【技术实现步骤摘要】
一种网络指标的异常检测方法、装置、设备及存储介质
[0001]本专利技术涉及计算机
，尤其涉及一种网络指标的异常检测方法、装置、设备及存储介质。
技术介绍
[0002]在大型互联网企业中，为了保证提供的网络服务的稳定性，企业的运维人员需要实时监控计算机系统的大量关键性能指标(Key Performance Indicator,KPI)。KPI是一种时间序列数据，包含时间戳(timestamp)和值(value)两个维度，通过周期性记录一项指标的这两个维度的值，可以持续监测系统性能的变化。绝大多数计算机系统或服务的故障都会即时甚至是提前反映在KPI上，若能做到对各种KPI的实时监测，运维人员便可以提前迅速发现问题并着手解决。
[0003]目前，现有的指标异常检测方法，包括采用孤立森林模型对待测试样本进行检测，以获取对应的路径，并通过预设的线性评估函数对路径进行评估，以获取待测试样本对应的异常分数；然而，在现有技术中，需要额外设置线性评估函数，且线性评估函数的准确度直接影响异常检测的准确度，易导致指标异常检测的准确...
【技术保护点】
【技术特征摘要】
1.一种网络指标的异常检测方法，其特征在于，包括：获取网络指标数据，以及所述网络指标数据对应的数据特征；将所述网络指标数据对应的数据特征输入到预训练的目标分类模型，并获取所述目标分类模型输出的各孤立树对应的第一孤立分；其中，所述目标分类模型基于孤立森林算法建立，所述目标分类模型包括多个孤立树，以及各所述孤立树对应的目标权重；根据各所述孤立树对应的第一孤立分和目标权重，计算得到所述网络指标数据对应的分类得分，并在根据所述分类得分检测到所述网络指标数据为异常数据时，生成指标异常告警。2.根据权利要求1所述的方法，其特征在于，根据各所述孤立树对应的第一孤立分和目标权重，计算得到所述网络指标数据对应的分类得分，包括：根据各所述孤立树对应的第一孤立分，以及预设分数阈值，获取各所述孤立树对应的异常判断得分；采用各所述孤立树对应的目标权重，对各所述孤立树对应的异常判断得分进行加权求和，并将和值作为所述网络指标数据对应的分类得分。3.根据权利要求1所述的方法，其特征在于，在将所述网络指标数据对应的数据特征输入到预训练的目标分类模型之前，还包括：获取验证数据集，并获取所述验证数据集中各验证样本对应的数据特征；获取基础分类模型，所述基础分类模型基于孤立森林算法建立，所述基础分类模型包括多棵孤立树，以及各所述孤立树对应的初始权重；将各所述验证样本对应的数据特征输入到所述基础分类模型，并获取所述基础分类模型输出的各所述验证样本匹配的各孤立树对应的第二孤立分；根据各所述验证样本匹配的各孤立树对应的第二孤立分，以及各所述孤立树对应的初始权重，计算得到各所述验证样本对应的分类得分；根据各所述验证样本对应的分类得分，在所述各验证样本中筛选得到多个异常样本，并生成所述多个异常样本对应的标注任务发送到目标用户，以获取所述目标用户反馈的各所述异常样本对应的标注结果；根据各所述异常样本匹配的各孤立树对应的第二孤立分，以及各所述异常样本对应的标注结果，对所述基础分类模型中各所述孤立树对应的初始权重进行更新，以获取各所述孤立树对应的目标权重，获取训练完成的目标分类模型。4.根据权利要求3所述的方法，其特征在于，根据各所述异常样本匹配的各孤立树对应的第二孤立分，以及各所述异常样本对应的标注结果，对所述基础分类模型中各所述孤立树对应的初始权重进行更新，以获取各所述孤立树对应的目标权重，包括：根据各所述异常样本匹配的各孤立树对应的第二孤立分，以及各所述异常样本对应的标注结果，对所述基础分类模型中各所述孤立树对应的初始权重进行更新，以获取各所述孤立树对应的更新权重；对各所述孤立树对应的更新权重进行归一化处理，以获取各所述孤立树对应的归一化更新权重作为各所述孤立树对应的目...
【专利技术属性】
技术研发人员：陈宇通，
申请(专利权)人：北京优特捷信息技术有限公司，
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。