针对不稳定周期性行为的时间序列的异常检测方法、系统技术方案

本发明专利技术属于生产运维、异常检测预警领域，具体涉及一种针对不稳定周期性行为的时间序列的异常检测方法、系统、设备，旨在解决在现有生产运维领域中因受不稳定周期性行为的影响，导致故障、异常检测准确率较低、缺乏实时性的问题。本发明专利技术方法包括：获取运维服务中定期任务执行时各KPI指标对应的历史统计数据，作为输入数据；对输入数据进行标准化处理；输入Bi

【技术实现步骤摘要】
针对不稳定周期性行为的时间序列的异常检测方法、系统


[0001]本专利技术属于生产运维、异常检测预警领域，具体涉及一种针对不稳定周期性行为的时间序列的异常检测方法、系统、设备。

技术介绍

[0002]在实际生产任务中，由于定期任务(如压测、升级、切换等)的执行会导致指标呈现出明显的周期性的尖峰或者平台的特征，但是由于该任务本身可能受到前序任务的影响、或者其本身的启动是一个人工参与的过程，导致任务的开始时间和持续时间(对应着指标的尖峰开始时间和尖峰持续的时间)可能是不尽相同的。常见的受到跑批影响(例如银行后台会计部门需要报表数据，进行对帐清算。跑批就是为此产生。跑批其实就是产生总帐,进行总分核对，再次就是进行大批量交易，如:结息,计提,代收付等(这一步可以在各分布平台做)。再次就是生成报表,导出流水数据等。批量是相对联机来说的，并不一定是在晚上，白天也有批量，主要是完成业务处理的。批量的核心功能是进行会计核算，如总分核对、试算平衡等，这样保证全行的帐务没有偏差。另外，为了提高联机交易的反应时间，一些对帐清算等不需要实时入账的功能也由批量来完成；类本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种针对不稳定周期性行为的时间序列的异常检测方法，其特征在于，该方法包括：步骤S100，获取运维服务中设定的定期任务在执行时各KPI指标对应的历史统计数据，并按时序信息进行排列，将排列后的统计数据作为输入数据；所述定期任务包括压测、升级、切换；步骤S200，对所述输入数据进行标准化处理；步骤S300，将标准化处理后的输入数据输入预训练的Bi
‑
LSTM网络模型，得到各KPI指标受所述定期任务的影响的开始、结束的预测时间，作为预测值；步骤S400，计算预测值与真实值之间相对应位置的KPI指标的统计数据的差值；根据所述异常检测状态规则表，对所述差值进行匹配，得到属于异常状态的差值；所述真实值为在所述定期任务执行时各KPI指标受其影响的开始、结束的实际时间；所述异常状态包括需要屏蔽告警的正常中断、不能屏蔽告警的故障中断；步骤S500，将不同时间范围的属于异常状态的差值进行Gumbel分布的拟合，获取每个相对位置出现尖峰的概率，即每个时间点各KPI指标受到所述定期任务影响发生突变的概率分布；若所述概率分布大于设定概率分布阈值，则进行异常预警；其中，所述异常检测状态规则表，为预设的差值阈值与预设的异常状态的映射关系。2.根据权利要求1所述的针对不稳定周期性行为的时间序列的异常检测方法，其特征在于，步骤S500之后还包括对位置基线的修正的步骤，具体为：按照设定的百分比调高阈值的范围，随机选取百分比调高阈值对出现尖峰概率的基线进行调高。3.根据权利要求1所述的针对不稳定周期性行为的时间序列的异常检测方法，其特征在于，步骤S500之后还包括之后还包括误报判断的步骤，具体为：计算位置基线受历史同期尖峰影响的比率，作为第一比率：第一比率＝(当前位置基线
‑
历史同期位置基线)/当前位置基线；计算尖峰概率高的位置由于尖峰的突然出现的影响的比率，作为第二比率：第二比率＝(出现尖峰概率高的位置基线
‑
历史同期位置基线)/出现尖峰概率高的位置基线；计算第一比率与第二比率之间的偏差，若该偏差小于设定的偏差阈值，则异常预警属于误报，否则不属于误报。4.根据权利要求2所述的针对不稳定周期性行为的时间序列的异常检测方法，其特征在于，所述百分比调高阈值的范围为10％
‑
20％。5.根据权利要求1所述的针对不稳定周期性行为的时间序列的异常检测方法，其特征在于，所述标准化处理，包括Min
‑

【专利技术属性】
技术研发人员：魏永强，胡殿明，刘雨亮，
申请(专利权)人：北京感易智能科技有限公司，
类型：发明
国别省市：