一种数据异常监测方法、装置和设备制造方法及图纸

本申请公开了一种数据异常监测方法、装置、电子设备和存储介质，包括：获取当前时刻采集到的待处理数据及对应的时间序列；待处理数据包括多种数据类型的数据；对待处理数据进行特征提取，得到当前时刻对应的多源异构数据特征；融合时间序列及多源异构数据特征，得到当前时刻对应的融合特征，作为目标融合特征；获取历史融合特征，并将目标融合特征与历史融合特征输入至异常监测模型，基于历史融合特征对待处理数据进行数据异常推理预测，得到监测结果；监测结果用于指示待处理数据是否为异常数据，历史融合特征为当前时刻之前的各个时刻分别对应的融合特征。这样，分析过程不具有滞后性，同时使得对待处理数据的异常监测的准确率提高。

【技术实现步骤摘要】

本申请属于数据处理领域，具体涉及一种数据异常监测方法、装置、设备和存储介质。

技术介绍

1、随着人工智能、大数据等新一代信息技术的迅猛发展，在云环境进行数据存储得到广泛的应用。云环境具有动态性、复杂性、共享性和大规模等特点，在复杂的云环境下，如果存储的某一个数据出现异常，将会影响整个云环境的正常运行，因此，对云环境中存储的数据进行异常监测十分重要。

2、现有技术中，对云环境中的数据进行异常监测，主要是基于k-means(k-均值)聚类等传统算法实现的，具体地，首先，把一个周期内收集到的数据进行聚类分析，将其聚集为几个簇，然后，再计算每个数据至簇中心的距离，最后选择最远距离的几个数据视为异常值。

3、但是，上述云环境中的数据异常监测方法往往具有滞后性，只能周期性地对数据进行分析，无法实现对数据的实时监测和预警，而且，云环境中存储的数据通常为多源异构数据，这些数据来自不同的数据源，具有不同的格式和类型，以不同的结构和语义表示，难以直接融合和共享，导致数据异常监测的准确率也较低。

技术实现思路

<本文档来自技高网...

【技术保护点】

1.一种数据异常监测方法，其特征在于，包括：

2.根据权利要求1所述的数据异常监测方法，其特征在于，所述对所述待处理数据进行特征提取，得到所述当前时刻对应的多源异构数据特征，包括：

3.根据权利要求2所述的数据异常监测方法，其特征在于，所述将所述第一参考特征及所述第二参考特征输入至基于注意力机制的卷积门控递归单元进行特征重构，得到所述当前时刻对应的输出数据，包括：

4.根据权利要求1所述的数据异常监测方法，其特征在于，所述融合所述时间序列及所述多源异构数据特征，得到所述当前时刻对应的融合特征，作为目标融合特征，包括：

5.根据权利要求1所述...

【技术特征摘要】

1.一种数据异常监测方法，其特征在于，包括：

2.根据权利要求1所述的数据异常监测方法，其特征在于，所述对所述待处理数据进行特征提取，得到所述当前时刻对应的多源异构数据特征，包括：

3.根据权利要求2所述的数据异常监测方法，其特征在于，所述将所述第一参考特征及所述第二参考特征输入至基于注意力机制的卷积门控递归单元进行特征重构，得到所述当前时刻对应的输出数据，包括：

4.根据权利要求1所述的数据异常监测方法，其特征在于，所述融合所述时间序列及所述多源异构数据特征，得到所述当前时刻对应的融合特征，作为目标融合特征，包括：

5.根据权利要求1所述的数据异常监测方法，其特征在于，所述将所述目标融合特征与历史融合特征输入至异常监测模型，基于所述历史融...

【专利技术属性】
技术研发人员：潘祖亮，岑家锟，龙力，刘梓，尹敏全，
申请(专利权)人：中国电信股份有限公司，
类型：发明
国别省市：