【技术实现步骤摘要】
训练方法、异常检测方法、装置、设备和存储介质
[0001]本公开涉及人工智能领域或金融领域等，更具体地涉及一种异常检测模型的训练方法、异常检测方法、装置、设备、介质和程序产品。
技术介绍
[0002]随着人工智能、自动控制、通信和计算机技术的快速发展，可通过计算机系统、服务器、云服务、数据中心或传感器等对象的正常运行为用户提供服务。而为了保证用户能够正常使用服务，需要时刻监测上述对象的运行情况，以确保及时发现异常进行处理。相关技术中，例如可以采集计算机系统、服务器、云服务、数据中心或传感器等对象在运行过程中产生的数据，并利用采集到的数据进行异常检测。
[0003]以数据中心为例，随着数据中心中数据库系统规模的变大、复杂度的提高、监控覆盖的更加完善，监控数据量越来越大，运维人员无法很快从海量监控数据中发现运行异常的问题。因此，如何训练获得能够准确检测出对象异常的异常检测模型，从而利用异常检测模型对待检测对象进行异常检测成为亟待解决的问题。
技术实现思路
[0004]鉴于上述问题，本公开提供了一种训练方法...
【技术保护点】
【技术特征摘要】
1.一种异常检测模型的训练方法，包括：获取N种初始特征，其中，每种初始特征包括待检测对象的一种状态指标数据；利用M个异常检测算法分别处理所述N种初始特征，获得M组异常特征，其中，每组异常特征包含至少一种异常特征；将所述N种初始特征和/或M组异常特征中的每种异常特征作为S个分类模型的输入来进行分类训练；以及从训练后的所述S个分类模型中确定至少一个分类模型，以作为所述待检测对象的异常检测模型，其中，N、M和S分别为大于或等于1的整数。2.根据权利要求1所述的训练方法，其中，所述将所述N种初始特征和/或M组异常特征中的每种异常特征作为S个分类模型的输入来进行分类训练包括：将第一训练集合作为所述S个分类模型中的每个分类模型的输入，其中，所述第一训练集合包括至少一种训练特征，每种训练特征对应于一种初始特征或一种异常特征；基于第一评价指标来进行分类训练，其中，所述第一评价指标通过所述每个分类模型对应所述第一训练集合中每种训练特征输出的分类结果获得。3.根据权利要求2所述的训练方法，其中，包括：对于所述每个分类模型，基于所述第一训练集合中每种训练特征的分类结果和预设标签，获得每种训练特征对应的所述第一评价指标，其中，所述预设标签包括预先为每种训练特征标注的类别标签；其中，所述基于第一评价指标来进行分类训练包括：获得第二训练集合来进行分类训练，其中，所述第二训练集合包括：在所述第一训练集合中，所述第一评价指标大于或等于第一阈值的一种或多种训练特征。4.根据权利要求3所述的训练方法，其中，所述第一训练集合中每种训练特征包括在至少一个时刻的特征数据，所述基于所述第一训练集合中每种训练特征的分类结果和预设标签获得所述第一评价指标包括：对所述第一训练集合中每种训练特征，基于每个时刻的特征数据的分类结果和预设标签的一致性，获得所有分类结果的准确率和召回率，其中，所述预设标签包括预先为所述每个时刻的特征数据标注的类别标签；基于所述准确率和召回率，获得所述第一评价指标。5.根据权利要求3所述的训练方法，其中，所述获得第二训练集合来进行分类训练包括：对于所述每个分类模型，循环执行以下操作：在所述第一训练集合中剔除与所述第二训练集合重复的训练特征；将所述第二训练集合与剔除后的所述第一训练集合中的每种训练特征进行组合，获得一个或多个第三训练集合；在存在至少一个第三训练集合的第二评价指标大于所述第二训练集合的第二评价指标的情况下，将对应最大的第二评价指标的第三训练集合作为所述第二训练集合，其中，所述第二评价指标通过每个第三训练集合或所述第二训练集合中每种训练特征对应的分类结果获得。6.根据权利要求5所述的训练方法，其中，还包括：在所述将对应最大的第二评价指标的第三训练集合作为所述第二训练集合之后，若新的所述第二训练集合包含所述第一训练集合中的全部训练特征，结束本次循环；或
在不存在第三训练集合...
【专利技术属性】
技术研发人员：徐修颖，吴声，熊慧君，吴都，
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：
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。