本发明专利技术提供一种基于时间信息的异常检测方法、装置、电子设备及介质，涉及人工智能领域，可将预设检测周期划分为多个预设时间段，并可使用预训练检测模型学习目标系统在各预设时间段对应的预设基线标识序列，以确保预训练检测模型掌握目标系统在各预设时间段对应的基线运行状态。随后在检测环节，可对目标系统在上述预设时间段产生的运行日志执行不同的异常检测操作，并将得到的异常值转换为检测标识数据，以及将预设时间段转换时间戳标识数据，进而可将预设时间段对应的时间戳标识数据、检测标识数据组成标识序列，并利用预训练检测模型对标识序列进行异常检测，以基于模型确定目标系统是否偏离预设时间段对应的基线运行状态，以提升检测效果。
【技术实现步骤摘要】
本专利技术涉及人工智能领域，特别涉及一种基于时间信息的异常检测方法、装置、电子设备及介质。
技术介绍
1、在现代大规模计算环境下，系统产生的大量日志为故障检测、系统监控提供了基础数据。然而，现有的日志检测方法大多基于固定的时间窗口进行滑动分析，这不仅导致其检测结果受时间窗口的可靠性影响，同时也导致其对复杂的时序日志数据缺乏有效应对策略，尤其是当时间序列中包含季节性变化时，传统的固定窗口方法难以捕捉其中的变化。
技术实现思路
1、本专利技术的目的是提供一种基于时间信息的异常检测方法、装置、电子设备及介质，可将预设检测周期划分为多个预设时间段，并可使用预训练检测模型学习目标系统在各预设时间段对应的基线运行状态，随后可利用该模型确定目标系统在预设时间段对应的实际运行状态与基线运行状态间的偏差程度，从而确定目标系统是否异常，从而可提升检测效果。
2、为解决上述技术问题，本专利技术提供一种基于时间信息的异常检测方法，包括：
3、将预设检测周期划分为多个预设时间段；
>4、对目标系统在所本文档来自技高网...
【技术保护点】
1.一种基于时间信息的异常检测方法，其特征在于，包括：
2.根据权利要求1所述的异常检测方法，其特征在于，还包括：
3.根据权利要求1所述的异常检测方法，其特征在于，还包括：
4.根据权利要求1所述的异常检测方法，其特征在于，所述对目标系统在所述预设时间段产生的运行日志执行不同的异常检测操作，包括：
5.根据权利要求1至4任一项所述的异常检测方法，其特征在于，所述利用预训练检测模型对所述标识序列进行异常检测，得到所述目标系统在所述预设时间段对应的总体异常值，包括：
6.根据权利要求5所述的异常检测方法，其特征在于，所述将所述预设...
【技术特征摘要】
1.一种基于时间信息的异常检测方法，其特征在于，包括：
2.根据权利要求1所述的异常检测方法，其特征在于，还包括：
3.根据权利要求1所述的异常检测方法，其特征在于，还包括：
4.根据权利要求1所述的异常检测方法，其特征在于，所述对目标系统在所述预设时间段产生的运行日志执行不同的异常检测操作，包括：
5.根据权利要求1至4任一项所述的异常检测方法，其特征在于，所述利用预训练检测模型对所述标识序列进行异常检测，得到所述目标系统在所述预设时间段对应的总体异常值，包括：
6.根据权利要求5所述的异常检测方法，其特征在于，所述将所述预设时间段对应的时间戳标识数据、检...
【专利技术属性】
技术研发人员：孙毓明，雷永成，吴方，王思远，
申请(专利权)人：成都西加云杉科技有限公司，
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。