【技术实现步骤摘要】
本申请涉及异常检测，具体而言，涉及一种异常检测的方法、装置、电子设备及存储介质。
技术介绍
1、异常检测，旨在识别与大多数样本显著偏离的异常样本，是确保物联网(internetof things,iot)网络中工作流应用程序健康运行的关键任务之一。随着边缘计算在工业中的广泛应用，物联网设备已广泛部署，并将它们的功能封装为各种任务，以支持工作流应用程序。因此，目前工作通常会收集和分析以多变量时间序列表示的观测数据，以检查工作流应用程序的健康状态。然而，考虑到异常情况应该非常罕见，并且某些类型的异常可能在监测期间不会发生，观测数据可能在正常样本和异常样本之间呈现高度不平衡的分布。此外，数据集中可能缺乏特定类型异常的样本。因此，工作流应用程序中的任务依赖关系可能无法全面捕捉，从而使准确检测异常变得具有挑战性。
2、目前，异常检测的相关工作采用了基于正常样本的任务依赖性学习和异常评分相结合的方法。在工作流应用程序中，实际的异常情况可能与多个任务相关联，因此，捕捉到这些物联网设备对应不同任务之间的依赖关系变得至关重要。
>技术实本文档来自技高网...
【技术保护点】
1.一种异常检测的方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述数据驱动图结构中的节点表征所述目标物联网系统中的各个物联网设备，节点与节点之间的边表征物联网设备之间的任务依赖关系；
3.根据权利要求2所述的方法，其特征在于，所述方通过以下方式确定所述目标节点的邻居节点：
4.根据权利要求1所述的方法，其特征在于，所述方法通过以下方式得到知识增强图结构：
5.根据权利要求1所述的方法，其特征在于，所述方法通过以下方式对所述知识增强图结构中所有目标节点进行预测：
6.根据权利要求...
【技术特征摘要】
1.一种异常检测的方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述数据驱动图结构中的节点表征所述目标物联网系统中的各个物联网设备，节点与节点之间的边表征物联网设备之间的任务依赖关系；
3.根据权利要求2所述的方法，其特征在于，所述方通过以下方式确定所述目标节点的邻居节点：
4.根据权利要求1所述的方法，其特征在于，所述方法通过以下方式得到知识增强图结构：
5.根据权利要求1所述的方法，其特征在于，所述方法通过以下方式对所述知识增强图结构中所有目标节点进行预测：
6.根据权利要求1所述的方法，其特征在于，所述计算所述目标节点的预测值与观测值之间的图偏差分数，包括...
【专利技术属性】
技术研发人员：李怡，周长兵，江杏，施振生，
申请(专利权)人：中国地质大学北京，
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。