CN106652393A - 假警报确定方法及装置 - Google Patents

Abstract

本发明公开一种假警报确定方法及装置。本发明一实施例的假警报确定方法包括以下步骤：测定警报发生时测定的观测值与已存储的正常模式的相异度；在相异度超过已设定的临界值的情况下，测定观测值与已存储的历史假警报关联观测值的相异度；以及在与已存储的历史假警报关联观测值的相异度超过已设定的临界值的情况下，将发生的警报提供给用户。

Description

假警报确定方法及装置

技术领域

本发明涉及一种假警报确定方法，更详细地，涉及一种可通过已存储的历史数据与当前测定的数据之间的统计分析来检测出假警报的假警报确定方法。

背景技术

工艺异常检测系统(Anomaly Detection System)是一种通过监测工艺状态、加工产品的质量、设备状况等来探测异常并事先阻断危险因素的系统。

作为最具有代表性地得到应用的现有方法的控制图(Control Chart)，是一种可通过实时监测工艺因素来早期发现不良现象并采取适当的措施来持续地正常管理工艺的方法。

这种现有的基于统计假设测验的方法论的最大问题之一是难以应对假警报(falsealarm)。在此，假警报是指尽管工艺处于正常状态也发生警报。

频繁发生的假警报导致如下结果：给异常检测系统的用户带来不方便，并使生产现场的管理费用增多而最终降低关于异常检测系统自身的可靠度。

这种假警报的发生原因如下：①异常检测系统是通过假定正态分布设计的，但实际数据不遵循正态分布，从而存在控制界限线设置的问题；②未能正确考虑以数据的非线性、时间可变性、多重常态或多重异常等多种形式变化的观测值的特性的监测统计量的界限等。

鉴于此，在异常检测领域中出现了关于可通过学习警报反馈来提高监测准确度的方法的必要性。

发明内容

本发明是为了解决上述问题而提出的，本发明的目的在于提供一种能提高监测统计量的准确度并有效减少假警报的假警报确定方法。

本发明的技术问题并不限定于以上所提及的技术问题，本领域技术人员能够从下面的记载中明确理解没有提及的其它技术问题。

为了实现上述目的，本发明一实施例的假警报确定方法包括以下步骤：计算发生的警报为假警报(False Alarm)的概率；在所述警报为假警报的概率超过已设定的临界值的情况下，测定所述警报发生时测定的观测值与已存储的正常模式的相异度；在所述相异度超过已设定的临界值的情况下，测定所述观测值与已存储的历史假警报关联观测值的相异度；以及在与所述已存储的历史假警报关联观测值的相异度超过已设定的临界值的情况下，将所述发生的警报提供给用户。

根据本发明一实施例，测定与所述已存储的正常模式的相异度的步骤可包括：在与所述已存储的正常模式的相异度为已设定的临界值以下的情况下，利用所述警报发生时测定的观测值来更新所述已存储的正常模式。

根据本发明一实施例，测定所述观测值与已存储的历史假警报关联观测值的相异度的步骤可包括：生成所述已存储的历史假警报关联观测值的统计模式；测定所述统计模式与所述警报发生时测定的观测值之间的统计距离；以及在所述统计距离为已设定的临界值以下的情况下，判断为所述警报发生时测定的观测值与已存储的历史假警报关联观测值相似。

根据本发明一实施例，进一步可包括以下步骤：在所述警报发生时测定的观测值与所述已存储的历史假警报关联观测值的相异度为已设定的临界值以下的情况下，更新所述已存储的历史假警报关联观测值。

根据本发明一实施例，更新所述已存储的历史假警报关联观测值的步骤可包括：通过在所述已存储的历史假警报关联观测值中反映所述警报发生时测定的观测值来更新所述已存储的历史假警报关联观测值。

本发明又一实施例的假警报确定方法包括以下步骤：计算发生的警报为假警报(False Alarm)的概率；在所述警报为假警报的概率超过已设定的临界值的情况下，测定所述警报发生时测定的观测值与已存储的正常模式的相异度；在所述相异度超过已设定的临界值的情况下，将所述观测值分类为已存储的历史假警报关联观测值或已存储的历史正常警报关联观测值；以及在所述警报发生时测定的观测值被分类为所述已存储的历史正常警报关联观测值的情况下，将所述警报提供给用户。

根据本发明一实施例，测定与所述已存储的正常模式的相异度的步骤可包括：在与所述已存储的正常模式的相异度为已设定的临界值以下的情况下，利用所述警报发生时测定的观测值来更新所述已存储的正常模式。

根据本发明一实施例，将所述观测值分类为已存储的历史假警报关联观测值或已存储的历史正常警报关联观测值的步骤可包括：生成第一统计模式和第二统计模式，其中，所述第一统计模式为所述已存储的历史假警报关联观测值，所述第二统计模式为所述已存储的历史正常警报关联观测值的统计模式；测定所述警报发生时测定的观测值与所述第一统计模式之间的统计距离和所述警报发生时测定的观测值与所述第二统计模式之间的统计距离；以及根据测定的统计距离将所述警报发生时测定的观测值分类为属于所述第一统计模式或所述第二统计模式。

根据本发明一实施例，进一步可包括以下步骤：在所述警报发生时测定的观测值与所述已存储的历史假警报关联观测值的相异度为已设定的临界值以下的情况下，更新所述已存储的历史假警报关联观测值。

根据本发明一实施例，更新所述已存储的历史假警报关联观测值的步骤可包括：通过在所述已存储的历史假警报关联观测值中反映所述警报发生时测定的观测值来更新所述已存储的历史假警报关联观测值。

本发明一实施例的假警报确定装置包括：假警报概率计算部，用于计算发生的警报为假警报(False Alarm)的概率；正常模式比较部，用于在所述发生的警报为假警报的概率超过已设定的临界值的情况下，测定所述警报发生时测定的观测值与已存储的正常模式的相异度；假警报过滤部，用于在所述相异度超过已设定的临界值的情况下，测定所述观测值与已存储的历史假警报关联观测值的相异度；以及警报发生部，用于在与所述已存储的历史假警报关联观测值的相异度超过已设定的临界值的情况下，将所述发生的警报提供给用户。

根据本发明一实施例，所述正常模式比较部可在与所述已存储的正常模式的相异度为已设定的临界值以下的情况下，利用所述警报发生时测定的观测值来更新所述已存储的正常模式。

根据本发明一实施例，所述假警报过滤部可测定所述已存储的历史假警告关联观测值的统计模式与所述警报发生时测定的观测值之间的统计距离，并且在所述统计距离为已设定的临界值以下的情况下，判断为警报发生时测定的观测值与已存储的历史假警报关联观测值相似。

根据本发明一实施例，所述假警报过滤部可在所述警报发生时测定的观测值与所述已存储的历史假警报关联观测值的相异度为已设定的临界值以下的情况下，更新所述已存储的历史假警报关联观测值。

根据本发明一实施例，所述假警报过滤部可通过在所述已存储的历史假警报关联观测值中反映所述警报发生时测定的观测值，来更新所述已存储的历史假警报关联观测值。

本发明又一实施例的假警报确定装置包括：假警报概率计算部，用于计算发生的警报为假警报(False Alarm)的概率；正常模式比较部，用于在所述警报为所述假警报的概率超过已设定的临界值的情况下，测定所述警报发生时测定的观测值与已存储的正常模式的相异度；分类部，用于在所述相异度超过已设定的临界值的情况下，将所述观测值分类为已存储的历史假警报关联观测值或已存储的历史正常警报观测值；以及警报发生部，在所述警报发生时测定的观测值被分类为所述已存储的历史正常警报观测值的情况下，将所述警报提供给用户。

根据本发明一实施例，所述正常模式比较部可在与所述已存储的正常模式的相异度为已设定的临界值以下的情况下，利用所述警报发生时测定的观测值来更新所述已存储的正常模式。

根据本发明一实施例，所述分类部可测定所述警报发生时测定的观测值与第一统计模式之间的统计距离和所述警报发生时测定的观测值与第二统计模式之间的统计距离，并根据所述统计距离将所述警报发生时测定的观测值分类为属于所述第一统计模式或所述第二统计模式，其中，所述第一统计模式为所述已存储的历史假警报关联观测值的统计模式，所述第二统计模式为所述已存储的历史正常警报关联观测值的统计模式。

根据本发明一实施例，所述分类部可在所述警报发生时测定的观测值与所述已存储的历史假警报关联观测值的相异度为已设定的临界值以下的情况下，更新所述已存储的历史假警报关联观测值。

根据本发明一实施例，所述分类部可通过在所述已存储的历史假警报关联观测值中反映所述警报发生时测定的观测值来更新所述已存储的历史假警报关联观测值。

根据上述的假警报确定方法，可实现能够有效控制因统计假设测验界限而发生的假警报。

此外，由于可通过递归算法来持续更新假警报关联观测值，因此可实现能够进一步增加准确性的效果。

附图说明

图1是用于说明根据本发明一实施例的已存储的假警报观测值的图。

图2是用于说明本发明一实施例的假警报确定方法的图。

图3是用于说明根据本发明又一实施例确定假警报的过程的图。

图4是用于说明利用图3中所说明的方法来确定假警报的方法的流程图。

图5是用于说明根据本发明一实施例利用新收集到的数据来更新已存储的观测值数据的过程的图。

图6是用于说明本发明一实施例的假警报确定装置的方框图。

图7是用于说明本发明又一实施例的假警报确定装置600的功能方框图。

图8是用于说明本发明又一实施例的假警报确定装置的功能方框图。

具体实施方式

下面，参照附图，对本发明的优选实施例进行详细说明。参照附图的同时参照详细地后述的实施例，本发明的优点及特性以及实现这些的方法将会明确。但是，本发明并不限定于以下所公开的实施例，而是可以以彼此不同的多种方式实现，本实施例仅仅用于完整地公开本发明，并且为了向本发明所属技术领域的技术人员完整地告知本发明的范围而提供的，本发明仅由权利要求的范围定义。在说明书全文中相同的附图标记指相同的结构要素。

如果没有其它定义，则在本说明书中所使用的所有用语(包括技术用语及科技用语)能够以本发明所属技术领域的技术人员共同理解的含义使用。另外，在通常使用的词典中定义的用语只要没有被明确地特别定义，就不能理想地或过度地解释。

此外，在本说明书中，单数形式只要在句子中未特别提及就可以包括复数形式。在说明书中使用的“包括(comprises)”和/或“包含(comprising)”并不排除提及的结构要素、步骤、动作和/或元素之外的一个以上的其它结构要素、步骤、动作和/或元素的存在或附加。

图1是用于说明根据本发明一实施例的已存储的假警报观测值的图。

图1所示的图表为对历史假警报发生时测定的观测值进行图示的图表。根据本发明一实施例，在监测对象为机械设备的情况下，图1所示的图表的x轴可以是机械设备的温度，y轴可以是压力。

如图1所示，由于假警报发生时测定的观测值呈现一定的统计模式，因此如果对已存储的历史数据和当前测定值进行比较，则可确定当前发生的警报是否为假警报。

例如，如果在当前测定值110如图1所示时，测定当前测定值110与历史观测值的统计模式之间的统计距离，则可确定当前测定值110是否为假警报发生时测定的观测值。

如果经由上述的过程测定的统计距离为已设定的临界值以下，则可判断为警报发生时测定的观测值与已存储的历史假警报关联观测值相似。因此，可判断为当前发生的警报为假警报。

相反，如果当前测定值110与已存储的历史假警报关联观测值之间的统计距离超过已设定的临界值，则可判断为当前测定值110与历史假警报关联观测值不相似。因此，可判断为当前发生的警报为正常警报。

另外，本实施例中举例说明了测定当前测定的观测值与历史假警报发生时测定的观测值之间的统计距离，但并不限定于此，也可以以测定当前测定的观测值与历史正常警报发生时测定的观测值之间的统计距离的方式实现。

下面，对通过对当前测定的观测值和已存储的历史假警报发生时测定的观测值进行比较，来确定当前发生的警报是否为假警报的过程进行说明。

图2是用于说明本发明一实施例的假警报确定方法的图。

下面，举例说明监测对象为生产工艺或机械设备，但可成为监测对象的并不限定于此，当然与医疗保健、营销成果、诈骗行为等关联的多种领域也可以成为监测对象。

此外，对被检测为监测对象发生异常而发生警报，并辨别发生的警报是假警报还是正常警报的过程进行说明。

从监测对象接收测定的观测值(S210)。并且，判断警报发生时测定的观测值是否与正常模式不相似(S220)。

在此，正常模式是指当监测对象正常工作时测定的观测值的模式。因此，测定当前测定的观测值与已存储的正常模式数据的相异度就能确定监测对象是否发生问题。

判断结果，如果被判断为观测值与正常模式不同，即，如果测定的相异度超过已设定的临界值，则确定为测定的观测值存在异常(S240)。

相反，如果被判断为观测值与正常模式相似，即，如果测定的相异度为已设定的临界值以下，则利用测定的观测值来更新正常模式观测值(S230)。

如果确定为当前测定的观测值存在异常，则判断观测值与历史假警报发生时测定的观测值的相异度(S250)。

因此，本发明一实施例的假警报确定装置可以已存储有与历史发生的假警报关联的数据。例如，可以已存储有关于历史假警报发生时测定的机械设备的温度、压力等的数据。

在测定与已存储的历史假警报关联测定值的相异度时，计算方法可使用统计距离(Statistical Distance)、一般控制图的管理统计量(Monitoring Statistic)、通过一类分类(One-class classification)算法进行的新评分(novelty score)方法等，但并不限定于此，也可以使用其它通用的技术。

相异度判断结果，如果被判断为已存储的历史假警报关联观测值与当前测定的观测值不相似，即，如果相异度超过已设定的临界值，则确定为当前发生的警报并非为假警报，并将发生的警报提供给用户(S270)。

相反，如果被判断为已存储的历史假警报关联观测值与当前测定的观测值相似，则判断为当前发生的警报为假警报，从而不提供给用户，而是利用当前测定的观测值来更新已存储的观测值(S260)。

另外，本发明一实施例的假警报确定方法可在警报发生时预先计算发生的警报为假警报的概率。

具体来讲，如果因在生产工艺或机械设备中检测到异常而发生警报，则计算发生的警报为假警报的概率。此时，计算发生的警报为假警报的概率的方法可利用该机械设备实施设备检查的时刻、历史该机械设备实际发生故障的时刻等的数据来计算出。

但是，计算发生的警报为假警报的概率的具体方法并不限定于此，也可以以利用其它通用方法来计算发生的警报为假警报的概率的方式实现。

可仅在经由上述的过程计算出的发生的警报为假警报的概率超过已设定的临界值的情况下，为了判断发生的警报实际是假警报还是正常警报，执行将警报发生时测定的观测值与已存储的正常模式观测值进行比较的步骤。

根据上述的假警报确定方法，可实现能够有效控制因统计假设测验界限而发生的假警报。

此外，由于可通过递归算法来持续更新假警报关联观测值，因此可实现能够进一步增加准确性的效果。

图3是用于说明根据本发明又一实施例确定假警报的过程的图。

图3是对历史假警报发生时测定的观测值和正常警报发生时测定的观测值进行图示的图表。例如，在监测对象为机械设备并且与机械设备关联的观测值为温度和压力的情况下，第一标识符310可以是历史假警报发生时测定的温度和压力值，第二标识符320可以是历史正常警报发生时测定的温度和压力值。

如图3所示，正常警报发生时测定的观测值和假警报发生时测定的观测值具有一定的统计模式。

因此，如果测定当前测定的测定值与第一统计模式之间的统计距离和当前测定的测定值与第二统计模式之间的统计距离，则可确定当前测定的测定值属于哪个统计模式，其中，该第一统计模式为历史假警报发生时测定的观测值的统计模式，该第二统计模式为历史正常警报发生时测定的观测值的统计模式。

例如，如果被判断为当前测定的观测值330统计上接近于第一统计模式，则可将当前发生的警报判断为假警报。相反，如果被判断为当前测定的观测值统计上接近于第二统计模式，则可将当前发生的警报判断为正常警报。

即，由于历史假警报发生时测定的观测值所呈现的统计模式和历史正常假警报发生时测定的观测值所呈现的统计模式不同，因此在当前警报发生的情况下，如果确定观测值能分类为哪种统计模式，则可确定该警报是假警报还是正常警报。

图4是用于说明利用图3中所说明的方法来确定假警报的方法的流程图。

接收警报发生时测定的观测值(S410)。

之后，判断警报发生时测定的观测值是否与正常模式不相似(S420)。根据本发明一实施例，在监测对象为机械设备的情况下，机械设备的温度、压力等可成为观测值。此外，正常模式是指在不发生作为监测对象的观测值脱离正常范围等的事件的情况下测定的观测值的模式。

为此，本发明一实施例的假警报确定装置可以已存储有在监测对象正常操作时测定的各种数据。

关于测定的观测值是否与已存储的正常模式不同，可使用统计距离(StatisticalDistance)、一般控制图的管理统计量(Monitoring Statistic)、通过一类分类(One-classclassification)算法进行的新评分(novelty score)方法等，但并不限定于此，也可以使用其它通用技术。

在测定的观测值与已存储的正常状态模式的相异度为已设定的临界值以下的情况下，利用测定的数据来更新已存储的正常状态模式(S460)。即，由于测定的观测值并非与已存储的正常状态模式不同表示当前机械设备为正常状态，因此利用当前测定的数据来更新已存储的正常状态模式。

如果测定的观测值与已存储的正常状态模式不同，即，如果相异度超过已设定的临界值，则确定为监测对象存在异常(S430)。

如果确定为测定的观测值存在异常，则不将发生的警报直接提供给用户，而是将测定的观测值分类为与已存储的历史假警报关联的观测值或与已存储的历史正常警报关联的观测值(S440)。

为此，本发明一实施例的假警报确定装置可以已存储有历史假警报发生时测定的观测值和正常警报发生时测定的观测值。

即，通过将在警报发生的时刻测定的观测值与历史假警报发生时测定的观测值及正常警报发生时测定的观测值进行比较，来确定当前发生的警报是假警报还是正常警报。

为此，本发明一实施例的假警报确定装置可利用线性判别分析(LinearDiscrimination Analysis)、决策树(Decision Tree)、神经网络模型(Neural NetworkModel)、支持向量机(Support Vector Machine)和K最近邻(K-nearest Neighbor)算法中的一种，来将当前测定的观测值分类为是属于与假警报关联的测定值还是属于与正常警报发生时测定的观测值。

之后，如果被判断为测定的观测值属于历史正常警报发生时测定的观测值，则将生成的警报提供给用户(S450)。

另外，本发明一实施例的假警报确定方法也可以仅在如下情况下通过上述的假警报确定方法执行的方式实现：在警报发生的情况下，计算发生的警报为假警报的概率，并且发生的警报为假警报的概率超过已设定的临界值。

为了通过上述的方法来确定当前发生的警报是否为假警报，需要已存储有历史假警报发生时测定的观测值和正常警报发生时测定的观测值。

此外，只有利用新测定的数据来更新已存储的观测值，才能更准确地分类测定的数据。

图5是用于说明根据本发明一实施例利用新收集到的数据来更新已存储的观测值数据的过程的图。

已存储的观测值数据可由新测定的观测值来更新。具体来讲，通过将新测定的观测值反映到已存储的观测值数据来使已存储的观测值数据递归地学习。通过上述的反馈算法可实现能够使监测方法更精湛的效果。

如果确定为测定的观测值与已存储的正常模式不同，则将该测定的观测值确定为存在异常的观测值，并将该测定的观测值与已存储的假警报观测值和正常警报观测值数据进行比较。

具体来讲，判断观测值是否与已存储的假警报模式不同(S510)。判断结果，如果确定为测定的观测值与已存储的假警报模式不同，则可判断为发生的警报并非为假警报，并将该发生的警报提供给用户(S520)。

相反，如果判断为观测值与已存储的假警报观测值相似，则利用新测定的观测值来更新已存储的假警报观测值(S530)。

另外，本实施例中仅说明了只更新已存储的假警报观测值的情况，但并不限定于此，也可以以利用相同的方法来更新已存储的正常警报观测值的方式实现。

图6是用于说明本发明一实施例的假警报确定装置的方框图。

本发明一实施例的假警报确定装置600包括假警报概率计算部610、正常模式比较部620、假警报过滤部630和警报发生部640。

此外，本实施例中，举例说明了用于存储正常模式观测值的正常模式DB 660和用于存储与历史发生的假警报关联的观测值的假警报关联观测值DB 670为与假警报确定装置600独立的结构，但也可以以包含在假警报确定装置600中的方式实现。

另外，图6中仅图示了与本发明的实施例关联的结构要素。因此，如果是本发明所属技术领域的技术人员，则应能知道除图6所示的结构要素以外还可包括其它通用的结构要素。

假警报概率计算部610计算发生的警报为假警报(False Alarm)的概率。

如果发生的警报为假警报的概率超过已设定的临界值，则正常模式比较部620测定警报发生时测定的观测值与已存储的正常模式的相异度。

此外，如先前说明的那样，正常模式比较部620可利用新测定的观测值来更新已存储在正常模式DB 660中的正常模式。

如果已存储的正常模式与警报发生时测定的观测值的相异度超过已设定的临界值，则假警报过滤部630测定观测值与已存储的历史假警报关联观测值的相异度。

为此，假警报关联观测值DB 670中可存储有历史假警报发生时测定的观测值。

如果与已存储的历史假警报关联观测值的相异度超过已设定的临界值，则假警报发生部640将发生的警报提供给用户。即，如果被判断为发生的警报并非为假警报，则将该发生的警报提供给用户。

另外，本发明又一实施例的假警报确定装置600可通过将测定的观测值分类为与假警报关联的观测值或与正常警报关联的观测值，来确定发生的警报是否为假警报。

图7是用于说明本发明又一实施例的假警报确定装置600的功能方框图。

本发明又一实施例的假警报确定装置600包括假警报概率计算部610、正常模式比较部620、警报发生部640和分类部650。

此外，如图6中所说明的那样，本实施例中图示了用于存储正常模式观测值的正常模式DB 660、用于存储与历史发生的假警报关联的观测值的假警报关联观测值DB670和用于存储与历史发生的正常警报关联的观测值的正常警报关联观测值DB 680为独立的结构，但也可以以上述的各个DB包含在假警报确定装置600中的方式实现。

由于图7所示的假警报概率计算部610和正常模式比较部620执行如图6中所说明的相同的功能，因此省略重复的说明。

如果被判断为警报发生时测定的观测值与正常模式不相似，则分类部650将观测值分类为假警报关联观测值或正常警报关联观测值。

为此，本发明一实施例的分类部650可测定警报发生时测定的观测值与第一统计模式之间的统计距离和警报发生时测定的观测值与第二统计模式之间的统计距离，其中，该第一统计模式为已存储在假警报关联观测值DB 670中的历史假警报关联观测值的统计模式，该第二统计模式为已存储在正常警报关联观测值DB 680中的历史正常警报关联观测值的统计模式。

之后，如果警报发生时测定的观测值被分类为存储在正常警报关联观测值DB 680中的观测值，则警报发生部640将发生的警报提供给用户。

根据上述的假警报确定装置600，可实现能够有效控制因统计假设测验界限而发生的假警报的效果。

图8是用于说明本发明又一实施例的假警报确定装置的功能方框图。

图8所示的假警报确定装置700包括处理器710、贮存器720、存储器730、网络接口740和总线750。

图8中仅图示了与本发明的实施例关联的结构要素。因此，如果是本发明所属技术领域的技术人员，则应能知道除图8所示的结构要素以外还可包括其它通用的结构要素。

处理器710执行可确定假警报的程序。但是，可由处理器710执行的程序并不限定于此，也可以执行其它通用程序。

贮存器720存储可确定假警报的程序。此外，贮存器720中也可以存储有监测对象以正常模式工作时测定的观测值、历史假警报发生时测定的观测值和历史正常警报发生时测定的观测值。

另外，可确定假警报的程序可执行以下步骤：从监测对象接收警报发生时测定的观测值；测定所述警报发生时测定的观测值与已存储的正常模式的相异度；在所述相异度超过已设定的临界值的情况下，测定所述观测值与已存储的历史假警报关联观测值的相异度；以及在与所述已存储的历史假警报关联观测值的相异度超过已设定的临界值的情况下，将发生的警报提供给用户。

或者，可确定假警报的程序也可以执行以下步骤：从监测对象接收警报发生时测定的观测值；测定所述警报发生时测定的观测值与已存储的正常模式的相异度；在所述相异度超过已设定的临界值的情况下，将所述观测值分类为已存储的历史假警报关联观测值或已存储的历史正常警报关联观测值；以及在所述警报发生时测定的观测值被分类为所述已存储的历史正常警报关联观测值的情况下，将所述警报提供给用户。

存储器730加载假警报确定程序，该程序可由处理器710执行。

网络接口740可连接多种计算装置，总线750起到连接上述的处理器710、贮存器720、存储器730和网络接口740的数据移动通道的功能。

另外，上述的方法可制作成计算机可执行的程序，并能利用计算机可读的存储介质在使所述程序操作的通用数字计算机中实现。此外，上述的方法中所使用的数据结构可通过各种方式存储在计算机可读的存储介质中。所述计算机可读的存储介质包括如磁存储介质(例如，只读存储器、软盘、硬盘等)和光学读取介质(例如，只读光盘存储器、数字多功能光盘等)的存储介质。

与本实施例关联的技术领域的技术人员应能理解，在不脱离上述记载的本质特性的范围内可以以经变形的方式实施。因此，已公开的方法不应从限定性的观点，而是应从说明性的观点来考虑。本发明的范围呈现于权利要求书而不是前述的说明，应解释为与该权利要求书同等的范围内存在的所有区别点包含在本发明中。

Claims (22)

1.一种假警报确定方法，包括以下步骤：

从监测对象接收表示警报发生时所述监测对象的状态的观测值；

测定所述警报发生时测定的观测值与所述监测对象正常工作时测定的已存储的正常模式的相异度；

在所述相异度超过已设定的第一临界值的情况下，测定所述观测值与已存储的历史假警报关联观测值的相异度；以及

在与所述已存储的历史假警报关联观测值的相异度超过已设定的第二临界值的情况下，输出发生的警报。

2.根据权利要求1所述的假警报确定方法，其中，

测定与所述已存储的正常模式的相异度的步骤包括：

在与所述已存储的正常模式的相异度为已设定的第一临界值以下的情况下，利用所述警报发生时测定的观测值来更新所述已存储的正常模式。

3.根据权利要求1所述的假警报确定方法，其中，

测定所述观测值与已存储的历史假警报关联观测值的相异度的步骤包括：

生成所述已存储的历史假警报关联观测值的统计模式；

测定所述统计模式与所述警报发生时测定的观测值之间的统计距离；以及

在所述统计距离为已设定的第三临界值以下的情况下，判断为所述警报发生时测定的观测值与已存储的历史假警报关联观测值相似。

4.根据权利要求1所述的假警报确定方法，其中，

进一步包括以下步骤：

在所述警报发生时测定的观测值与所述已存储的历史假警报关联观测值的相异度为已设定的第二临界值以下的情况下，更新所述已存储的历史假警报关联观测值。

5.根据权利要求4所述的假警报确定方法，其中，

更新所述已存储的历史假警报关联观测值的步骤包括：

通过在所述已存储的历史假警报关联观测值中反映所述警报发生时测定的观测值来更新所述已存储的历史假警报关联观测值。

6.根据权利要求1所述的假警报确定方法，其中，

测定所述警报发生时测定的观测值与已存储的正常模式的相异度的步骤包括：

计算发生的警报为假警报的概率；以及

在所述警报为假警报的概率超过已设定的第三临界值的情况下，测定所述警报发生时测定的观测值与已存储的正常模式的相异度。

7.一种假警报确定方法，包括以下步骤：

从监测对象接收表示警报发生时所述监测对象的状态的观测值；

测定所述警报发生时测定的观测值与所述监测对象正常工作时测定的已存储的正常模式的相异度；

在所述相异度超过已设定的临界值的情况下，将所述观测值分类为已存储的历史假警报关联观测值或已存储的历史正常警报关联观测值；以及

在所述警报发生时测定的观测值被分类为所述已存储的历史正常警报关联观测值的情况下，输出所述警报。

8.根据权利要求7所述的假警报确定方法，其中，

测定与所述已存储的正常模式的相异度的步骤包括：

在与所述已存储的正常模式的相异度为已设定的临界值以下的情况下，利用所述警报发生时测定的观测值来更新所述已存储的正常模式。

9.根据权利要求7所述的假警报确定方法，其中，

将所述观测值分类为已存储的历史假警报关联观测值或已存储的历史正常警报关联观测值的步骤包括：

生成第一统计模式和第二统计模式，其中所述第一统计模式为所述已存储的历史假警报关联观测值的统计模式，所述第二统计模式为所述已存储的历史正常警报关联观测值的统计模式；

测定所述警报发生时测定的观测值与所述第一统计模式的统计距离和所述警报发生时测定的观测值与所述第二统计模式的统计距离；以及

根据测定的统计距离将所述警报发生时测定的观测值分类为属于所述第一统计模式或所述第二统计模式。

10.根据权利要求7所述的假警报确定方法，其中，

进一步包括以下步骤：

在所述警报发生时测定的观测值与所述已存储的历史假警报关联观测值的相异度为已设定的临界值以下的情况下，更新所述已存储的历史假警报关联观测值。

11.根据权利要求10所述的假警报确定方法，其中，

更新所述已存储的历史假警报关联观测值的步骤包括：

通过在所述已存储的历史假警报关联观测值中反映所述警报发生时测定的观测值来更新所述已存储的历史假警报关联观测值。

12.根据权利要求7所述的假警报确定方法，其中，

测定所述警报发生时测定的观测值与已存储的正常模式的相异度的步骤包括：

计算发生的警报为假警报的概率；以及

在所述警报为假警报的概率超过已设定的第二临界值的情况下，测定所述警报发生时测定的观测值和已存储的正常模式的相异度。

13.一种假警报确定装置，包括：

正常模式比较部，用于测定表示监测对象发生警报时所述监测对象的状态的观测值与所述监测对象正常工作时测定的正常模式的相异度；

假警报过滤部，用于在所述相异度超过已设定的第一临界值的情况下，测定所述观测值与已存储的历史假警报关联观测值的相异度；以及

警报发生部，用于在与所述已存储的历史假警报关联观测值的相异度超过已设定的第二临界值的情况下，将发生的警报提供给用户。

14.根据权利要求13所述的假警报确定装置，其中，

所述正常模式比较部在与所述已存储的正常模式的相异度为已设定的第一临界值以下的情况下，利用所述警报发生时测定的观测值来更新所述已存储的正常模式。

15.根据权利要求13所述的假警报确定装置，其中，

所述假警报过滤部测定所述已存储的历史假警报关联观测值的统计模式与所述警报发生时测定的观测值之间的统计距离，并且在所述统计距离为已设定的第三临界值以下的情况下，判断为警报发生时测定的观测值与已存储的历史假警报关联观测值相似。

16.根据权利要求13所述的假警报确定装置，其中，

所述假警报过滤部在所述警报发生时测定的观测值与所述已存储的历史假警报关联观测值的相异度为已设定的第二临界值以下的情况下，更新所述已存储的历史假警报关联观测值。

17.根据权利要求13所述的假警报确定装置，其中，

进一步包括：假警报概率计算部，用于计算发生的警报为假警报的概率，

正常模式比较部在所述发生的警报为所述假警报的概率超过已设定的第三临界值的情况下，测定所述警报发生时测定的观测值与已存储的正常模式的相异度。

18.一种假警报确定装置，包括：

正常模式比较部，用于测定表示监测对象发生警报时所述监测对象的状态的观测值与所述监测对象正常工作时测定的正常模式的相异度；

分类部，用于在所述相异度超过已设定的临界值的情况下，将所述观测值分类为已存储的历史假警报关联观测值或已存储的历史正常警报关联观测值；以及

警报发生部，用于在所述警报发生时测定的观测值被分类为所述已存储的历史正常警报关联观测值的情况下，输出所述警报。

19.根据权利要求18所述的假警报确定装置，其中，

所述正常模式比较部在与所述已存储的正常模式的相异度为已设定的临界值以下的情况下，利用所述警报发生时测定的观测值来更新所述已存储的正常模式。

20.根据权利要求18所述的假警报确定装置，其中，

所述分类部测定所述警报发生时测定的观测值与第一统计模式之间的统计距离和所述警报发生时测定的观测值与第二统计模式之间的统计距离，并根据所述统计距离将所述警报发生时测定的观测值分类为属于所述第一统计模式或所述第二统计模式，其中，所述第一统计模式为所述已存储的历史假警报关联观测值的统计模式，所述第二统计模式为所述已存储的历史正常警报关联观测值的统计模式。

21.根据权利要求18所述的假警报确定装置，其中，

所述分类部在所述警报发生时测定的观测值与所述已存储的历史假警报关联观测值的相异度为已设定的临界值以下的情况下，更新所述已存储的历史假警报关联观测值。

22.根据权利要求18所述的假警报确定装置，其中，

进一步包括：假警报概率计算部，用于计算发生的警报为假警报的概率，

正常模式比较部在所述假警报的概率超过已设定的临界值的情况下，测定所述警报发生时测定的观测值与已存储的正常模式的相异度。