一种数据异常检测方法、装置及电子设备制造方法及图纸

一种数据异常检测方法、装置及电子设备，该方法包括：获得单维KPI数据对应的实际值以及统计特征，将统计特征输入目标二输出回归模型，得到单维KPI数据对应的动态边界范围值，基于目标偏移参数处理动态边界范围值，得到目标边界范围值，检测实际值是否在目标边界范围值中，得到检测结果。通过上述的方法，采用目标二输出回归模型确定出单维KPI数据对应的动态边界范围值，使得单维KPI数据的异常检测不依赖于周期特定、GPU以及人工设定的预设误差值，由于没有周期性的限制，因此，实现了自动化的对单维KPI数据进行监控与预警，从而提高了单维KPI数据异常检测的适用性以及准确性。

【技术实现步骤摘要】

本申请涉及网络安全，尤其涉及一种数据异常检测方法、装置及电子设备。

技术介绍

1、在日常网络运维中，网络监控是必不可少的维护手段，网络监控的数据主要包括：中央处理器(英文全称：central processing unit，简称为：cpu)、内存、存储、网络吞吐量等时序性能数据，该时序性能数据为同一统一指标按时间顺序记录的数据列，这些数据很大一部分为单维关键性能指标(英文全称：key performance indicators，简称为：kpi)数据，单维kpi数据示意图如图1所示，在图1中，x轴代表时间，y轴代表数值，当x轴取一个值时，能够在折线上确定出y的值，y的值则代表单维kpi数据在该点对应的实际值。

2、在单维kpi数据的异常检测中，通常基于长短期记忆深度学习模型(英文全称：long short-term memory，简称为：lstm)和注意力机制来进行异常检测，lstm与注意力机制都需要采集多个周期内的kpi历史数据，再基于kpi历史数据的特征规律确定出kpi数据特征，但是，该kpi数据特征都为部分kpi数据特征，无法代表单维kp本文档来自技高网...

【技术保护点】

1.一种数据异常检测方法，其特征在于，包括：

2.如权利要求1所述的方法，其特征在于，在将所述统计特征输入目标二输出回归模型之前还包括：

3.如权利要求1所述的方法，其特征在于，在获得单维KPI数据之前，还包括：

4.如权利要求3所述的方法，其特征在于，在得到目标编解码模型以及偏移参数之后，还包括：

5.如权利要求1所述的方法，其特征在于，在确定出所述单维KPI数据对应的实际值以及统计特征之前，还包括：

6.如权利要求1所述的方法，其特征在于，检测所述实际值是否在所述目标边界范围值中，得到检测结果，包括：p>

7.如权利...

【技术特征摘要】

1.一种数据异常检测方法，其特征在于，包括：

2.如权利要求1所述的方法，其特征在于，在将所述统计特征输入目标二输出回归模型之前还包括：

3.如权利要求1所述的方法，其特征在于，在获得单维kpi数据之前，还包括：

4.如权利要求3所述的方法，其特征在于，在得到目标编解码模型以及偏移参数之后，还包括：

5.如权利要求1所述的方法，其特征在于，在确定出所述单维kpi数据对应的实际值以及统计特征之前，还包括：

6.如权利要求1...

【专利技术属性】
技术研发人员：杨仁凤，李月平，
申请(专利权)人：锐捷网络股份有限公司，
类型：发明
国别省市：