[發明專利]一種異常檢測方法、裝置、電子設備及存儲介質有效
| 申請號： | 202011026148.4 | 申請日： | 2020-09-25 |
| 公開（公告）號： | CN112256732B | 公開（公告）日： | 2023-10-24 |
| 發明（設計）人： | 鄭智獻;史忠偉;陳宇 | 申請（專利權）人： | 北京五八信息技術有限公司 |
| 主分類號： | G06F16/2455 | 分類號： | G06F16/2455;G06F16/2458;G06N20/00;H04L43/0823 |
| 代理公司： | 北京潤澤恒知識產權代理有限公司 11319 | 代理人： | 呂俊秀 |
| 地址： | 100080 北京市海淀區學清*** | 國省代碼： | 北京;11 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 異常 檢測 方法 裝置 電子設備 存儲 介質 | ||
1.一種異常檢測方法，其特征在于，包括：
獲取待檢測數據的明細數據和聚合數據，其中，所述明細數據包括每個所述待檢測數據的數據明細、數據特征中的至少一種，所述聚合數據為所述待檢測數據在監控指標體系內包含的每個監控指標維度下的聚合統計數據；
根據所述明細數據，通過預設的持續性風險召回模型，獲取所述待檢測數據中的持續性風險數據；
根據所述聚合數據，通過預設的突發性風險召回模型，獲取所述待檢測數據中的突發性風險數據；
其中，所述持續性風險召回模型包括網格密度聚類算法模型、孤立森林算法模型、正樣本無標簽學習算法模型、具有部分觀測異常的異常檢測算法模型中的至少一種，所述突發性風險召回模型包括prophet算法模型。
2.根據權利要求1所述的方法，其特征在于，所述根據所述聚合數據，通過預設的突發性風險召回模型，獲取所述待檢測數據中的突發性風險數據的步驟，包括：
針對預設的監控指標體系內包含的任一監控指標維度，獲取每個時間單位內，所述監控指標維度在每個指標屬性值時的數據量的真實值；
針對任一監控周期，根據所述監控周期之前預設時間段內的數據量的真實值，通過Prophet算法模型，獲取所述監控周期內數據量的預測值和警報閾值范圍，所述預測值包括每個所述監控指標維度在每個指標屬性值時的數據量的預測值，所述警報閾值范圍包括所述監控周期內的全部數據量的警報閾值范圍；
響應于所述監控周期內全部數據量的真實值超出所述警報閾值范圍，根據所述監控周期內每個所述監控指標維度在每個指標屬性值時的數據量的預測值和真實值，通過多維度根因分析算法，獲取所述監控周期的多維度根因分析結果；
獲取與所述多維度根因分析結果對應的數據，作為所述突發性風險數據；
其中，所述監控周期為所述時間單位的整數倍，所述多維度根因分析結果包括至少一個指標維度組合，所述指標維度組合內包括多個指標屬性值，且每個所述指標屬性值所屬的監控指標維度不完全相同。
3.根據權利要求2所述的方法，其特征在于，所述Prophet算法模型的輸入參數還包括所述監控周期的日期屬性，所述日期屬性包括所述監控周期是否屬于節假日、所述監控周期所屬的節假日類型中的至少一種。
4.根據權利要求2所述的方法，其特征在于，所述警報閾值范圍還包括每個所述監控指標維度在每個指標屬性值時的數據量的警報閾值范圍，所述方法還包括：
針對任一所述監控指標維度，以及所述監控指標維度下的任一指標屬性值，響應于所述監控指標維度在所述指標屬性值時的數據量的真實值超出所述監控指標維度在所述指標屬性值時的警報閾值范圍，以所述指標屬性值時的所述監控指標維度作為所述監控周期的單維度根因分析結果；
獲取與所述單維度根因分析結果對應的數據，作為所述突發性風險數據；
其中，所述單維度根因分析結果內包括至少一個監控指標維度下的至少一個指標屬性值。
5.根據權利要求權利要求2所述的方法，其特征在于，所述多維度根因分析算法包括HotSpot根因分析算法。
6.根據權利要求1-5中任一項所述的方法，其特征在于，所述方法還包括：
基于預設的用戶分數庫，和/或關系算法對風險數據進行過濾，得到最終的風險數據，所述關系算法包括Louvain算法，所述風險數據包括持續性風險數據、突發性風險數據中的至少一種。
7.根據權利要求1-5中任一項所述的方法，其特征在于，所述明細數據的存儲介質為Tidb，所述聚合數據的存儲介質為Opentsdb。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于北京五八信息技術有限公司，未經北京五八信息技術有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.17sss.com.cn/pat/books/202011026148.4/1.html，轉載請聲明來源鉆瓜專利網。
