异常检测方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术提供了一种异常检测方法、装置、电子设备及存储介质，该方法包括：获取长时序数据，长时序数据中包括若干按照预设初始时间粒度划分的第一数据点和第一数据点的周期长度信息；采用周期长度信息对长时序数据的第一数据点进行转换，得到新时序数据，新时序数据包括若干以周期长度为粒度划分的若干第二数据点；按照预设相关性条件获取与第二数据点对应的目标数据点，并获取第二数据点与对应的目标数据点的相似度值；在检测到相似度值小于预设阈值的情况下，确定第二数据点存在异常，并判断第二数据点的异常是否满足告警降噪的条件；若满足，将第二数据点的异常进行告警降噪。本发明专利技术实施例提高智能运维的处理效率和预测结果准确性。

【技术实现步骤摘要】

本专利技术涉及时序数据异常检测领域，特别是涉及一种异常检测方法、装置、电子设备及存储介质。

技术介绍

1、随着软件技术的不断突破以及深度学习算法的进步，aiops(artificialintelligence for it operations，智能运维)在现代it运维中扮演着越来越重要的角色。aiops能够自动识别系统中的问题，并将相关事件和信息准确地分配给合适的人员，从而提高运维效率和响应速度。然而，尽管现有的机器学习和深度学习模型在许多领域取得了显著成果，但它们在处理智能运维中的海量数据时仍面临挑战。

2、在尝试了多种时间序列预测算法后，发现现有的工具在处理长序列数据时存在明显局限。例如，prophet普罗比特工具包虽然适合预测趋势，但其准确性不高；而自回归积分滑动平均模型算法虽然在短序列预测中表现较好，但在趋势预测方面却不够精准。此外，经典的长短期记忆网络模型虽然在长序列预测中表现出色，但其串行结构导致运行效率低下，且在处理海量运维数据时，反向传播机制使得模型难以收敛。这些局限性使得现有的算法难以满足智能运维在处理海量运维数据时高效性和本文档来自技高网...

【技术保护点】

1.一种异常检测方法，其特征在于，所述方法包括：

2.根据权利要求1所述方法，其特征在于，所述长时序数据中包括多种指标数据；

3.根据权利要求2所述方法，其特征在于，所述长时序数据的第一数据点中携带第一时间戳；

4.根据权利要求3所述方法，其特征在于，所述按照预设相关性条件获取与所述第二数据点对应的目标数据点，包括：

5.根据权利要求1所述方法，其特征在于，所述获取所述第二数据点与对应的所述目标数据点的相似度值，包括：

6.根据权利要求1所述方法，其特征在于，所述判断所述第二数据点的异常是否满足告警降噪的条件，还包括：

<...

【技术特征摘要】

1.一种异常检测方法，其特征在于，所述方法包括：

2.根据权利要求1所述方法，其特征在于，所述长时序数据中包括多种指标数据；

3.根据权利要求2所述方法，其特征在于，所述长时序数据的第一数据点中携带第一时间戳；

4.根据权利要求3所述方法，其特征在于，所述按照预设相关性条件获取与所述第二数据点对应的目标数据点，包括：

5.根据权利要求1所述方法，其特征在于，所述获取所述第二数据点与对应的所述目标数据点的相似度值，包括：

...

【专利技术属性】
技术研发人员：晋丹，陈岩，王军鹏，简铮，
申请(专利权)人：天翼云科技有限公司，
类型：发明
国别省市：