【技术实现步骤摘要】
一种异常检测的方法及装置
[0001]本说明书涉及人工智能领域，尤其涉及一种异常检测的方法及装置。
技术介绍
[0002]近年来，随着人工智能技术的发展，智能化运维（Artificial Intelligence for IT Operations，AIOps）技术逐渐应用到工业、通信、科研等诸多领域，以通过数据挖掘或深度学习等方法，来对诸如系统或者服务等运维对象产生的数据进行智能化异常检测，从而及时发现可能出现的异常。
[0003]然而目前通常采用的异常检测方法只能检测到检测数据中突变较为明显的异常，对于一些不明显的异常往往检测精度较低，而且，在诸如工业领域的实际生产环境中，采集到的检测数据通常没有固定的规律，这就导致目前的方法在面对这些没有周期性变化规律的检测数据时，无法准确的判断出发生的异常，甚至发生误判。
[0004]因此，如何提高异常检测的精度以及准确性，是一个亟待解决的问题。
技术实现思路
[0005]本说明书提供一种异常检测的方法及装置，以部分的解决现有技术存在的上述问题。
【技术保护点】
【技术特征摘要】
1.一种异常检测的方法，其特征在于，包括：获取目标对象的各历史数据；根据各历史数据生成时间的先后顺序，构建历史数据序列；在预先构建的检测库中，确定出与所述历史数据序列相匹配的标准数据序列，以及所述标准数据序列对应的目标异常检测算法，并将所述目标异常检测算法作为所述目标对象对应的异常检测算法；将所述目标对象与所述目标异常检测算法之间的对应关系进行保存，以利用所述目标异常检测算法对所述目标对象的实时数据进行异常检测。2.如权利要求1所述的方法，其特征在于，所述根据各历史数据生成时间的先后顺序，构建历史数据序列，具体包括：根据预设采样频率，在所述各历史数据中进行采样，得到目标数据；根据各目标数据生成时间的先后顺序，构建历史数据序列。3.如权利要求2所述的方法，其特征在于，所述根据预设采样频率，在所述各历史数据中进行采样，具体包括：若在采样过程中，确定所述各历史数据中不包含有需要采样的指定时刻对应的数据，则根据所述各历史数据中在时序上与所述指定时刻相邻的时刻对应的数据，预测出所述指定时刻对应的数据；获取补全数据后的各历史数据；根据预设采样频率，对所述补全数据后的各历史数据进行采样。4.如权利要求2所述的方法，其特征在于，所述根据预设采样频率，在所述各历史数据中进行采样，具体包括：若确定所述历史数据的数量大于预设数量，则降低所述预设采样频率，并根据降低后的采样频率，在所述各历史数据中进行采样。5.如权利要求1所述的方法，其特征在于，所述获取目标对象的各历史数据之前，所述方法还包括：获取各标准数据序列；针对每个标准数据序列，通过确定出的该标准数据序列对应的各候选异常检测算法，对该标准数据序列进行异常检测；针对每个候选异常检测算法，获取使用该候选异常检测算...
【专利技术属性】
技术研发人员：章晓晓，王明辉，
申请(专利权)人：新华三人工智能科技有限公司，
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。