CN110674184B - 一种构造异动检测模型库的方法、系统及设备 - Google Patents

Abstract

本申请公开了一种构造异动检测模型库的方法、系统及设备。本说明书一实施例的方法流程包括：构造包含异动检测模型的模型库；使用所述模型库中的异动检测模型对样本业务流进行离线检测，获取异动检测结果；对所述异动检测结果进行检测效果评测；确定所述异动检测模型对应的模型特征序列，其中，将达到预设检测效果的异动检测结果所对应的异动检测模型序列做为对应的异动检测模型的模型特征序列；根据所述异动检测模型对应的模型特征序列确定所述异动检测模型对应的检索标签以生成异动检测模型库。

Description

一种构造异动检测模型库的方法、系统及设备

技术领域

本说明书涉及计算机技术领域，尤其涉及一种构造异动检测模型库的方法、系统及设备。

背景技术

异动检测是指根据监控指标以往历史数据的经验，通过异动检测算法判定当前时间点监控指标是否为异常值。异动检测模型则是针对监控指标的异动检测算法提供的模型，其用于检测业务流的异动。

在现有技术中，由于不同的业务流具有不同的特征形态，因此，在对业务流进行检测时，需要针对待检测的业务流生成对应的异动检测模型。由于异动检测模型所对应的异动检测算法较为复杂，异动检测模型的生成需要较高的数据解析、数据计算资源支持。在当前检测应用场景解析计算资源不足时，就会出现无法针对待检测的业务流生成对应的异动检测模型或生成错误的异动检测模型的情况。

进一步的，由于异动检测模型具有较强的针对性，当待检测的业务流的特征形态发生变化时，需要重新生成对应的异动检测模型。当待检测的业务流的特征形态发生变化时，如果对应的异动检测模型不能快速生成，很容易造成异动检测遗漏的情况的发生。

发明内容

有鉴于此，本说明书实施例提供了一种构造异动检测模型库的方法、系统及设备，用于解决现有技术中在异动检测应用场景下无法生成异动检测模型、生成错误异动检测模型以及异动检测模型生成滞后的问题。

本说明书实施例采用下述技术方案：

本说明书实施例提供一种构造异动检测模型库的方法，所述方法包括：

构造包含异动检测模型的模型库；

使用所述模型库中的异动检测模型对样本业务流进行离线检测，获取异动检测结果；

对所述异动检测结果进行检测效果评测；

确定所述异动检测模型对应的模型特征序列，其中，将达到预设检测效果的异动检测结果所对应的异动检测模型序列做为对应的异动检测模型的模型特征序列；

根据所述异动检测模型对应的模型特征序列确定所述异动检测模型对应的检索标签以生成异动检测模型库。

在本说明书一实施例中，确定所述异动检测模型对应的模型特征序列，其中，针对每个所述异动检测模型确定多个对应的模型特征序列。

在本说明书一实施例中，根据所述异动检测模型对应的模型特征序列确定所述异动检测模型对应的检索标签，包括：

对单一异动检测模型对应的多个模型特征序列进行聚类分析，获取聚类结果；

分别针对所述聚类结果中的每一类模型特征序列进行特征序列计算，获取该类模型特征序列对应的类特征序列；

将所述类特征序列作为所述检索标签。

本说明书实施例还提出了一种异动检测方法，所述方法包括：

调用根据本说明书实施例所述方法构造的异动检测模型库；

将待检测业务流的时序特征与所述异动检测模型库中记录的检索标签做匹配，确定匹配所述时序特征的检索标签；

调用匹配所述时序特征的检索标签所对应的异动检测模型；

使用调用的异动检测模型对所述待检测业务流进行异动检测。

在本说明书一实施例中，所述方法还包括：

在所述待检测业务流的不同运行阶段，采用对应当前运行阶段的异动检测模型进行异动检测。

在本说明书一实施例中，将待检测业务流的时序特征与所述异动检测模型库中记录的检索标签做匹配，确定匹配所述时序特征的检索标签，其中：

将待检测业务流的当前运行阶段的时序特征与所述异动检测模型库中记录的检索标签做匹配，确定匹配所述时序特征的检索标签。

本说明书实施例还提出了一种构造异动检测模型检索标签的系统，所述系统包括：

模型调用模块，其用于调用异动检测模型；

离线检测模块，其用于使用所述模型调用模块调用的异动检测模型对样本业务流进行离线检测，获取异动检测结果；

评测模块，其用于对所述异动检测结果进行检测效果评测；

特征序列获取模块，其用于确定所述异动检测模型对应的模型特征序列，其中，将达到预设检测效果的异动检测结果所对应的异动检测模型序列做为对应的异动检测模型的模型特征序列；

标签生成模块，其用于根据所述异动检测模型对应的模型特征序列确定所述异动检测模型对应的检索标签。

本说明书实施例还提出了一种异动检测模型库，所述模型库包括：

模型存储模块，其用于存储异动检测模型；

检索标签存储模块，其用于存储对应所述模型存储模块中异动检测模型的检索标签，其中，所述检索标签为基于所述模型存储模块中异动检测模型、使用如本说明书实施例所述系统而生成的检索标签。

本说明书实施例还提出了一种异动检测系统，所述系统包括：

模型库调用模块，其用于调用如本说明书实施例所述的异动检测模型库；

特征序列匹配模块，其用于将待检测业务流的时序特征与所述异动检测模型库中记录的检索标签做匹配，确定匹配所述时序特征的检索标签；

模型调用模块，其用于调用匹配所述时序特征的检索标签所对应的异动检测模型；

异动检测模块，其用于使用所述模型调用模块调用的异动检测模型对所述待检测业务流进行异动检测。

本说明书实施例还提出了一种用于在访问方设备端信息处理的设备，该设备包括用于存储计算机程序指令的存储器和用于执行程序指令的处理器，其中，当该计算机程序指令被该处理器执行时，触发该设备执行本说明书实施例所述系统所述的方法。

本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果：基于本说明书实施例的方法生成的异动检测模型库，可以实现异动检测模型的快速匹配检索，为业务流的异动检测提供快速有效的异动检测模型供应支持，从而避免在异动检测应用场景下出现无法生成异动检测模型、生成错误异动检测模型以及异动检测模型生成滞后的问题。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1、图3以及图4为本说明书实施例中应用程序的运行方法的流程图；

图2为本说明书实施例中应用程序的运行方法的部分流程图；

图5、图7为本说明书实施例中系统的结构框图；

图6为本说明书实施例中异动检测模型库结构示意图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

在现有技术中，异动检测应用场景下无法生成异动检测模型、生成错误异动检测模型以及异动检测模型生成滞后的问题，其根本原因在于异动检测模型的生成需要较高的数据解析、数据计算资源支持。因此，在本说明书一实施例中，提出了一种构造异动检测模型库的方法，在数据解析、数据计算资源完毕的硬件环境中预先构造包含异动检测模型的模型库(异动检测模型库)。这样，在需要异动检测模型时，只需要去异动检测模型库调用已完成的异动检测模型，而不需要重新生成异动检测模型。这样，就有效避免了在异动检测应用场景下无法生成异动检测模型、生成错误异动检测模型以及异动检测模型生成滞后的情况的发生。

进一步的，在实际应用场景中，从异动检测模型库中调用针对当前待检测业务流的异动检测模型，即是要确保被调用的异动检测模型与当前待检测业务流相匹配，这就需要对异动检测模型库中的每个异动检测模型进行匹配分析，从而确定出匹配当前待检测业务流的异动检测模型，如果匹配分析的过程过于复杂，势必影响异动检测的执行效率。因此，在本说明书一实施例中，为异动检测模型库中的异动检测模型构造统一标准的、用于区别不同的异动检测模型的模型描述(检索标签)，该检索标签可以匹配对应到不同特征的业务流。这样，在进行针对待检测业务流的异动检测模型的匹配调用时，只需要确认待检测业务流对应的检索标签，然后根据该检索标签调用对应的异动检测模型即可，从而确保异动检测的执行效率。

进一步的，在实际应用场景下，异动检测模型序列是指根据离线时序列能够准确检测出异动偏差的最小的固定长度的时序序列。不同的异动检测模型/业务流组合，其对应的异动检测模型序列是不同的。因此，在本说明书一实施例中，根据异动检测模型对应的异动检测模型序列确定其检索标签。

具体的，在本说明书一实施例中，使用异动检测模型对样本业务流进行离线检测，获取异动检测结果；对异动检测结果进行检测效果评测，将达到预设检测效果的异动检测结果所对应的异动检测模型序列做为对应的异动检测模型的模型特征序列；根据异动检测模型的模型特征序列确定其对应的检索标签。

以下结合附图，详细说明本说明书各实施例提供的技术方案。

在本说明书一实施例中，如图1所示，构造异动检测模型库的方法包括：

S110，构造包含异动检测模型的模型库；

S120，使用模型库中的异动检测模型对样本业务流进行离线检测，获取异动检测结果；

S130，对异动检测结果进行检测效果评测；

S140，确定异动检测模型对应的模型特征序列，其中，将达到预设检测效果的异动检测结果所对应的异动检测模型序列做为对应的异动检测模型的模型特征序列；

S150，根据异动检测模型对应的模型特征序列确定异动检测模型对应的检索标签以生成异动检测模型库。

具体的，在本说明书一实施例中，模型库包含一个或多个异动检测模型。

具体的，在本说明书一实施例中，通过对历史时序序列建模分析，沉淀通用的异动检测模型库，常见的模型例如，LSTM异动模型、3-SIGMA检测模型、N-SIGMA检测模型、泊松模型检测等。

基于本说明书实施例的方法生成的异动检测模型库，可以实现异动检测模型的快速匹配检索，为业务流的异动检测提供快速有效的异动检测模型供应支持，从而避免在异动检测应用场景下出现无法生成异动检测模型、生成错误异动检测模型以及异动检测模型生成滞后的问题。

进一步的，在本说明书一实施例中，在步骤S140中，对异动检测结果进行检测效果评测，指的是通过统一的算法评测模型完成异动检测模型准确性的评测。

具体的，在本说明书一实施例中，通过时序模型检测预测出来的时序序列与真实的模型序列，通过欧几里得距离(不局限)评价选出最佳模型(topN),同时将该序列作为最佳模型的特征序列。

进一步的，在本说明书一实施例中，样本业务流的来源是历史数据。

进一步的，在实际应用场景中，针对某一异动检测模型，当其使用与不同的检测应用场景中时，其表现出的异动检测模型序列是不同的。因此，在本说明书一实施例中，在确定异动检测模型对应的模型特征序列的过程中，对每个异动检测模型确定多个对应的模型特征序列。

具体的，在本说明书一实施例中，在使用模型库中的异动检测模型对样本业务流进行离线检测的过程中，使用单个异动检测模型对多个样本业务流进行离线检测，从而获取多个异动检测结果，进而确定异动检测模型对应的多个模型特征序列。

具体的，在本说明书一实施例中，在使用模型库中的异动检测模型对样本业务流进行离线检测的过程中，使用单个异动检测模型对样本业务流的多个不同时序段进行离线检测，从而获取多个异动检测结果，进而确定异动检测模型对应的多个模型特征序列。

具体的，在本说明书一实施例中，在根据异动检测模型对应的模型特征序列确定异动检测模型对应的检索标签的过程中，将异动检测模型对应的每个模型特征序列作为一个检索标签。

进一步的，为了提高匹配检索异动检测模型的效率，在本说明书一实施例中，尽可能的降低异动检测模型库中的检索标签数量。具体的，在本说明书一实施例中，对单一异动检测模型对应的多个模型特征序列进行聚类分析并对每一类进行特征提取，将单一异动检测模型对应的多个模型特征序列上位到对应多个不同分类的类特征序列，将类特征序列作为检索标签。相较于将异动检测模型对应的每个模型特征序列均作为检索标签而言，将类特征序列作为检索标签使得检索标签数量大大降低。

具体的，在本说明书一实施例中，通过对大量时序序列训练，每个模型会有大量的对特征序列。针对每个模型的特征序列，通过向量聚类(无监督向量聚类算法。K-Mean算法等)对时序序列分类。

进一步的，在本说明书一实施例中，对聚类在一起的一组时序序列抽象为一个向量组，通过多维的线性规划(最小二乘法)或非线性(神经网络)，归一为一个特征向量。从而一个模型序列存在多个特征向量。

具体的，在本说明书一实施例中，如图2所示，在根据异动检测模型对应的模型特征序列确定检索标签的过程中：

S210，对单一异动检测模型对应的多个模型特征序列进行聚类分析，获取聚类结果；

S220，分别针对聚类结果中的每一类模型特征序列进行特征序列计算，获取该类模型特征序列对应的类特征序列，将该类特征序列作为检索标签。

进一步的，基于本说明书实施例所提出的构造异动检测模型库的方法，本说明书实施例还提出了一种异动检测方法。在本说明书一实施例中，如图3所示，异动检测方法包括：

S310，调用根据本说明书实施例所述方法构造的异动检测模型库；

S320，将待检测业务流的时序特征与异动检测模型库中记录的检索标签做匹配，确定匹配待检测业务流的时序特征的检索标签；

S330，调用匹配时序特征的检索标签所对应的异动检测模型；

S340，使用调用的异动检测模型对所述待检测业务流进行异动检测。

基于本说明书实施例的异动检测方法，在进行异动检测时不需要临时生辰异动检测模型，从而可以有效避免在异动检测应用场景下出现无法生成异动检测模型、生成错误异动检测模型以及异动检测模型生成滞后的问题。

进一步的，在本说明书一实施例中，针对待检测业务流的异动检测为在线检测，即，在业务流运行的过程中对业务流进行检测。

进一步的，考虑到业务流在运行过程中，其不同运行阶段的性质特征可能是不同的。因此，为了确保异动检测的准确性，在本说明书一实施例中，在待检测业务流的不同运行阶段，采用对应当前运行阶段的异动检测模型进行异动检测。即，将待检测业务流当前特征时序列与检索标签做相似匹配，选择最佳匹配的检索标签对应的异动检测模型，并通过此异动检测模型完成当前时间点改业务时序的异动检测。

具体的，在本说明书一实施例中，在将待检测业务流的时序特征与异动检测模型库中记录的检索标签做匹配以确定匹配所述时序特征的检索标签的过程中，将待检测业务流的当前运行阶段的时序特征与异动检测模型库中记录的检索标签做匹配以确定匹配的检索标签。

具体的，在本说明书一实施例中，在线检测阶段，实时的时序序列(抽象为向量)与所有模型的特征向量匹配算法(向量的余弦近似匹配算法)，反推最佳异动检测模型。

具体的，在本说明书一实施例中，如图4所示：

S410，调用根据本说明书实施例所述方法构造的异动检测模型库；

S420，将待检测业务流的当前时序特征与异动检测模型库中记录的检索标签做匹配，确定匹配待检测业务流的当前时序特征的检索标签；

S430，调用匹配时序特征的检索标签所对应的异动检测模型；

S440，使用调用的异动检测模型对所述待检测业务流进行异动检测；

S450，判断待检测业务流的时序特征是否发生变化；

如果发生变化，跳转到步骤S420；

如果没有发生变化，跳转到步骤S440。

进一步的，基于本说明书实施例所提出的构造异动检测模型库的方法，本说明书实施例还提出了一种构造异动检测模型检索标签的系统。如图5所示，在一实施例中，系统包括：

模型调用模块510，其用于调用异动检测模型；

离线检测模块520，其用于使用所述模型调用模块调用的异动检测模型对样本业务流进行离线检测，获取异动检测结果；

评测模块530，其用于对所述异动检测结果进行检测效果评测；

特征序列获取模块540，其用于确定所述异动检测模型对应的模型特征序列，其中，将达到预设检测效果的异动检测结果所对应的异动检测模型序列做为对应的异动检测模型的模型特征序列；

标签生成模块550，其用于根据所述异动检测模型对应的模型特征序列确定所述异动检测模型对应的检索标签。

进一步的，基于本说明书实施例所提出的构造异动检测模型库的方法，本说明书实施例还提出了一种异动检测模型库。如图6所示，在本说明书一实施例中，模型库包括：

模型存储模块610，其用于存储异动检测模型；

检索标签存储模块620，其用于存储对应所述模型存储模块中异动检测模型的检索标签，其中，所述检索标签为基于所述模型存储模块中异动检测模型、使用如本说明书实施例所述构造异动检测模型检索标签的系统而生成的检索标签。

进一步的，基于本说明书实施例所提出的异动检测方法，本说明书实施例还提出了一种异动检测系统。如图7所示，在本说明书一实施例中，异动检测系统包括：

模型库调用模块710，其用于调用如本说明书实施例所述的异动检测模型库；

特征序列匹配模块720，其用于将待检测业务流的时序特征与异动检测模型库中记录的检索标签做匹配，确定匹配的检索标签；

模型调用模块730，其用于调用匹配时序特征的检索标签所对应的异动检测模型；

异动检测模块740，其用于使用模型调用模块730调用的异动检测模型对待检测业务流进行异动检测。

进一步的，基于本发明的方法，本发明还提出了一种用于在访问方设备端信息处理的设备，该设备包括用于存储计算机程序指令的存储器和用于执行程序指令的处理器，其中，当该计算机程序指令被该处理器执行时，触发该设备执行本发明所述的方法。

在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由访问方对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。

控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。

上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。

为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (10)

1.一种构造异动检测模型库的方法，所述方法包括：

构造包含异动检测模型的模型库；

使用所述模型库中的异动检测模型对样本业务流进行离线检测，获取异动检测结果；

对所述异动检测结果进行检测效果评测；

确定所述异动检测模型对应的模型特征序列，其中，将达到预设检测效果的异动检测结果所对应的异动检测模型序列做为对应的异动检测模型的模型特征序列；其中，使用单个异动检测模型对多个样本业务流进行离线检测，获取多个异动检测结果，确定异动检测模型对应的多个模型特征序列；

根据所述异动检测模型对应的模型特征序列确定所述异动检测模型对应的检索标签以生成异动检测模型库，以便在待检测业务流的不同运行阶段，采用对应当前运行阶段的异动检测模型进行异动检测。

2.根据权利要求1所述的方法，确定所述异动检测模型对应的模型特征序列，其中，针对每个所述异动检测模型确定多个对应的模型特征序列。

3.根据权利要求2所述的方法，根据所述异动检测模型对应的模型特征序列确定所述异动检测模型对应的检索标签，包括：

对单一异动检测模型对应的多个模型特征序列进行聚类分析，获取聚类结果；

分别针对所述聚类结果中的每一类模型特征序列进行特征序列计算，获取该类模型特征序列对应的类特征序列；

将所述类特征序列作为所述检索标签。

4.一种异动检测方法，所述方法包括：

调用根据权利要求1～3中任一项所述方法构造的异动检测模型库；

将待检测业务流的时序特征与所述异动检测模型库中记录的检索标签做匹配，确定匹配所述时序特征的检索标签；

调用匹配所述时序特征的检索标签所对应的异动检测模型；

使用调用的异动检测模型对所述待检测业务流进行异动检测。

5.根据权利要求4所述的方法，所述方法还包括：

在所述待检测业务流的不同运行阶段，采用对应当前运行阶段的异动检测模型进行异动检测。

6.根据权利要求5所述的方法，将待检测业务流的时序特征与所述异动检测模型库中记录的检索标签做匹配，确定匹配所述时序特征的检索标签，其中：

将待检测业务流的当前运行阶段的时序特征与所述异动检测模型库中记录的检索标签做匹配，确定匹配所述时序特征的检索标签。

7.一种构造异动检测模型检索标签的系统，所述系统包括：

模型调用模块，其用于调用异动检测模型；

离线检测模块，其用于使用所述模型调用模块调用的异动检测模型对样本业务流进行离线检测，获取异动检测结果；

评测模块，其用于对所述异动检测结果进行检测效果评测；

特征序列获取模块，其用于确定所述异动检测模型对应的模型特征序列，其中，将达到预设检测效果的异动检测结果所对应的异动检测模型序列做为对应的异动检测模型的模型特征序列；其中，使用单个异动检测模型对多个样本业务流进行离线检测，获取多个异动检测结果，确定异动检测模型对应的多个模型特征序列；

标签生成模块，其用于根据所述异动检测模型对应的模型特征序列确定所述异动检测模型对应的检索标签，以便在待检测业务流的不同运行阶段，采用对应当前运行阶段的异动检测模型进行异动检测。

8.一种异动检测模型库，所述模型库包括：

模型存储模块，其用于存储异动检测模型；

检索标签存储模块，其用于存储对应所述模型存储模块中异动检测模型的检索标签，其中，所述检索标签为基于所述模型存储模块中异动检测模型、使用如权利要求7所述系统而生成的检索标签。

9.一种异动检测系统，所述系统包括：

模型库调用模块，其用于调用如权利要求8所述的异动检测模型库；

特征序列匹配模块，其用于将待检测业务流的时序特征与所述异动检测模型库中记录的检索标签做匹配，确定匹配所述时序特征的检索标签；

模型调用模块，其用于调用匹配所述时序特征的检索标签所对应的异动检测模型；

异动检测模块，其用于使用所述模型调用模块调用的异动检测模型对所述待检测业务流进行异动检测。

10.一种用于在访问方设备端信息处理的设备，该设备包括用于存储计算机程序指令的存储器和用于执行程序指令的处理器，其中，当该计算机程序指令被该处理器执行时，触发该设备执行权利要求1至6中任一项所述的方法。