【技术实现步骤摘要】
本公开涉及数据处理，尤其涉及一种异常检测的方法及装置、电子设备。
技术介绍
1、随着大数据的发展，数据的异常检测具有重要的研究意义，例如：运维下的异常检测可以起到预警的作用等，现有的异常检测方法包括：传统数学方、基于深度学习的方法等。
2、传统数学方法包含：基于密度、距离、边界的检测方法，传统数学方法通过统计运算找到特征分布在某个特定区域的样本视为异常。基于深度学习的方法中，比较有代表性的方法是基于双编码器的方法，基于双编码器的方法包含两个编码器，一个为自编码器，自编码器在编码过程中获取压缩后的瓶颈特征，在解码过程中从瓶颈特征重构样本，并利用重构还原度的得分差异以区分异常、正常样本，整个过程为无监督学习，另一个编码器用来将正常样本通过transformer变换映射成伪负样本，起到弥补没有负样本参与训练的作用。
3、然而，传统双编码器方法为无监督学习方法，对异常检测存在认知不足情况，容易导致异常检测的精度不足，传统数学方法在异常检测过程中进行数据增强会存在逻辑的错误，把正常样本变换成异常样本时，未考虑到正常样本本身...
【技术保护点】
1.一种异常检测模型的训练方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述将预设数量的样本数据输入至第一检测网络中进行数据检测处理，得到第一检测结果包括：
3.根据权利要求1所述的方法，其特征在于，所述将所述预设数量的所述样本数据输入至第二检测网络中进行局部抽象处理和/或全局抽象处理，得到每个所述样本数据对应的伪负样本数据包括：
4.根据权利要求3所述的方法，其特征在于，所述将所述预设数量的所述样本数据输入至第二检测网络中进行局部抽象处理和/或全局抽象处理，得到每个所述样本数据对应的伪负样本数据包括：
...【技术特征摘要】
1.一种异常检测模型的训练方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述将预设数量的样本数据输入至第一检测网络中进行数据检测处理，得到第一检测结果包括：
3.根据权利要求1所述的方法，其特征在于，所述将所述预设数量的所述样本数据输入至第二检测网络中进行局部抽象处理和/或全局抽象处理，得到每个所述样本数据对应的伪负样本数据包括：
4.根据权利要求3所述的方法，其特征在于，所述将所述预设数量的所述样本数据输入至第二检测网络中进行局部抽象处理和/或全局...
【专利技术属性】
技术研发人员：苟浩淞，李志恒，杨兵，苏凌，张高毅，
申请(专利权)人：中国移动通信集团四川有限公司，
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。