【技术实现步骤摘要】
基于日志序列化的汽车状态数据异常检测方法及系统
[0001]本专利技术涉及数据处理领域，尤其涉及一种基于日志序列化的汽车状态数据异常检测方法及系统。
技术介绍
[0002]在现代汽车产业中，大量传感器的嵌入使得汽车能够实时的生成运行状态数据，这些数据涵盖了引擎温度、油压、刹车系统等多个维度，形成了极其丰富的高维数据。然而，处理这些庞大的数据，并从其中有效地检测出异常的变化，是一个极具挑战性的任务。传统的异常检测方法，例如统计学和机器学习方法，包括线性回归、决策树、支持向量机等，虽然在处理低维或者中等维度的数据时表现优良，但在处理如现有汽车状态这样的高维数据时，其效果却不能让人满意。
[0003]目前，现有技术采用深度学习技术进行异常检测，通过构建深度神经网络模型学习数据的正常分布，然后根据模型对新数据点进行正常性判断。虽然深度学习模型在一些领域已经取得了显著的成果，但在应用于高维的汽车状态数据时，仍面临由数据的复杂性和异构性所带来的挑战。
[0004]现有技术主要存在两大问题：一是处理高维状态数据困难，二是准...
【技术保护点】
【技术特征摘要】
1.一种基于日志序列化的汽车状态数据异常检测方法，其特征在于，所述方法包括：获取汽车状态数据集；将所述汽车状态数据集转换为总时间序列日志；通过滑动窗口对总时间序列日志进行切割，得到预设步长的多个第一时间序列日志；每个所述第一时间序列日志包括日志键序列和参数向量序列；将当前的日志键序列输入日志键异常检测模块，预测下一个日志键，得到预测日志键；根据预测日志键和实际日志键，判断日志键正常或异常；当日志键正常，将当前的参数向量序列输入参数向量异常检测模块，检测参数向量序列正常或者异常；当参数向量序列异常时，输出异常的参数向量。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：当日志键异常时，输出异常的日志键，继续检测当前之后的日志键序列；或者，当参数向量序列正常时，继续检测当前之后的日志键序列。3.根据权利要求1所述的方法，其特征在于，所述将所述汽车状态数据集转换为总时间序列动作日志具体包括：根据采集汽车状态数据的时间戳，对采集到的所述汽车状态数据集中的汽车状态数据进行排序；对所述汽车状态数据进行状态变化筛选，保留连续的时间点上状态发生变化的汽车状态数据；将保留的所述汽车状态数据转化为动作数据；针对每个动作数据，将动作数据转换为时间序列日志；对时间序列日志进行解析，得到日志键和参数向量。4.根据权利要求3所述的方法，其特征在于，所述对所述汽车状态数据进行状态变化筛选，保留连续的时间点上状态发生变化的汽车状态数据具体包括：对所述汽车状态数据集进行清洗；针对清洗后的汽车状态数据集，根据时间节点，判断相邻的两个时间节点的汽车状态数据是否发生变化，当发生变化时，将相邻的两个时间节点的汽车状态数据保留；当未发生变化时，将相邻的两个时间节点的汽车状态数据的字段设置为空值。5.根据权利要求1所述的方法，其特征在于，所述根据预测日志键和实际日志键，判断日志键正常或异常具体包括：将t时刻前最近h步的日志键序列输入至日志键异常检测模块；获取日志键异常检测模块输出的t时刻在w条件下日志键为k的条件概率；将所述条件概率不在前C时，确定t时刻的日志键异常；其中...
【专利技术属性】
技术研发人员：申小平，王宏超，王英杰，汪明伟，云朋，
申请(专利权)人：木卫四北京科技有限公司，
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。