基于时序预测的APP异常检测方法技术

本发明专利技术公开了一种基于时序预测的APP异常检测方法，该方法主要采用滑动窗口获取待检测数据流，对所述数据流进行K

【技术实现步骤摘要】
基于时序预测的APP异常检测方法


[0001]本专利技术属于应用程序领域，尤其涉及一种基于时序预测的APP异常检测方法。

技术介绍

[0002]应用运维保障是软件全生命周期管理过程中的关键环节。在数字时代，一切都依赖于应用系统稳定可靠的运行。但是随着交互及网络结构的多样化，应用系统越来越复杂，数据吞吐量越来越大，给应用系统稳定、可靠保障带来了挑战，人工运维成本上升。
[0003]目前APP的异常检测通常采用静态阈值法对历史数据进行分析，而这里的静态阈值一般都是根据历史经验得出的，存在着难以确定合理的最大阈值或最小阈值的问题；并且无法对未知数据进行异常检测，存在着异常流量检测的实时性差的技术问题。
[0004]为解决上述现有技术中存在的技术问题，一种新的APP异常检测方法有待提出。

技术实现思路

[0005]本专利技术的目的是提供一种基于时序预测的APP异常检测方法，以解决现有异常流量检测方法存在异常检测实时性差、流量异常检测精度较低的技术问题。
[0006]本专利技术采用以下技术方案：
[0007本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于时序预测的APP异常检测方法，其特征在于，包括：按照预设采样频率采集数据接口的数据，并获取第一滑动窗口对应的第一待检测数据，所述第一滑动窗口为当前采样时间段；对所述第一待检测数据进行k
‑
均值方法检测，获取不同类别下所述第一待检测数据的所有特征点；计算每个类别对应的所述特征点的高斯分布；根据所述高斯分布判断所述第一待检测数据是否异常，如果是则进行预警。2.如权利要求1所述的一种基于时序预测的APP异常检测方法，其特征在于，所述方法还包括：根据所述高斯分布判断所述第一待检测数据是否异常，如果否，采用霍尔特
‑
温特方法对所述采集的数据进行预测，获取第二滑动窗口对应的第二待检测数据，并对所述第二待检测数据执行与所述第一待检测数据相同的处理过程，所述第二滑动窗口为相对当前采样时间段的下一采样时间段。3.如权利要求1所述的一种基于时序预测的APP异常检测方法，其特征在于，对所述第一待检测数据进行k
‑
均值方法检测，获取不同类别下所述第一待检测数据的所有特征点包括：计算每个类别的聚类中心；计算每个第一待检测数据与聚类中心的欧式距离；根据所述欧氏距离筛选出每个类别所述第一待检测数据的所有特征点。4.如权利要求2所述的一种基于时序预测的APP异常检测方法，其特征在于，计算每个类别的聚类中心包括：计算每个类别下所述第一待检测数据的平均值，将所述平均值作为对应类别的聚类中心。5.根据权利要求2
‑
3任意一项所述的一种基于时序预测的APP异常检测方法，其特征在于，所述每个类别的聚类中心存储至HDFS。6.如权利要求1所述的一种基于时序预测的APP异常检测方法，其特征在于，根据所述高...

【专利技术属性】
技术研发人员：王悦，高之峰，阙军，王晓岭，严琳，王斌，
申请(专利权)人：中国农业银行股份有限公司陕西省分行，
类型：发明
国别省市：