一种异常检测方法、系统、电子设备及机器可读存储介质技术方案

本说明书一个或多个实施例提供一种异常检测方法、系统、电子设备及机器可读存储介质。所述方法包括：获取待检测的时间序列；其中，所述时间序列包括待检测指标在若干连续时刻的指标数据；将所述时间序列作为输入数据，输入HTM分层时序记忆模型进行持续学习，以预测出所述待检测指标在所述时间序列中包含的各个时刻的下一时刻的预测值；以及，获取所述待检测指标在所述时间序列中包含的各个时刻的下一时刻的真实值；计算所述预测值与所述真实值之间的差值，并基于所述差值对所述待检测指标进行异常检测。进行异常检测。进行异常检测。

【技术实现步骤摘要】
一种异常检测方法、系统、电子设备及机器可读存储介质


[0001]本说明书一个或多个实施例涉及时序数据分析
，尤其涉及一种异常检测方法、系统、电子设备及机器可读存储介质。

技术介绍

[0002]业务系统在运行过程中会产生大量的时序数据。针对时序数据的异常检测(Anomaly detection)，是指可以从这些时序数据中识别出可能存在异常的时序数据，为后续分析业务系统是否出现异常现象提供依据。时序异常检测，对于保障系统安全、设备平稳运行以及避免经济损失都有重大意义。
[0003]在相关技术中，可以先利用正常数据进行训练建模，以得到与原始数据对应的重建数据，再基于所述重建数据与所述原始数据之间的差异(也即重建误差)进行异常检测，存在自适应性较低、计算资源消耗较大、实时性较差的缺点。
[0004]随着业务日渐复杂，往往需要针对成千上万台设备、成百上千个指标的时序数据进行异常检测，如何针对海量的时序数据进行准确、快速、低计算资源消耗的异常检测，是一项重要挑战。

技术实现思路

[0005]有鉴于此，本申请公开了一种异本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种异常检测方法，所述方法包括：获取待检测的时间序列；其中，所述时间序列包括待检测指标在若干连续时刻的指标数据；将所述时间序列作为输入数据，输入HTM分层时序记忆模型进行持续学习，以预测出所述待检测指标在所述时间序列中包含的各个时刻的下一时刻的预测值；以及，获取所述待检测指标在所述时间序列中包含的各个时刻的下一时刻的真实值；计算所述预测值与所述真实值之间的差值，并基于所述差值对所述待检测指标进行异常检测。2.根据权利要求1所述的方法，所述待检测指标为负载均衡系统中的负载均衡设备对应的指标；所述获取待检测的时间序列，包括：获取与所述负载均衡系统中的各个负载均衡设备分别对应的各个时间序列；其中，所述各个时间序列为各个负载均衡设备分别对应的待检测指标在若干连续时刻的指标数据所构成的时间序列；对所述各个时间序列进行聚合处理，以得到与所述负载均衡系统对应的时间序列，并将与所述负载均衡系统对应的时间序列确定为所述待检测的时间序列。3.根据权利要求2所述的方法，所述对所述各个时间序列进行聚合处理，以得到与所述负载均衡系统对应的时间序列，包括：针对所述各个时间序列中包含的各个时刻，分别计算在同一时刻所述待检测指标在所述各个时间序列中的指标数据的平均值；基于在所述各个时刻所述待检测指标在所述各个时间序列中的指标数据的平均值，聚合得到与所述负载均衡系统对应的时间序列。4.根据权利要求1所述的方法，所述将所述时间序列作为输入数据，输入HTM分层时序记忆模型进行持续学习，以预测出所述待检测指标在所述时间序列中包含的各个时刻的下一时刻的预测值，包括：将所述时间序列对应的流数据，输入至流处理框架进行流式计算，以通过所述HTM分层时序记忆模型进行持续学习，预测出所述待检测指标在所述时间序列中包含的各个时刻的下一时刻的预测值。5.根据权利要求4所述的方法，在所述计算所述预测值与所述真实值之间的差值之前，所述方法还包括：基于所述待检测指标在...

【专利技术属性】
技术研发人员：刘新宇，
申请(专利权)人：阿里巴巴中国有限公司，
类型：发明
国别省市：