异常信息检测模型的构建方法和灰度环境异常检测方法技术

本公开提供了一种异常信息检测模型的构建方法和灰度环境异常检测方法，可以应用于人工智能领域。构建方法包括：获取训练样本，其中，训练样本包括训练数据和与样本标签，训练数据包括第一历史检测偏离度，第一历史偏离度基于待检测系统分别在灰度环境中运行的第一历史检测数据和在正式环境中运行的第二历史检测数据生成，样本标签包括第二历史偏离度；获取N个初始模型；利用训练数据分别训练N个初始模型中的每个初始模型，得到训练后的N个预测模型；根据样本标签，确定N个预测模型各自的预测精度；根据N个预测模型各自的预测精度，构建异常信息检测模型。本公开还提供了异常信息检测模型的构建装置、灰度环境异常检测装置、设备、介质和程序产品。介质和程序产品。介质和程序产品。

【技术实现步骤摘要】
异常信息检测模型的构建方法和灰度环境异常检测方法


[0001]本公开涉及人工智能领域，具体地涉及一种异常信息检测模型的构建方法、灰度环境异常检测方法、装置、设备、介质和程序产品。

技术介绍

[0002]为了适应业务的快速上线，系统功能升级周期进一步缩短，通过灰度发布上线，即将需要投产的系统发布至灰度环境中运行，可以通过灰度环境检测系统运行的异常情况，有针对性地进行调整，从而可以有效降低系统投产上线可能引发的风险。
[0003]在实现本公开的专利技术构思过程中，专利技术人发现相关技术中通过获取到的运行数据和预先设定的检测阈值，来检测系统在灰度环境中运行的异常情况，检测手段智能化程度较低，且检测准确率较低。

技术实现思路

[0004]鉴于上述问题，本公开提供了异常信息检测模型的构建方法、灰度环境异常检测方法、装置、设备、介质和程序产品。
[0005]根据本公开的第一个方面，提供了一种异常信息检测模型的构建方法，包括：
[0006]获取训练样本，其中，上述训练样本包括训练数据和与上述训练数据相对应的样本标签，上本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种异常信息检测模型的构建方法，包括：获取训练样本，其中，所述训练样本包括训练数据和与所述训练数据相对应的样本标签，所述训练数据包括第一历史检测偏离度，所述第一历史偏离度基于待检测系统分别在灰度环境中运行的第一历史检测数据和在正式环境中运行的第二历史检测数据生成，所述样本标签包括第二历史偏离度，所述训练数据的时序标记早于所述样本标签；获取N个初始模型，其中，N个所述初始模型各自的网络结构不同，N≥2；利用所述训练数据分别训练N个所述初始模型中的每个初始模型，得到训练后的N个预测模型，其中，每个预测模型与N个所述初始模型中的一个初始模型相对应；根据所述样本标签，确定N个所述预测模型各自的预测精度；根据N个所述预测模型各自的预测精度，构建异常信息检测模型。2.根据权利要求1所述的构建方法，其中，根据所述样本标签，确定N个所述预测模型各自的预测精度包括：将所述训练数据分别输入至N个所述预测模型，得到每个所述预测模型各自输出的预测结果；利用所述样本标签分别处理N个所述预测模型各自输出的预测结果，确定N个所述预测模型各自的预测精度。3.根据权利要求1所述的构建方法，其中，根据N个所述预测模型各自的预测精度，构建异常信息检测模型包括：根据N个所述预测模型各自的预测精度，确定每个所述预测模型相对应的检测权重；根据N个所述预测模型和每个所述预测模型相对应的检测权重，构建所述异常信息检测模型。4.根据权利要求1所述的构建方法，其中，所述初始模型包括基于时间序列算法构建的模型。5.根据权利要求4所述的构建方法，其中，所述基于时间序列算法构建的模型包括以下至少一项：指数平滑模型、自回归差分移动平均模型、Prophet模型、自回归模型、移动平均模型。6.根据权利要求1所述的构建方法，其中，所述第一历史检测数据或所述第二历史检测数据包括以下至少一项：所述待检测系统的响应时长、所述待检测系统的系统容量、所述待检测系统的运行错误频次、所述待检测系统的请求频次。7.一种灰度环境异常检测方法，包括：获取检测偏离度，所述检测偏离度基于待检测系统分别在灰度环境中运行的第一检测数据和在正式环境中运行的第二检测数据生成；将所述检测偏离度输入至异常信息检测模型，输出异常信息检测结果，其中，所述异常信息检测结果表征所述待检测系统的运行异常情况，所述异常信息检测模型由权利要求1至6中任一项所述的异常信息检测模型的构建方法构建得到。8.根据权利要求7所述的方法，还包括：根据所述异常信息检测结果，和/或根据待检测系统在灰度环境中运行产生的第一报警信息与目标报警信息库中的...

【专利技术属性】
技术研发人员：程鹏，白佳乐，任政，郭相权，
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：