一种异常检测方法及装置制造方法及图纸

本申请提供了一种异常检测方法及装置。该方法为：获取设备的待识别数据；对所述待识别数据进行聚类处理，确定所述待识别数据对应的聚类结果；利用与所述聚类结果相匹配的异常检测模型，对所述待识别数据进行检测，得到所述识别数据的异常检测结果。与现有技术的单一检测算法相比，本申请会利用与该待识别数据相匹配的异常检测模型来检测，从而提高了异常检测结果的准确性。结果的准确性。结果的准确性。

【技术实现步骤摘要】
一种异常检测方法及装置


[0001]本申请涉及计算机
，尤其涉及一种异常检测方法及装置。

技术介绍

[0002]为了及时掌握系统中多种设备的运行状况，并对设备中的异常及时告警，异常检测已经成为业界关注的重点。异常检测是指通过数据挖掘的方式来识别数据中的“异常点”。时序数据的异常检测是异常检测中的主要应用场景，通过异常检测算法检测出时序数据中的异常点并做出告警。在实际应用场景中，不同的时序数据符合不同的分布，如泊松分布，高斯分布等，但在进行异常检测时，大部分运维人员会忽略不同数据的分布问题，采取相同的异常检测算法进行检测，从而会导致异常检测效果较差。
[0003]因此，如何提高异常检测结果的准确性是值得考虑的技术问题之一。

技术实现思路

[0004]有鉴于此，本申请提供一种异常检测方法及装置，用以提高异常检测结果的准确性。
[0005]具体地，本申请是通过如下技术方案实现的：
[0006]根据本申请的第一方面，提供一种异常检测方法，包括：
[0007]获取设备的待识别数据；
[0008]对所述待识别数据进行聚类处理，确定所述待识别数据对应的聚类结果；
[0009]利用与所述聚类结果相匹配的异常检测模型，对所述待识别数据进行检测，得到所述识别数据的异常检测结果。
[0010]可选地，在对所述待识别数据进行聚类处理之前，还包括：
[0011]对所述待识别数据进行数据填充处理，得到处理后的待识别数据；
[0012]进一步地，对所述待识别数据进行聚类处理，包括：
[0013]对处理后的待识别数据进行聚类处理。
[0014]可选地，对所述待识别数据进行数据填充处理，包括：
[0015]利用就近插补算法或线性差值算法对所述待识别数据进行数据填充处理。
[0016]可选地，对所述待识别数据进行聚类处理，包括：
[0017]利用不同类型的核函数对所述待识别数据进行聚类处理，确定所述待识别数据在各个核函数下的概率；
[0018]根据确定出的各个概率，将概率最大的核函数所属的类型确定为所述待识别数据的聚类结果。
[0019]可选地，所述不同类型的核函数至少包括以下一项：矩形分布对应的核函数、高斯分布对应核函数和泊松分布对应的核函数。
[0020]根据本申请的第二方面，提供一种异常检测装置，包括：
[0021]获取模块，用于获取设备的待识别数据；
[0022]聚类处理模块，用于对所述待识别数据进行聚类处理，确定所述待识别数据对应的聚类结果；
[0023]检测模块，用于利用与所述聚类结果相匹配的异常检测模型，对所述待识别数据进行检测，得到所述识别数据的异常检测结果。
[0024]可选地，本实施例提供的异常检测装置，还包括：
[0025]填充模块，用于在所述聚类处理模块对所述待识别数据进行聚类处理之前，对所述待识别数据进行数据填充处理，得到处理后的待识别数据；
[0026]进一步地，所述聚类处理模块，具体用于对处理后的待识别数据进行聚类处理。
[0027]可选地，所述填充模块，具体用于利用就近插补算法或线性差值算法对所述待识别数据进行数据填充处理。
[0028]可选地，所述聚类处理模块，具体用于利用不同类型的核函数对所述待识别数据进行聚类处理，确定所述待识别数据在各个核函数下的概率；根据确定出的各个概率，将概率最大的核函数所属的类型确定为所述待识别数据的聚类结果。
[0029]可选地，所述不同类型的核函数至少包括以下一项：矩形分布对应的核函数、高斯分布对应核函数和泊松分布对应的核函数。
[0030]根据本申请的第三方面，提供一种电子设备，包括处理器和机器可读存储介质，机器可读存储介质存储有能够被处理器执行的计算机程序，处理器被计算机程序促使执行本申请实施例第一方面所提供的方法。
[0031]根据本申请的第四方面，提供一种机器可读存储介质，机器可读存储介质存储有计算机程序，在被处理器调用和执行时，计算机程序促使处理器执行本申请实施例第一方面所提供的方法。
[0032]本申请实施例的有益效果：
[0033]通过对待识别数据进行聚类分析，然后分析确定出该待识别数据所属的聚类，然后利用待识别数据所属的聚类对应的异常检测模型对该待识别数据进行检测，与现有技术的单一检测算法相比，本申请会利用与该待识别数据相匹配的异常检测模型来检测，从而提高了异常检测结果的准确性。
附图说明
[0034]图1是本申请实施例提供的一种异常检测方法的流程示意图；
[0035]图2是本申请实施例提供的一种异常检测装置的结构示意图；
[0036]图3是本申请实施例提供的一种实施异常检测方法的电子设备的硬件结构示意图。
具体实施方式
[0037]这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如本申请的一些方面相一致的装置和方法的例子。
[0038]在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。
在本申请中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相对应的列出项目的任何或所有可能组合。
[0039]应当理解，尽管在本申请可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在
……
时”或“当
……
时”或“响应于确定”。
[0040]下面对本申请提供的异常检测方法进行详细地说明。
[0041]参见图1，图1是本申请提供的一种异常检测方法的流程图，该方法可包括如下所示步骤：
[0042]S101、获取设备的待识别数据。
[0043]本步骤中，上述设备可以但不限于为需要异常检测的设备，如业务处理比较多的网络设备等等。由此一来，本申请中实施异常检测方法的检测设备就可以对上述需要检测的设备进行监测，以获取到该设备的待识别数据。
[0044]可选地，上述待识别数据可以但不限于为设备的关键绩效指标KPI，上述KPI指标可以但不限于包括CPU使用率(MEM_USED_PERCENT)、内存使用率(CPU_IDLE)、CPU下载服务情况(CPU_SERVER_LOADING)、设备的TCP连接丢失情况(NET_TCP_LOSS)等等。
[0045]S102、对所述待识别数据进行聚类处理，确定所述待识别数据对本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种异常检测方法，其特征在于，包括：获取设备的待识别数据；对所述待识别数据进行聚类处理，确定所述待识别数据对应的聚类结果；利用与所述聚类结果相匹配的异常检测模型，对所述待识别数据进行检测，得到所述识别数据的异常检测结果。2.根据权利要求1所述的方法，其特征在于，在对所述待识别数据进行聚类处理之前，还包括：对所述待识别数据进行数据填充处理，得到处理后的待识别数据；对所述待识别数据进行聚类处理，包括：对处理后的待识别数据进行聚类处理。3.根据权利要求1所述的方法，其特征在于，对所述待识别数据进行数据填充处理，包括：利用就近插补算法或线性差值算法对所述待识别数据进行数据填充处理。4.根据权利要求1所述的方法，其特征在于，对所述待识别数据进行聚类处理，包括：利用不同类型的核函数对所述待识别数据进行聚类处理，确定所述待识别数据在各个核函数下的概率；根据确定出的各个概率，将概率最大的核函数所属的类型确定为所述待识别数据的聚类结果。5.根据权利要求4所述的方法，其特征在于，所述不同类型的核函数至少包括以下一项：矩形分布对应的核函数、高斯分布对应核函数和泊松分布对应的核函数。6.一种异常检测装置，其特征在于，...

【专利技术属性】
技术研发人员：王美娟，
申请(专利权)人：新华三大数据技术有限公司，
类型：发明
国别省市：