CN111241155B - 时序数据异常检测方法、装置、设备及存储介质 - Google Patents
时序数据异常检测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN111241155B CN111241155B CN202010009071.3A CN202010009071A CN111241155B CN 111241155 B CN111241155 B CN 111241155B CN 202010009071 A CN202010009071 A CN 202010009071A CN 111241155 B CN111241155 B CN 111241155B
- Authority
- CN
- China
- Prior art keywords
- data
- time period
- historical time
- time sequence
- real
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 62
- 230000005856 abnormality Effects 0.000 title claims abstract description 18
- 231100000279 safety data Toxicity 0.000 claims abstract description 31
- 238000000034 method Methods 0.000 claims abstract description 29
- 230000003321 amplification Effects 0.000 claims description 44
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 44
- 230000002159 abnormal effect Effects 0.000 claims description 32
- 238000012216 screening Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 4
- 230000002123 temporal effect Effects 0.000 claims 2
- 230000002547 anomalous effect Effects 0.000 claims 1
- 230000003287 optical effect Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000004220 aggregation Methods 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2474—Sequence data queries, e.g. querying versioned data
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Fuzzy Systems (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明实施例公开了一种时序数据异常检测方法、装置、设备及存储介质。所述方法包括：根据历史时间段内的历史时序数据，确定与所述历史时间段匹配的第一数据安全区间，以及与未来时间段匹配的第二数据安全区间，数据安全区间包括：时间信息和与时间信息匹配的安全数据的取值范围；根据各所述历史时序数据对所述第一数据安全区间的命中情况，对所述第二数据安全区间进行调整；根据调整后的所述第二数据安全区间，对所述未来时间段内获取的实时时序数据进行异常检测。本发明实施例的技术方案，提高了对时序数据进行实时异常检测的查准率。
Description
技术领域
本发明实施例涉及数据处理技术领域，尤其涉及一种时序数据异常检测方法、装置、设备及存储介质。
背景技术
随着网络和人工智能的发展，各行业通过算法去监控一些时间序列数据的异常点，如一些网站的访问量、服务的成功率等时间序列数据。通过对这些关键的时序数据指标进行监控，达到出现异常时可以人工及时处理减少损失的目的。
目前，人工智能算法对时序数据的异常检测采用两大类方法，无监督异常检测算法和有监督异常检测算法。现有的无监督异常检测算法只能对一些简单规则的时序数据进行异常检测，并且异常点检测的查准率较低，存在很多误告现象，也无法给出具体的异常结果，因此，并不能满足用户对时序数据的异常检测需求。
发明内容
本发明实施例提供一种时序数据异常检测方法、装置、设备及存储介质，提高了对时序数据进行实时异常检测的查准率。
第一方面，本发明实施例提供了一种时序数据异常检测方法，包括：
根据历史时间段内的历史时序数据，确定与历史时间段匹配的第一数据安全区间，以及与未来时间段匹配的第二数据安全区间，数据安全区间包括：时间信息和与时间信息匹配的安全数据的取值范围；
根据各历史时序数据对第一数据安全区间的命中情况，对第二数据安全区间进行调整；
根据调整后的第二数据安全区间，对未来时间段内获取的实时时序数据进行异常检测。
可选的，根据各历史时序数据对第一数据安全区间的命中情况，对第二数据安全区间进行调整，包括：
对第一数据安全区间中各安全数据的取值范围进行目标放大比例的放大处理，以使命中第一数据安全区间的历史时序数据的数量值满足预设的数量阈值条件；
根据目标放大比例，对第二数据安全区间进行调整。
可选的，对第一数据安全区间中各安全数据的取值范围进行目标放大比例的放大处理，以使命中第一数据安全区间的历史时序数据的数量值满足预设的数量阈值条件，包括：
根据各历史时序数据分别对应的时间信息以及数据值，获取命中第一数据安全区间的历史时序数据的数量值；
如果数量值不满足数量阈值条件，则按照设定放大比例对第一数据安全区间中各安全数据的取值范围进行放大处理，并将放大比例存储于放大比例集合中；
返回执行根据各历史时序数据分别对应的时间信息以及数据值，获取命中第一数据安全区间的历史时序数据的数量值的操作，直至数量值满足数量阈值条件；
根据放大比例集合中存储的各放大比例，确定目标放大比例。
可选的，根据各历史时序数据对第一数据安全区间的命中情况，对第二数据安全区间进行调整，包括：
将第一数据安全区间与第二数据安全区间进行组合，得到目标数据安全区间；
根据各历史时序数据分别对应的时间信息以及数据值，获取命中第一数据安全区间的历史时序数据的数量值；
如果数量值不满足数量阈值条件，则按照设定放大比例对目标数据安全区间中各安全数据的取值范围进行放大处理；
返回执行根据各历史时序数据分别对应的时间信息以及数据值，获取命中第一数据安全区间的历史时序数据的数量值的操作，直至数量值满足数量阈值条件；
获取目标数据安全区间中的第二数据安全区间，作为调整后的第二数据安全区间。
可选的，根据调整后的第二数据安全区间，对未来时间段内获取的实时时序数据进行异常检测，包括：
在检测到未来时间段内的一个实时时序数据时，获取与实时时序数据对应的实时时间信息以及实时数据值；
在调整后的第二数据安全区间中，获取与实时时间信息对应的安全数据的目标取值范围；
如果实时数据值未命中目标取值范围，则确定实时时序数据为异常数据。
可选的，如果实时数据值未命中目标取值范围，则确定实时时序数据为异常数据，包括：
如果实时数据值大于目标取值范围的上限，则确定实时时序数据为增大异常数据；
如果实时数据值小于目标取值范围的下限，则确定实时时序数据为减小异常数据。
可选的，根据历史时间段内的历史时序数据，确定与历史时间段匹配的第一数据安全区间，以及与未来时间段匹配的第二数据安全区间，包括：
将历史时间段内的历史时序数据输入Prophet预测模型，得到与历史时间段匹配的第一数据安全区间，以及与未来时间段匹配的第二数据安全区间。
可选的，在根据调整后的第二数据安全区间，对未来时间段内获取的实时时序数据进行异常检测之后，还包括：
从未来时间段的结束时间开始，向前获取与历史时间段时间长度相等的更新后历史时间段，以及，向后获取与未来时间段时间长度相等的更新后未来时间段；
将更新后历史时间段内的历史时序数据输入Prophet预测模型，得到与更新后历史时间段匹配的第三数据安全区间，以及与更新后未来时间段匹配的第四数据安全区间。
可选的，在将更新后历史时间段内的历史时序数据输入Prophet预测模型之前，还包括：
计算更新后历史时间段内的所有异常历史时序数据的平均数据值；
将更新后历史时间段内的数据值大于平均数据值与最大筛选百分比的乘积的历史时序数据删除；
将更新后历史时间段内的数据值小于平均数据值与最小筛选百分比的乘积的历史时序数据删除。
第二方面，本发明实施例还提供了一种时序数据异常检测装置，包括：
确定模块，用于根据历史时间段内的历史时序数据，确定与历史时间段匹配的第一数据安全区间，以及与未来时间段匹配的第二数据安全区间，数据安全区间包括：时间信息和与时间信息匹配的安全数据的取值范围；
调整模块，用于根据各历史时序数据对第一数据安全区间的命中情况，对第二数据安全区间进行调整；
检测模块，用于根据调整后的第二数据安全区间，对未来时间段内获取的实时时序数据进行异常检测。
第三方面，本发明实施例还提供了一种设备，设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现本发明任意实施例提供的时序数据异常检测方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明任意实施例提供的时序数据异常检测方法。
本发明实施例的技术方案，通过根据历史时间段内的历史时序数据，确定与历史时间段匹配的第一数据安全区间，以及与未来时间段匹配的第二数据安全区间，数据安全区间包括：时间信息和与时间信息匹配的安全数据的取值范围；根据各历史时序数据对第一数据安全区间的命中情况，对第二数据安全区间进行调整；根据调整后的第二数据安全区间，对未来时间段内获取的实时时序数据进行异常检测，解决了现有技术中对时序数据进行异常检测的查准率较低的问题，提高了对时序数据进行实时异常检测的查准率。
附图说明
图1是本发明实施例一中的一种时序数据异常检测方法的流程图；
图2是本发明实施例二中的一种时序数据异常检测方法的流程图；
图3是本发明实施例三中的一种时序数据异常检测装置的结构示意图；
图4是本发明实施例四中的一种设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1是本发明实施例一中的一种时序数据异常检测方法的流程图，本实施例可适用于对时序数据进行实时的无监督异常检测的情况，该方法可以由时序数据异常检测装置来执行，该装置可以由硬件和/或软件来实现，并一般可以集成在提供异常点检测服务的设备中。如图1所示，该方法包括：
步骤110、根据历史时间段内的历史时序数据，确定与历史时间段匹配的第一数据安全区间，以及与未来时间段匹配的第二数据安全区间。
本实施例中，数据安全区间包括：时间信息和与时间信息匹配的安全数据的取值范围，其中，时间信息即为时间戳，安全数据即为非异常的时序数据，取值范围可用于判断该时间戳对应的时序数据是否是异常数据。历史时间段与未来时间段在时间上相邻，示例性的，历史时间段可以是当前时间戳之前的5天，未来时间段可以是当前时间戳之后的一个小时。时序数据可以包括网站访问量和服务成功率等。
本实施例中，在确定历史时间段之后，根据数据的聚合粒度，从数据仓库里面提取历史时间段内的一系列时间戳以及与各时间戳对应的历史时序数据，通常，聚合粒度越小，获取的历史时序数据越多。然后将历史时间段内的历史时序数据输入预测模型，计算出与历史时间段匹配的第一数据安全区间，并预测出与未来时间段匹配的第二数据安全区间。
步骤120、根据各历史时序数据对第一数据安全区间的命中情况，对第二数据安全区间进行调整。
本实施例中，为了提高对时序数据进行实时异常检测的查准率和查全率，在根据预测的第二数据安全区间对实时时序数据进行异常检测之前，可以先利用历史时序数据判断第二数据安全区间是否需要调整，由于第二数据安全区间是根据第一数据安全区间的变化趋势预测得到的，因此，第一数据安全区间与第二数据安全区间具有一致性。所以，在根据历史时序数据判断出第一数据安全区间是否需要调整之后，即可确定第二数据安全区间是否需要调整。
可选的，根据各历史时序数据对第一数据安全区间的命中情况，对第二数据安全区间进行调整，可以包括：对第一数据安全区间中各安全数据的取值范围进行目标放大比例的放大处理，以使命中第一数据安全区间的历史时序数据的数量值满足预设的数量阈值条件；根据目标放大比例，对第二数据安全区间进行调整。
本实施例中，当历史时序数据的数量值落在与之匹配的取值范围内时，则认为该历史时序数据命中第一数据安全区间，否则，认为该历史时序数据未命中第一数据安全区间。预设的数量阈值条件可以是历史时间段内命中第一数据安全区间的历史时序数据的数量大于历史时序数据总数的99％，其中，99％并不是固定不变的，可以根据需要对其进行相应的修改。
本实施例中，历史时序数据是经过异常检测的数据，其中包括的异常数据的数量应该控制在预设数量之内，如果根据当前计算出的第一数据安全区间判断出历史时序数据中存在的异常数据的数量小于等于预设数量，则认为第一数据安全区间和第二数据安全区间是准确的，不需要调整，否则，认为该第一数据安全区间和第二数据安全区间不准确，需要调整。当数据安全区间需要调整时，对第一数据安全区间中各安全数据的取值范围进行目标放大比例的放大处理，使得历史时序数据中包括的异常数据的数量在预设数量之内，即命中第一数据安全区间的历史时序数据的数量大于历史时序数据总数的99％，然后根据目标放大比例，对第二数据安全区间进行调整。
可选的，对第一数据安全区间中各安全数据的取值范围进行目标放大比例的放大处理，以使命中第一数据安全区间的历史时序数据的数量值满足预设的数量阈值条件，可以包括：根据各历史时序数据分别对应的时间信息以及数据值，获取命中第一数据安全区间的历史时序数据的数量值；如果数量值不满足数量阈值条件，则按照设定放大比例对第一数据安全区间中各安全数据的取值范围进行放大处理，并将放大比例存储于放大比例集合中；返回执行根据各历史时序数据分别对应的时间信息以及数据值，获取命中第一数据安全区间的历史时序数据的数量值的操作，直至数量值满足数量阈值条件；根据放大比例集合中存储的各放大比例，确定目标放大比例。
本实施例中，在对第一数据安全区间进行调整时，可以每次只做稍微调整，然后判断命中调整后的第一数据安全区间的历史时序数据的数量值是否大于历史时序数据总数的99％，若否，则再次对第一数据安全区间进行调整，直到命中调整后的第一数据安全区间的历史时序数据的数量值大于历史时序数据总数的99％为止，此时，将各次调整的设定放大比例相乘即可得到目标放大比例，其中，设定放大比例大于1，并且与1的差值很小。
步骤130、根据调整后的第二数据安全区间，对未来时间段内获取的实时时序数据进行异常检测。
可选的，根据调整后的第二数据安全区间，对未来时间段内获取的实时时序数据进行异常检测，可以包括：在检测到未来时间段内的一个实时时序数据时，获取与实时时序数据对应的实时时间信息以及实时数据值；在调整后的第二数据安全区间中，获取与实时时间信息对应的安全数据的目标取值范围；如果实时数据值未命中目标取值范围，则确定实时时序数据为异常数据。
本实施例中，对第二数据安全区间进行调整之后，从数据仓库中获取实时时序数据，并将该实时时序数据的实时数据值和第二数据安全区间中的与该实时时序数据对应的目标取值范围进行比对，如果实时数据值在目标取值范围内，则认为该实时时序数据正常，否则，认为该实时时序数据异常。
可选的，如果实时数据值未命中目标取值范围，则确定实时时序数据为异常数据，可以包括：如果实时数据值大于目标取值范围的上限，则确定实时时序数据为增大异常数据；如果实时数据值小于目标取值范围的下限，则确定实时时序数据为减小异常数据。
本实施例中，在检测到实时时序数据异常时，还可以根据实时数据值与目标取值范围上下限的大小关系，判断该实时时序数据是增大异常还是减小异常，即可以明确的向用户提供该数据的异常种类。
本发明实施例的技术方案，通过根据历史时间段内的历史时序数据，确定与历史时间段匹配的第一数据安全区间，以及与未来时间段匹配的第二数据安全区间，数据安全区间包括：时间信息和与时间信息匹配的安全数据的取值范围；根据各历史时序数据对第一数据安全区间的命中情况，对第二数据安全区间进行调整；根据调整后的第二数据安全区间，对未来时间段内获取的实时时序数据进行异常检测，解决了现有技术中对时序数据进行异常检测的查准率较低的问题，提高了对时序数据进行实时异常检测的查准率。
实施例二
图2是本发明实施例二中的一种时序数据异常检测方法的流程图，本实施例可以与上述实施例中各个可选方案结合。具体的，参考图2，该方法可以包括如下步骤：
步骤210、根据历史时间段内的历史时序数据，确定与历史时间段匹配的第一数据安全区间，以及与未来时间段匹配的第二数据安全区间。
可选的，根据历史时间段内的历史时序数据，确定与历史时间段匹配的第一数据安全区间，以及与未来时间段匹配的第二数据安全区间，可以包括：将历史时间段内的历史时序数据输入Prophet预测模型，得到与历史时间段匹配的第一数据安全区间，以及与未来时间段匹配的第二数据安全区间。
本实施例中，采用Prophet算法计算与历史时序数据对应的第一数据安全区间，以及根据第一数据安全区间预测未来时间段对应的第二数据安全区间。其中，Prophet算法参数统一设置为：增长函数growth＝'logistic'，即设置为逻辑回归函数，变点增长率的分布情况changepoint_prior_scale＝0.5，变点个数n_changepoints＝50，预测区间的宽度interval_width＝1，不确定样本uncertainty_samples＝500。
步骤220、根据各历史时序数据对第一数据安全区间的命中情况，对第二数据安全区间进行调整。
可选的，根据各历史时序数据对第一数据安全区间的命中情况，对第二数据安全区间进行调整，可以包括：将第一数据安全区间与第二数据安全区间进行组合，得到目标数据安全区间；根据各历史时序数据分别对应的时间信息以及数据值，获取命中第一数据安全区间的历史时序数据的数量值；如果数量值不满足数量阈值条件，则按照设定放大比例对目标数据安全区间中各安全数据的取值范围进行放大处理；返回执行根据各历史时序数据分别对应的时间信息以及数据值，获取命中第一数据安全区间的历史时序数据的数量值的操作，直至数量值满足数量阈值条件；获取目标数据安全区间中的第二数据安全区间，作为调整后的第二数据安全区间。
本实施例中，当对第二数据安全区间进行调整时，即可以先根据历史时序数据对第一数据安全区间进行多次调整，然后再对第二数据安全区间进行一次性调整，也可以根据历史时序数据对第一数据安全区间和第二数据安全区间同时进行调整，经过多次调整之后，得到准确的第二数据安全区间。
步骤230、根据调整后的第二数据安全区间，对未来时间段内获取的实时时序数据进行异常检测，并获取异常检测结果。
本实施例中，对第二数据安全区间进行调整之后，从数据仓库中获取实时时序数据，并将该实时时序数据的实时数据值和第二数据安全区间中的与该实时时序数据对应的目标取值范围进行比对，如果实时数据值在目标取值范围内，则认为该实时时序数据正常，否则，如果实时数据值大于目标取值范围的上限，则确定实时时序数据为增大异常数据；如果实时数据值小于目标取值范围的下限，则确定实时时序数据为减小异常数据。
可选的，在根据调整后的第二数据安全区间，对未来时间段内获取的实时时序数据进行异常检测之后，还可以包括：从未来时间段的结束时间开始，向前获取与历史时间段时间长度相等的更新后历史时间段，以及，向后获取与未来时间段时间长度相等的更新后未来时间段；将更新后历史时间段内的历史时序数据输入Prophet预测模型，得到与更新后历史时间段匹配的第三数据安全区间，以及与更新后未来时间段匹配的第四数据安全区间。
本实施例中，在当前时间戳大于等于预测的第二数据安全区间的最大时间信息时，需要获取新的历史时序数据以及预测新的未来时间段对应的数据安全区间。此时，可以将当前时间戳之前的5天作为更新后历史时间段，将当前时间戳之后的一小时作为更新后未来时间段，从数据仓库中重新获取更新后历史时间段内的历史时序数据，并将更新后历史时间段内的历史时序数据输入Prophet预测模型，得到对应的第三数据安全区间和第四数据安全区间，然后可以按照步骤220对第四数据安全区间进行调整，并根据调整后的第四数据安全区间对当前实时时序数据进行异常检测。
可选的，在将更新后历史时间段内的历史时序数据输入Prophet预测模型之前，还可以包括：计算更新后历史时间段内的所有异常历史时序数据的平均数据值；将更新后历史时间段内的数据值大于平均数据值与最大筛选百分比的乘积的历史时序数据删除；将更新后历史时间段内的数据值小于平均数据值与最小筛选百分比的乘积的历史时序数据删除。
本实施例中，为了减小历史时序数据中的异常数据对预测数据安全区间的影响，在利用更新后的历史时序数据重新计算数据安全区间之前，先将更新后的历史时序数据中可信度较高的异常历史时序数据进行删除。在本实施例中，最大筛选百分比可以是85％，最小筛选百分比可以是15％，可信度较高的异常历史时序数据为数据值大于所有异常历史时序数据的平均数据值的85％，或者数据值小于所有异常历史时序数据的平均数据值的15％。当然，最大筛选百分比与最小筛选百分比可以根据需要进行修改，并不是固定不变的。
本发明实施例的技术方案，通过根据历史时间段内的历史时序数据，确定与历史时间段匹配的第一数据安全区间，以及与未来时间段匹配的第二数据安全区间，数据安全区间包括：时间信息和与时间信息匹配的安全数据的取值范围；根据各历史时序数据对第一数据安全区间的命中情况，对第二数据安全区间进行调整；根据调整后的第二数据安全区间，对未来时间段内获取的实时时序数据进行异常检测，解决了现有技术中对时序数据进行异常检测的查准率较低的问题，提高了对时序数据进行无监督实时异常检测的查准率和查全率，并明确的向用户提供异常时序数据的异常种类。
实施例三
图3是本发明实施例三中的一种时序数据异常检测装置的结构示意图，本实施例可适用于对时序数据进行实时的无监督异常检测的情况。如图3所示，该时序数据异常检测装置包括：
确定模块310，用于根据历史时间段内的历史时序数据，确定与历史时间段匹配的第一数据安全区间，以及与未来时间段匹配的第二数据安全区间，数据安全区间包括：时间信息和与时间信息匹配的安全数据的取值范围；
调整模块320，用于根据各历史时序数据对第一数据安全区间的命中情况，对第二数据安全区间进行调整；
检测模块330，用于根据调整后的第二数据安全区间，对未来时间段内获取的实时时序数据进行异常检测。
本发明实施例的技术方案，通过根据历史时间段内的历史时序数据，确定与历史时间段匹配的第一数据安全区间，以及与未来时间段匹配的第二数据安全区间，数据安全区间包括：时间信息和与时间信息匹配的安全数据的取值范围；根据各历史时序数据对第一数据安全区间的命中情况，对第二数据安全区间进行调整；根据调整后的第二数据安全区间，对未来时间段内获取的实时时序数据进行异常检测，解决了现有技术中对时序数据进行异常检测的查准率较低的问题，提高了对时序数据进行实时异常检测的查准率。
可选的，调整模块320，包括：放大单元，用于对第一数据安全区间中各安全数据的取值范围进行目标放大比例的放大处理，以使命中第一数据安全区间的历史时序数据的数量值满足预设的数量阈值条件；调整单元，用于根据目标放大比例，对第二数据安全区间进行调整。
可选的，放大单元，具体用于：根据各历史时序数据分别对应的时间信息以及数据值，获取命中第一数据安全区间的历史时序数据的数量值；如果数量值不满足数量阈值条件，则按照设定放大比例对第一数据安全区间中各安全数据的取值范围进行放大处理，并将放大比例存储于放大比例集合中；返回执行根据各历史时序数据分别对应的时间信息以及数据值，获取命中第一数据安全区间的历史时序数据的数量值的操作，直至数量值满足数量阈值条件；根据放大比例集合中存储的各放大比例，确定目标放大比例。
可选的，调整模块320，具体用于：将第一数据安全区间与第二数据安全区间进行组合，得到目标数据安全区间；根据各历史时序数据分别对应的时间信息以及数据值，获取命中第一数据安全区间的历史时序数据的数量值；如果数量值不满足数量阈值条件，则按照设定放大比例对目标数据安全区间中各安全数据的取值范围进行放大处理；返回执行根据各历史时序数据分别对应的时间信息以及数据值，获取命中第一数据安全区间的历史时序数据的数量值的操作，直至数量值满足数量阈值条件；获取目标数据安全区间中的第二数据安全区间，作为调整后的第二数据安全区间。
可选的，检测模块330，具体用于：在检测到未来时间段内的一个实时时序数据时，获取与实时时序数据对应的实时时间信息以及实时数据值；在调整后的第二数据安全区间中，获取与实时时间信息对应的安全数据的目标取值范围；如果实时数据值未命中目标取值范围，则确定实时时序数据为异常数据。
可选的，检测模块330，具体用于：如果实时数据值大于目标取值范围的上限，则确定实时时序数据为增大异常数据；如果实时数据值小于目标取值范围的下限，则确定实时时序数据为减小异常数据。
可选的，确定模块310，具体用于：将历史时间段内的历史时序数据输入Prophet预测模型，得到与历史时间段匹配的第一数据安全区间，以及与未来时间段匹配的第二数据安全区间。
可选的，还包括：更新模块，用于在根据调整后的第二数据安全区间，对未来时间段内获取的实时时序数据进行异常检测之后，从未来时间段的结束时间开始，向前获取与历史时间段时间长度相等的更新后历史时间段，以及，向后获取与未来时间段时间长度相等的更新后未来时间段；将更新后历史时间段内的历史时序数据输入Prophet预测模型，得到与更新后历史时间段匹配的第三数据安全区间，以及与更新后未来时间段匹配的第四数据安全区间。
可选的，更新模块，还用于：在将更新后历史时间段内的历史时序数据输入Prophet预测模型之前，计算更新后历史时间段内的所有异常历史时序数据的平均数据值；将更新后历史时间段内的数据值大于平均数据值与最大筛选百分比的乘积的历史时序数据删除；将更新后历史时间段内的数据值小于平均数据值与最小筛选百分比的乘积的历史时序数据删除。
本发明实施例所提供的时序数据异常检测装置可执行本发明任意实施例所提供的时序数据异常检测方法，具备执行方法相应的功能模块和有益效果。
实施例四
图4是本发明实施例四中的一种设备的结构示意图。图4示出了适于用来实现本发明实施方式的示例性设备12的框图。图4显示的设备12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图4所示，设备12以通用计算设备的形式表现。设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)30和/或高速缓存存储器32。设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图4未显示，通常称为“硬盘驱动器”)。尽管图4中未示出可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该设备12交互的设备通信，和/或与使得该设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且，设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与设备12的其它模块通信。应当明白，尽管图中未示出，可以结合设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的时序数据异常检测方法。
也即：实现一种时序数据异常检测方法，包括：
根据历史时间段内的历史时序数据，确定与历史时间段匹配的第一数据安全区间，以及与未来时间段匹配的第二数据安全区间，数据安全区间包括：时间信息和与时间信息匹配的安全数据的取值范围；
根据各历史时序数据对第一数据安全区间的命中情况，对第二数据安全区间进行调整；
根据调整后的第二数据安全区间，对未来时间段内获取的实时时序数据进行异常检测。
实施例五
本发明实施例五还公开了一种计算机存储介质，其上存储有计算机程序，该程序被处理器执行时实现一种时序数据异常检测方法，包括：
根据历史时间段内的历史时序数据，确定与历史时间段匹配的第一数据安全区间，以及与未来时间段匹配的第二数据安全区间，数据安全区间包括：时间信息和与时间信息匹配的安全数据的取值范围；
根据各历史时序数据对第一数据安全区间的命中情况，对第二数据安全区间进行调整；
根据调整后的第二数据安全区间，对未来时间段内获取的实时时序数据进行异常检测。
本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种时序数据异常检测方法，其特征在于，包括：
根据历史时间段内的历史时序数据，确定与所述历史时间段匹配的第一数据安全区间，以及与未来时间段匹配的第二数据安全区间，数据安全区间包括：时间信息和与时间信息匹配的安全数据的取值范围；
根据各所述历史时序数据对所述第一数据安全区间的命中情况，对所述第二数据安全区间进行调整；
根据调整后的所述第二数据安全区间，对所述未来时间段内获取的实时时序数据进行异常检测；
其中，根据各所述历史时序数据对所述第一数据安全区间的命中情况，对所述第二数据安全区间进行调整，包括：
对所述第一数据安全区间中各安全数据的取值范围进行目标放大比例的放大处理，以使命中所述第一数据安全区间的历史时序数据的数量值满足预设的数量阈值条件；
根据所述目标放大比例，对所述第二数据安全区间进行调整。
2.根据权利要求1所述的方法，其特征在于，对所述第一数据安全区间中各安全数据的取值范围进行目标放大比例的放大处理，以使命中所述第一数据安全区间的历史时序数据的数量值满足预设的数量阈值条件，包括：
根据各所述历史时序数据分别对应的时间信息以及数据值，获取命中所述第一数据安全区间的历史时序数据的数量值；
如果所述数量值不满足所述数量阈值条件，则按照设定放大比例对所述第一数据安全区间中各安全数据的取值范围进行放大处理，并将所述放大比例存储于放大比例集合中；
返回执行根据各所述历史时序数据分别对应的时间信息以及数据值，获取命中所述第一数据安全区间的历史时序数据的数量值的操作，直至所述数量值满足所述数量阈值条件；
根据所述放大比例集合中存储的各所述放大比例，确定所述目标放大比例。
3.根据权利要求1-2任一项所述的方法，其特征在于，根据调整后的所述第二数据安全区间，对所述未来时间段内获取的实时时序数据进行异常检测，包括：
在检测到所述未来时间段内的一个实时时序数据时，获取与所述实时时序数据对应的实时时间信息以及实时数据值；
在所述调整后的所述第二数据安全区间中，获取与所述实时时间信息对应的安全数据的目标取值范围；
如果所述实时数据值未命中所述目标取值范围，则确定所述实时时序数据为异常数据。
4.根据权利要求3所述的方法，其特征在于，如果所述实时数据值未命中所述目标取值范围，则确定所述实时时序数据为异常数据，包括：
如果所述实时数据值大于所述目标取值范围的上限，则确定所述实时时序数据为增大异常数据；
如果所述实时数据值小于所述目标取值范围的下限，则确定所述实时时序数据为减小异常数据。
5.根据权利要求1所述的方法，其特征在于，根据历史时间段内的历史时序数据，确定与所述历史时间段匹配的第一数据安全区间，以及与未来时间段匹配的第二数据安全区间，包括：
将所述历史时间段内的历史时序数据输入Prophet预测模型，得到与所述历史时间段匹配的第一数据安全区间，以及与未来时间段匹配的第二数据安全区间。
6.根据权利要求5所述的方法，其特征在于，在根据调整后的所述第二数据安全区间，对所述未来时间段内获取的实时时序数据进行异常检测之后，还包括：
从所述未来时间段的结束时间开始，向前获取与所述历史时间段时间长度相等的更新后历史时间段，以及，向后获取与所述未来时间段时间长度相等的更新后未来时间段；
将所述更新后历史时间段内的历史时序数据输入Prophet预测模型，得到与所述更新后历史时间段匹配的第三数据安全区间，以及与更新后未来时间段匹配的第四数据安全区间。
7.根据权利要求6所述的方法，其特征在于，在将所述更新后历史时间段内的历史时序数据输入Prophet预测模型之前，还包括：
计算所述更新后历史时间段内的所有异常历史时序数据的平均数据值；
将所述更新后历史时间段内的数据值大于所述平均数据值与最大筛选百分比的乘积的历史时序数据删除；
将所述更新后历史时间段内的数据值小于所述平均数据值与最小筛选百分比的乘积的历史时序数据删除。
8.一种时序数据异常检测装置，其特征在于，包括：
确定模块，用于根据历史时间段内的历史时序数据，确定与所述历史时间段匹配的第一数据安全区间，以及与未来时间段匹配的第二数据安全区间，数据安全区间包括：时间信息和与时间信息匹配的安全数据的取值范围；
调整模块，用于根据各所述历史时序数据对所述第一数据安全区间的命中情况，对所述第二数据安全区间进行调整；
检测模块，用于根据调整后的所述第二数据安全区间，对所述未来时间段内获取的实时时序数据进行异常检测；
其中，所述调整模块，用于：
对所述第一数据安全区间中各安全数据的取值范围进行目标放大比例的放大处理，以使命中所述第一数据安全区间的历史时序数据的数量值满足预设的数量阈值条件；
根据所述目标放大比例，对所述第二数据安全区间进行调整。
9.一种电子设备，其特征在于，所述设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的时序数据异常检测方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的时序数据异常检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010009071.3A CN111241155B (zh) | 2020-01-06 | 2020-01-06 | 时序数据异常检测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010009071.3A CN111241155B (zh) | 2020-01-06 | 2020-01-06 | 时序数据异常检测方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111241155A CN111241155A (zh) | 2020-06-05 |
| CN111241155B true CN111241155B (zh) | 2024-03-01 |
Family
ID=70872446
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010009071.3A Active CN111241155B (zh) | 2020-01-06 | 2020-01-06 | 时序数据异常检测方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111241155B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113537617A (zh) * | 2021-07-29 | 2021-10-22 | 中国工商银行股份有限公司 | 一种用于预测数据分布的方法、装置、设备和存储介质 |
| CN115158399B (zh) * | 2022-06-14 | 2023-10-17 | 通号城市轨道交通技术有限公司 | 时序信号异常检测方法及系统 |
| CN115080292A (zh) * | 2022-06-21 | 2022-09-20 | 新华三人工智能科技有限公司 | 一种异常检测的方法及装置 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107528722A (zh) * | 2017-07-06 | 2017-12-29 | 阿里巴巴集团控股有限公司 | 一种时间序列中异常点检测方法及装置 |
| CN107871190A (zh) * | 2016-09-23 | 2018-04-03 | 阿里巴巴集团控股有限公司 | 一种业务指标监控方法及装置 |
| CN108038040A (zh) * | 2017-12-08 | 2018-05-15 | 上海市信息网络有限公司 | 计算机集群性能指标检测方法、电子设备及存储介质 |
| CN110008096A (zh) * | 2018-11-29 | 2019-07-12 | 阿里巴巴集团控股有限公司 | 数据监测方法、装置、电子设备及计算机可读存储介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019036129A1 (en) * | 2017-08-15 | 2019-02-21 | Cognant Llc | SYSTEM AND METHOD FOR DETECTING TEMPORAL ANOMALY |
-
2020
- 2020-01-06 CN CN202010009071.3A patent/CN111241155B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107871190A (zh) * | 2016-09-23 | 2018-04-03 | 阿里巴巴集团控股有限公司 | 一种业务指标监控方法及装置 |
| CN107528722A (zh) * | 2017-07-06 | 2017-12-29 | 阿里巴巴集团控股有限公司 | 一种时间序列中异常点检测方法及装置 |
| CN108038040A (zh) * | 2017-12-08 | 2018-05-15 | 上海市信息网络有限公司 | 计算机集群性能指标检测方法、电子设备及存储介质 |
| CN110008096A (zh) * | 2018-11-29 | 2019-07-12 | 阿里巴巴集团控股有限公司 | 数据监测方法、装置、电子设备及计算机可读存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111241155A (zh) | 2020-06-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112436968B (zh) | 一种网络流量的监测方法、装置、设备及存储介质 | |
| CN111241155B (zh) | 时序数据异常检测方法、装置、设备及存储介质 | |
| CN108055281B (zh) | 账户异常检测方法、装置、服务器及存储介质 | |
| CN111045894B (zh) | 数据库异常检测方法、装置、计算机设备和存储介质 | |
| CN113127305B (zh) | 异常检测方法及装置 | |
| US20110161048A1 (en) | Method to Optimize Prediction of Threshold Violations Using Baselines | |
| US8977908B2 (en) | Method and apparatus for detecting a suspect memory leak | |
| US20170069198A1 (en) | Method for calculating error rate of alarm | |
| CN112820066B (zh) | 基于对象的报警处理方法、装置、设备及存储介质 | |
| CN115034596A (zh) | 一种风险传导预测方法、装置、设备和介质 | |
| CN111897700B (zh) | 应用指标监控方法及装置、电子设备和可读存储介质 | |
| CN111708687B (zh) | 一种设备异常指标确定方法、装置、设备和存储介质 | |
| CN112564951A (zh) | 一种规避告警风暴的方法、装置、计算机设备和存储介质 | |
| CN112651172B (zh) | 一种降雨峰值类型划分方法、装置、设备和存储介质 | |
| JP5219783B2 (ja) | 不正アクセス検知装置及び不正アクセス検知プログラム及び記録媒体及び不正アクセス検知方法 | |
| WO2024044652A1 (en) | Automatic selection of data for target monitoring | |
| CN111784176A (zh) | 一种数据处理方法、装置、服务器及介质 | |
| CN114358581A (zh) | 性能指标的异常阈值确定方法和装置、设备、存储介质 | |
| CN113485917A (zh) | 一种接口管理方法、装置、电子设备及存储介质 | |
| CN116596336B (zh) | 电子设备的状态评估方法、装置、电子设备及存储介质 | |
| US7979406B2 (en) | Compress transaction data using serial micro-trends | |
| CN110490481B (zh) | 风控规则的控制方法、装置、设备及存储介质 | |
| CN118797250A (zh) | 一种设备状态数据填补方法、装置、设备和存储介质 | |
| CN115604091A (zh) | 数据处理方法、装置、基板控制管理系统及电子设备 | |
| CN114416418A (zh) | 数据检测方法、装置、电子设备和存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |