非周期变化波动型数据，分别用不同的算法进行异常检测，从而提高指标数据异常检测的精度。
[0040]在本专利技术实施例中，交易模式，是指用运维数据来刻画交易的基本模式，比如某类交易的日志可以用本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种指标数据异常检测方法，其特征在于，包括：获取待检测的指标数据；根据待检测的指标数据，确定关键指标；将关键指标按照数据类型，分为平稳型数据、突刺型数据和波动型数据；将波动型数据分为周期型波动型数据和非周期变化波动型数据；将平稳型数据、突刺型数据和周期型波动型数据，作为非特殊类型关键指标数据进行异常检测；将非周期变化波动型数据作为特殊类型关键指标数据进行异常检测。2.如权利要求1所述的方法，其特征在于，将平稳型数据作为非特殊类型关键指标数据进行异常检测，包括：将平稳型数据在数据归一化后按照值域计算偏离度，将满足动态标准差阈值的指标值标记为异常。3.如权利要求1所述的方法，其特征在于，将突刺型数据作为非特殊类型关键指标数据进行异常检测，包括：对突刺型数据使用秩和检验和箱线图算法集成检验，将满足假设检验显著性水平的指标标记为异常点。4.如权利要求1所述的方法，其特征在于，将周期型波动型数据作为非特殊类型关键指标数据进行异常检测，包括：将周期型波动型数据在归一化后按照滑窗计算波动值，并基于时间序列异常检测算法S
‑
H
‑
ESD做异常检测，将检测值为1的指标标记为异常。5.一种指标数据异常检测装置，其特征在于，包括：指标数据获取模块，用于获取待检测的指标数据；关键指标确定模块，用于根据待检测的指标数据，确定关键指标；关键指标分类模块，用于将关键指标按照数据类型，分为平稳型数据、突刺型...

【专利技术属性】
技术研发人员：程鹏，任政，郑凯，吴庭栋，
申请(专利权)人：中国工商银行股份有限公司，
类型：发明
国别省市：