服务异常检测方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种服务异常检测方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：获取待检测的服务数据时间序列；根据服务数据时间序列对应的多个数据切分点，将服务数据时间序列拆分为多个子服务数据时间序列；根据各子服务数据时间序列对应的数据特征向量，确定异常检测信息，并采用异常检测信息，构建不同异常数据类型各自对应的异常检测模型；基于各异常检测模型，分别对各子服务数据时间序列进行数据检测，将各子服务数据时间序列的异常数据信息，作为服务数据时间序列的服务异常检测结果。采用本方法实现了基于模型参数对服务异常进行有效识别，无需人工标注数据，能够根据具体业务场景灵活调整阈值，且具有良好的可解释性。有良好的可解释性。有良好的可解释性。

【技术实现步骤摘要】
服务异常检测方法、装置、计算机设备和存储介质


[0001]本申请涉及金融科技领域或其他相关领域，特别是涉及一种服务异常检测方法、装置、计算机设备、存储介质和计算机程序产品。

技术介绍

[0002]在金融信息系统中，为了保障构成信息系统各服务的高可用性，通常需要对服务进行监控以获得服务的多项性能指标，针对多项性能指标产生的海量数据进行异常检测，以实现服务异常发现，提醒相关技术人员进行维护。
[0003]然而，传统的服务异常检测是采用静态阈值方法，其需要依赖生产运行实践及专家经验，大量依赖人工操作，或是采用基于监督学习的服务异常检测方法，其也需要通过人工方式完成标注，且存在解释性差的问题。
[0004]因此，相关技术中存在服务异常检测依赖人工效率低的问题。

技术实现思路

[0005]基于此，有必要针对上述技术问题，提供一种能够解决上述问题的服务异常检测方法、装置、计算机设备、存储介质和计算机程序产品。
[0006]第一方面，本申请提供了一种服务异常检测方法，所述方法包括：
[0007]获取待检测的服务本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种服务异常检测方法，其特征在于，所述方法包括：获取待检测的服务数据时间序列；所述服务数据时间序列为对金融信息系统中服务性能参数连续进行数据采集得到的；根据所述服务数据时间序列对应的多个数据切分点，将所述服务数据时间序列拆分为多个子服务数据时间序列；根据各所述子服务数据时间序列对应的数据特征向量，确定异常检测信息，并采用所述异常检测信息，构建不同异常数据类型各自对应的异常检测模型；所述异常检测信息包括不同异常数据类型各自对应的检测阈值参数，各所述检测阈值参数用于构建对应的异常数据类型的异常检测模型；基于各所述异常检测模型，分别对各所述子服务数据时间序列进行数据检测，将各所述子服务数据时间序列的异常数据信息，作为所述服务数据时间序列的服务异常检测结果。2.根据权利要求1所述的方法，其特征在于，所述根据所述服务数据时间序列对应的多个数据切分点，将所述服务数据时间序列拆分为多个子服务数据时间序列，包括：将所述服务数据时间序列作为当前待切分数据，确定所述当前待切分数据对应的当前数据切分点，并根据所述当前数据切分点，将所述当前待切分数据拆分为两个子数据组；分别将各所述子数据组作为当前待切分数据，并返回确定所述当前待切分数据对应的当前数据切分点，并根据所述当前数据切分点，将所述当前待切分数据拆分为两个子数据组的步骤，直至所述当前待切分数据满足切分终止条件，以将所述当前待切分数据作为所述子服务数据时间序列。3.根据权利要求2所述的方法，其特征在于，所述确定所述当前待切分数据对应的当前数据切分点，包括：以所述当前待切分数据中的任意一个服务数据为候选切分点，确定所述候选切分点对应的误差值；所述误差值为第一子数据组与第二子数据组的中位数差值，所述第一子数据组和所述第二子数据组为根据所述候选切分点拆分所述当前待切分数据得到的；从多个所述候选切分点各自对应的误差值中，确定最小误差值，并将所述最小误差值对应的候选切分点，作为所述当前数据切分点。4.根据权利要求1至3任一项所述的方法，其特征在于，所述异常检测信息包括异常波动阈值、异常离群点阈值，所述根据各所述子服务数据时间序列对应的数据特征向量，确定异常检测信息，包括：对各所述子服务数据时间序列对应的离散评估值进行聚类处理，得到聚类评估值，并结合所述聚类评估值和第一预设参数得到所述异常波动阈值；针对每个子服务数据时间序列，结合所述子服务数据时间序列对应的离散评估值和第二预设参数，得到所述子服务数据时间序列对应的异常离群点阈值。5.根据权利要求1至3任一项所述的方法，其特征在于，当所述异常检测模型为偏移异常检测模型，所述异常数据信息包括异常偏移结果，所...

【专利技术属性】
技术研发人员：宋宇，黄生平，刘作蕊，李娇娇，
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：