CN112445679B - 一种信息检测方法、装置、服务器及存储介质 - Google Patents
一种信息检测方法、装置、服务器及存储介质 Download PDFInfo
- Publication number
- CN112445679B CN112445679B CN202011267926.9A CN202011267926A CN112445679B CN 112445679 B CN112445679 B CN 112445679B CN 202011267926 A CN202011267926 A CN 202011267926A CN 112445679 B CN112445679 B CN 112445679B
- Authority
- CN
- China
- Prior art keywords
- abnormal
- target
- information
- detection result
- condition
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
- G06F11/3006—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system is distributed, e.g. networked systems, clusters, multiprocessor systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
- G06F11/302—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system component is a software system
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
- G06F11/3024—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system component is a central processing unit [CPU]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3051—Monitoring arrangements for monitoring the configuration of the computing system or of the computing system component, e.g. monitoring the presence of processing resources, peripherals, I/O links, software programs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3055—Monitoring arrangements for monitoring the status of the computing system or of the computing system component, e.g. monitoring if the computing system is on, off, available, not available
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3065—Monitoring arrangements determined by the means or processing involved in reporting the monitored data
- G06F11/3072—Monitoring arrangements determined by the means or processing involved in reporting the monitored data where the reporting involves data filtering, e.g. pattern matching, time or event triggered, adaptive or policy-based reporting
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Alarm Systems (AREA)
Abstract
本发明提供一种信息检测方法、装置、服务器及存储介质，通过在指标数据中注入异常数据生成目标指标数据并确定目标指标数据因注入的异常数据而存在的各个异常信息；利用与指标数据所属指标对应的至少一个异常条件对目标指标数据进行异常状态检测得到异常检测结果；进而针对每个异常条件，将异常检测结果中与该异常条件相关的目标异常检测结果和所确定的异常信息中与该异常条件相关的目标异常信息进行比对，以得到该异常条件的信息检测结果，实现对该异常条件的检测。本申请基于对异常条件的检测能够及时发现设置不准确的异常条件，便于对设置不准确的异常条件的改进，减少对异常情况检测不准确的情况的发生。
Description
技术领域
本发明涉及监控技术领域，更具体地说，涉及一种信息检测方法、装置、服务器及存储介质。
背景技术
在互联网公司中，通过建立监控系统来监控线上系统的运行情况和业务趋势，比如监控服务器CPU的使用率、每秒系统调用量、每分钟订单成交量等等各种系统指标和业务指标。为了能够迅速发现系统指标和业务指标是否发生问题，会对这些指标分别设置相应的异常条件，当指标满足异常条件时，确定该指标存在异常情况。
现有的设置异常条件的方法，是通过对系统或者业务十分了解且对监控报警设置有丰富经验的的专家对异常条件中的参数的参数值进行手动设置。这种设置方式依赖于专家的主观判断，可能会存在异常条件设置不准确的情况，而异常条件设置不准确，往往会导致异常情况检测不准确。
发明内容
有鉴于此，本发明提供一种信息检测方法、装置、服务器及存储介质，以实现对异常条件的检测，进而便于及时发现设置不准确的异常条件，减少异常情况检测不准确的情况的发生。技术方案如下：
本发明第一方面公开一种信息检测方法，包括：
在指标数据中注入至少一个异常数据生成目标指标数据；
确定基于注入的所述至少一个异常数据导致所述目标指标数据存在的各个异常信息，所述异常信息指示所述目标指标数据因满足异常条件所存在的异常状态；
利用预先设置的与所述指标数据所属指标对应的至少一个异常条件对所述目标指标数据进行异常状态检测得到异常检测结果；
获取指示目标异常条件的各个目标异常信息以及所述异常检测结果中与所述目标异常条件相关的目标异常检测结果；
比对所述目标异常信息和当前所述目标异常检测结果生成与当前所述目标异常条件相关的信息检测结果。
可选的，还包括：
判断当前所述信息检测结果是否表征当前所述目标异常条件的准确程度达到预先设置的目标准确程度；
若当前所述信息检测结果表征当前所述目标异常条件的准确程度未达到预先设置的目标准确程度，基于当前所述信息检测结果更新所述至少一个异常条件中所述目标异常条件。
可选的，所述异常检测结果包括分别与每个所述异常条件相关的异常信息，所述异常信息还指示有异常状态发生时间；所述比对所述目标异常信息和当前所述目标异常检测结果生成与所述目标异常条件相关的信息检测结果，包括：
基于所述异常信息指示的异常状态和异常状态发生时间，对所述目标异常信息和当前所述目标异常检测结果进行比对得到信息检测结果；所述信息检测结果包括用于表征所述目标异常条件准确程度的各个指标信息。
可选的，所述基于所述信息检测结果更新所述至少一个异常条件中所述目标异常条件，包括：
获取预先设置的更新规则；
利用所述更新规则更新所述目标异常条件中的参数值；
基于当前所述目标异常条件对所述目标指标数据进行异常状态检测得到与当前所述目标异常条件相关的目标异常检测结果，返回执行“比对所述目标异常信息和当前所述目标异常检测结果生成与所述目标异常条件相关的信息检测结果”步骤。
可选的，还包括：
判断历史利用所述更新规则对所述目标异常条件进行更新的总次数是否超过预设值；
若历史利用所述更新规则对所述目标异常条件进行更新的总次数超过预设值，基于当前所述信息检测结果确定对所述目标异常条件的更新结果；
若历史利用所述更新规则对所述目标异常条件进行更新的总次数未超过预设值，返回执行“利用所述更新规则更新所述目标异常条件中的参数值”步骤。
可选的，所述用于表征所述目标异常条件准确程度的各个指标信息，包括：所述目标异常条件对异常状态的召回率、所述目标异常条件对异常状态的误报率，以及用于表征所述目标异常条件检测异常状态的时效性的指标信息。
本发明第二方面提供一种信息检测装置，包括：
注入单元，用于在指标数据中注入至少一个异常数据生成目标指标数据；
第一确定单元，用于确定基于注入的所述至少一个异常数据导致所述目标指标数据存在的各个异常信息，所述异常信息指示所述目标指标数据因满足异常条件所存在的异常状态；
第一异常状态检测单元，用于利用预先设置的与所述指标数据所属指标对应的至少一个异常条件对所述目标指标数据进行异常状态检测得到异常检测结果；
第一获取单元，用于获取指示目标异常条件的各个目标异常信息以及所述异常检测结果中与所述目标异常条件相关的目标异常检测结果；
第一比对单元，用于比对所述目标异常信息和当前所述目标异常检测结果，生成与当前所述目标异常条件相关的信息检测结果。
可选的，还包括：
第一判断单元，用于判断当前所述信息检测结果是否表征当前所述目标异常条件的准确程度达到预先设置的目标准确程度；
第一更新单元，用于若当前所述信息检测结果表征当前所述目标异常条件的准确程度未达到预先设置的目标准确程度，基于当前所述信息检测结果更新所述至少一个异常条件中所述目标异常条件。
本发明第三方面公开一种服务器，包括：至少一个存储介质和至少一个处理器；所述存储器存储有程序，所述处理器调用所述存储器存储的程序，所述程序用户实现如上述本发明第一方面任意一项公开的信息检测方法。
本发明第四方面公开一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机可执行指令，所述计算机可执行指令用于执行如上述本发明第一方面任意一项公开的信息检测方法。
本发明提供一种信息检测方法、装置、服务器及存储介质，通过在指标数据中注入异常数据生成目标指标数据并确定目标指标数据因注入的异常数据而存在的各个异常信息；利用与指标数据所属指标对应的至少一个异常条件对目标指标数据进行异常状态检测得到异常检测结果；进而针对每个异常条件，将异常检测结果中与该异常条件相关的目标异常检测结果和所确定的异常信息中与该异常条件相关的目标异常信息进行比对，以得到该异常条件的信息检测结果，实现对该异常条件的检测。本申请基于对异常条件的检测能够及时发现设置不准确的异常条件，便于对设置不准确的异常条件的改进，减少对异常情况检测不准确的情况的发生。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的一种信息检测方法的流程示意图；
图2为本发明实施例提供的一种将指标数据中2019年12月5号2点20分的数据突然直降归零的示例图；
图3为本发明实施例提供的一种将指标数据中2019年12月6号6点40分的数据突然下降的示例图；
图4为本发明实施例提供的一种将指标数据中2019年12月8号19点40分的数据缓慢下降的示例图；
图5为本发明实施例提供的一种将指标数据中2019年12月3号17点40分的数据突然上升的示例图；
图6为本发明实施例提供的一种将指标数据中2019年12月4号23点00分的数据缓慢上升的示例图；
图7为本发明实施例提供的一种将指标数据中为错误率的数据直接归为100％的示例图；
图8为本发明实施例提供的另一种信息检测方法的流程示意图；
图9为本发明实施例提供的一种信息检测装置的结构示意图；
图10为本发明实施例提供的一种服务器的结构框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
在本申请中，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、物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、物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、物品或者设备中还存在另外的相同要素。
由上述背景技术可知，现有的设置异常条件的方法，是通过对系统或者业务十分了解且对监控报警设置有丰富经验的的专家对异常条件中的参数的参数值进行手动设置。比如，可以将CPU的使用率的异常条件中的参数的参数值设置为80％，或者，过去10分钟订单的异常条件中的参数的参数值设置为10笔。
但是，对于一个新的业务或者系统来说，可能并没有丰富的监控报警设置经验的专家，这样很难精准的设置该业务的业务指标或者该系统的系统指标对应的异常条件，这样可能会导致误报率太高频频出现误报的情况，或者召回率太低无法发现问题，需要较长时间的摸索才能调整准确，而在这个过程中线上可能已经产生了损失。
并且，依赖对系统或者业务十分了解且对监控报警设置有丰富经验的专家主观进行手动设置，人工成本高，且仅依赖有经验的专家进行异常条件的设置，不对异常条件进行后验评估，容易导致异常情况检验的不确定性。并且，线上的业务和系统是不断的变化的，当线上的业务或者系统发生变化时，需要相应的调整该业务的业务指标或者系统的系统指标相应的异常条件，因此，需要定期的对系统指标和业务指标相应的异常条件进行手动定期维护调整，手动定期维护调整的成本高。
因此，本申请实施例提供一种信息检测方法、装置、服务器及存储介质，能够实现对异常条件的检测，进而便于及时发现不准确的异常条件，减少因异常条件设置不准确导致的对异常情况检测不准确的情况的发生。
参见图1，示出了本发明实施例提供的一种信息检测方法的流程示意图，该信息检测方法具体包括以下步骤：
S101：在指标数据中注入至少一个异常数据生成目标指标数据；
在本申请实施例中，指标数据可以为时序数据，通过获取历史一段时间监控的业务指标的时序数据，并在获取的时序数据中注入至少一个异常数据生成目标时序数据。其中，时序数据指的是时间序列数据，即同一指标按时间顺序记录的数据列。比如，获取过去1个小时内每秒钟系统端口1的调用量，就可以组成一组时序数据，数据中每个数据点都包含时间点和调用量具体取值的数值。
在本申请实施例中，在指标数据中注入异常数据的方式可以为：更改指标数据中某个时间点的数据，进而达到在指标数据中注入异常数据的目的。
比如，将指标数据中2019年12月5号2点20分的数据突然直降归零，如图所示2；或者，将指标数据中2019年12月6号6点40分的数据突然下降，如图3所示；或者，将指标数据中2019年12月8号19点40分的数据缓慢下降，如图4所示；或者，将指标数据中2019年12月3号17点40分的数据突然上升，如图5所示；或者，将指标数据中2019年12月4号23点00分的数据缓慢上升，如图6所示；或者，将指标数据中为错误率的数据直接归为100％，如图7所示。
S102：确定基于注入的至少一个异常数据导致目标指标数据存在的各个异常信息，异常信息指示目标指标数据因满足异常条件所存在的异常状态；
本申请实施例，可以认为指标数据中不存在异常数据，在指标数据中注入至少一个异常数据后得到目标指标数据。相应的，可以根据在指标数据中注入的至少一个异常数据预先设置目标指标数据中存在的各个异常信息；具体的，可以将预先设置的目标指标数据中存在的各个异常信息作为所确定的基于注入的至少一个异常数据导致目标指标数据存在的各个异常信息。
示例性的，以一个异常信息为例，该异常信息指示目标指标数据因满足某个异常条件而存在某个异常状态，以及，该异常状态的发生时间。
比如，在指标数据中处于2020年1月30号14点10分处的数据注入异常数据1，在该指标数据中处于2020年1月30号15点30分处的数据注入异常数据2，在该指标数据2020年1月30号16点10分处注入异常数据3，生成目标指标数据。若注入的异常数据1导致目标指标数据中处于2020年1月30号14点10分处的数据满足异常条件1发生异常状态；异常数据2导致目标指标数据中处于2020年1月30号15点30分处的数据满足异常条件3发生异常状态；异常数据3导致目标指标数据中处于2020年1月30号16点10分处的数据满足异常条件2发生异常状态；则可以预先设置该目标指标数据存在3个异常信息，这3个异常信息分别为异常信息1、异常信息2和异常信息3，其中，异常信息1指示目标指标数据在2020年1月30号14点10分因满足异常条件1发生异常状态，异常信息2指示目标数据在2020年1月30号15点30分因满足异常条件3发生异常状态，异常信息3指示目标数据在2020年1月30号16点10分因满足异常条件2发生异常状态。
S103：利用预先设置的与指标数据所属指标对应的至少一个异常条件对目标指标数据进行异常状态检测得到异常检测结果；
在具体执行步骤S103的过程中，针对至少一个指标数据中的每个指标数据而言，预先设置有与该指标数据所属指标对应的至少一个异常条件。在指标数据中注入至少一个异常数据生成目标指标数据后，确定该目标指标数据所属指标，进而利用预先设置的与该指标对应的至少一个异常条件，对目标指标数据进行异常状态检测得到异常检测结果。
在本申请实施例中，预先设置的至少一个异常条件可以为：CPU的使用率不超过80％、过去十分钟累计订单成交量不小于10笔等等。有关于预先设置的至少一个异常条件的具体内容，发明人可根据自己的需求进行设置，本申请实施例不加以限定。
S104：获取指示目标异常条件的各个目标异常信息以及异常检测结果中与目标异常条件相关的目标异常检测结果；
在本申请实施例中，利用预先设置的与指标数据所属指标对应的至少一个异常条件对目标指标数据进行异常状态检测得到的异常检测结果中包括分别与至少一个异常条件中每个异常条件相关的异常检测结果。示例的，以一个异常条件为例，与该异常条件相关的异常检测结果包括与该异常条件相关的一个或多个异常信息，异常信息不仅指示有异常状态，还指示有异常状态发生时间。
针对至少一个异常条件中的每个异常条件而言，将该异常条件确定为目标异常条件，从异常检测结果中获取与该目标异常条件相关的异常检测结果，为了便于区分，可以将获取到的与该目标异常条件相关的异常检测结果称为目标异常检测结果；以及，从所确定的基于注入的至少一个异常数据导致目标指标数据存在的各个异常信息中获取指示目标异常条件的异常信息，为了便于区分，可以将该获取到的指示目标异常条件的异常信息称为目标异常信息；进而比对目标异常信息和目标异常检测结果得到与目标异常条件相关的信息检测结果。
S105：比对目标异常信息和当前目标异常检测结果，生成与当前目标异常条件相关的信息检测结果。
本申请实施例中，针对至少一个异常条件中每个异常条件分别执行如下过程：将该异常条件确定为目标异常条件，从目标异常检测结果中获取与该目标异常条件相关的目标异常检测结果，以及，从所确定的基于注入的至少一个异常数据导致目标指标数据存在的各个异常信息中获取指示目标异常条件的目标异常信息，比对目标异常信息和当前目标异常检测结果生成与当前目标异常条件相关的信息检测结果。
示例性的，目标异常检测结果包括与目标异常条件相关的异常信息，异常信息指示异常状态和异常状态发生时间。基于此，可以以异常状态发生时间为基准，比对目标异常信息和当前目标异常检测结果中的异常信息，得到目标异常条件的信息检测结果。比如，可以按照异常状态发生时间，依次将每个目标异常信息和当前目标异常检测结果中相应的异常信息进行比对，得到比对结果，统计各个目标异常信息与当前目标异常检测结果进行比对的比对结果得到当前目标异常条件的信息检测结果。
在本申请实施例中，信息检测结果包括用于表征目标异常条件准确程度的各个指标信息。其中，用于表征目标异常条件准确程度的各个指标信息包括：目标异常条件对异常状态的召回率、目标异常条件对异常状态的误报率，以及用于表征目标异常条件检测异常状态的时效性的指示信息。
以上仅仅是本申请实施例提供的信息检测结果中的指标信息的优选内容，有关信息检测结果中指标信息的具体内容，本领域技术人员可根据自己的需求进行设置，在此不做限定。
为了更好的对上述内容进行理解，下面以预先设置与指标数据所属指标的一个异常条件进行举例说明。
比如，在指标数据中注入2个异常数据生成目标指标数据。其中，注入的异常数据1导致目标指标数据中处于2020年1月30号14点10分处的数据满足异常条件1发生数据突降；异常数据2导致目标指标数据中处于2020年1月30号15点30分处的数据满足异常条件1发生数据突降；进而预先设置目标指标数据存在指示异常条件1的2个异常信息，比如，两个异常信息分别为异常信息1、异常信息2，异常信息1为指标数据因注入异常数据1导致的异常信息，异常信息2为指标数据因注入异常数据2导致的异常信息。
利用异常条件1对目标指标数据进行异常状态检测得到与异常条件1相关的目标异常检测结果，若目标异常检测结果包括3个异常信息，这3个异常信息分别为异常信息3、异常信息4和异常信息5，比如，异常信息3指示数据突降发生时间为2020年1月30号14点10分，异常信息4指示数据突降发生时间为2020年1月30号15点32分，异常信息5指示数据突降发生时间为2020年1月30号16点30。
示例性的，可以将预先设置的目标指标数据存在的指示异常条件1的2个异常信息作为所确定的基于注入的至少一个异常数据导致目标指标数据存在的各个异常信息。即，将异常信息1和异常信息2作为所确定的基于注入的至少一个异常数据导致目标指标数据存在的各个异常信息，按照异常状态发生时间的先后顺序对所确定的各个异常信息进行排序得到第一异常信息序列，第一异常信息序列由依次排序的异常信息1、异常信息2构成。
示例性的，按照异常状态发生时间的先后顺序对目标异常检测结果中的各个异常信息进行排序(即，按照异常状态发生时间的先后顺序对异常信息3、异常信息4和异常信息5进行排序)得到第二异常信息序列，第二异常信息序列由依次排序的异常信息3、异常信息4和异常信息5构成。
将异常信息1和异常信息3进行比对，由于异常信息1指示的异常状态以及异常状态发生时间与异常信息3指示的异常状态以及异常状态发生时间相同，说明异常信息1被召回；将异常信息2与异常信息4进行比对，由于异常信息2指示的异常状态与异常信息4指示的异常状态相同，但异常状态发生时间不相同，说明根据异常条件1检测目标指标数据中的异常信息2时存在检测时效性差的问题；并且，目标异常检测结果中还存在异常信息5，但指标数据中注入至少一个异常数据后并不会导致生成的目标指标数据存在异常信息5，说明根据异常条件1检测目标指标数据时存在误报的情况。
进一步的，通过统计上述各个比对结果可以生成信息检测结果。信息检测结果可以包括召回率、误报率、表征检测时效性的数据(比如，时效性指标数据)等等。
比如，可以根据成功召回的异常信息的数量(1个)计算异常条件1的召回率；根据异常信息2的异常状态发生时间和异常信息4的异常状态发生时间计算表征异常条件1检测异常状态的时效性的指标信息；根据存在误报的异常信息的数量(1个)计算异常条件1对异常状态的误报率。
本发明提供一种信息检测方法，通过在指标数据中注入异常数据生成目标指标数据并确定目标指标数据因注入的异常数据而存在的各个异常信息；利用与指标数据所属指标对应的至少一个异常条件对目标指标数据进行异常状态检测得到异常检测结果；进而针对每个异常条件，将异常检测结果中与该异常条件相关的目标异常检测结果和所确定的异常信息中与该异常条件相关的目标异常信息进行比对，以得到该异常条件的信息检测结果，实现对该异常条件的检测。本申请基于对异常条件的检测能够及时发现设置不准确的异常条件，便于对设置不准确的异常条件的改进，减少对异常情况检测不准确的情况的发生。
进一步的，本发明实施例提供另一种信息检测方法的流程示意图，该信息检测方法具体包括以下步骤：
S801：在指标数据中注入至少一个异常数据生成目标指标数据；
S802：确定基于注入的至少一个异常数据导致目标指标数据存在的各个异常信息，异常信息指示目标指标数据因满足异常条件所存在的异常状态；
S803：利用预先设置的与指标数据所属指标对应的至少一个异常条件对目标指标数据进行异常状态检测得到异常检测结果；
S804：获取指示目标异常条件的各个目标异常信息以及异常检测结果中与目标异常条件相关的目标异常检测结果；
S805：比对目标异常信息和当前目标异常检测结果，生成与当前目标异常条件相关的信息检测结果；
在具体执行步骤S801至步骤S805的过程中，步骤S801至步骤S805的具体执行过程和实现原理与本发明实施例公开的图1相同，可参见上述本发明实施例公开的图1中相应的部分，这里不再进行赘述。
S806：判断当前信息检测结果是否表征当前目标异常条件的准确程度达到预先设置的目标准确程度；若当前信息检测结果表征当前目标异常条件的准确程度达到预先设置的目标准确程度；执行步骤S807；若当前信息检测结果表征当前目标异常条件的准确程度未达到预先设置的目标准确程度，执行步骤S808；
在本申请实施例中，预先设置有与目标异常条件相关的目标准确程度，在得到与目标异常条件相关的信息检测结果后，判断当前得到的与目标异常条件相关的信息检测结果所表征的目标异常条件的准确程度是否达到预先设置的与目标异常条件相关的目标准确程度，以便于根据判断结果执行相应的操作。
在本申请实施例中，信息检测结果包括用于表征目标异常条件准确程度的各个指标信息。比如，目标异常条件对异常状态的召回率、目标异常条件对异常状态的误报率，以及用于表征目标异常条件检测异常状态的时效性的指标信息。相应的，可以将与目标异常条件相关的目标准确程度设置为目标异常条件对异常状态的目标召回率、目标异常条件对异常状态的目标误报率，以及用于表征目标异常条件检测异常状态的目标时效性的指标信息。
以上仅仅是本申请实施例提供的一种预先设置的与目标异常条件相关的目标准确程度的优选方式。有关于预先设置的与目标异常条件相关的目标准确程度的具体内容发明人可根据自己的需求进行设置，本申请实施例不加以限定。
示例性的，信息检测结果中的目标异常条件对异常状态的召回率不低于目标异常条件对异常状态的目标召回率，信息检测结果中的目标异常条件对异常状态的误报率不高于目标异常条件对异常状态的目标误报率，且信息检测结果中的用于表征目标异常条件检测异常状态的时效性的指标信息不高于用于表征目标异常条件检测异常状态的目标时效性的指标信息的情况下，可以认为信息检测结果表征的目标异常条件的准确程度达到预先设置的与目标异常条件相关的目标准确程度。反之，则认为信息检测结果表征的目标异常条件的准确程度未达到预先设置的与目标异常条件相关的目标准确程度。
比如，预先设置的与目标异常条件相关的目标准确程度可以为目标异常条件对异常状态的目标召回率为80％、目标异常条件对异常状态的目标误报率为10％，以及用于表征目标异常条件检测异常状态的目标时效性的指标信息为3分钟。若比对各个目标异常信息和当前目标异常检测结果生成的与当前目标异常条件相关的信息检测结果中当前目标异常条件对异常状态的召回率为85％、当前目标异常条件对异常状态的误报率为5％，以及用于表征当前目标异常条件检测异常状态的时效性的指标信息为2分钟，则可以确定该信息检测结果表征当前目标异常条件的准确程度达到预先设置的目标准确程度。
反之，若比对各个目标异常信息和当前目标异常检测结果生成的与当前目标异常条件相关的信息检测结果中，当前目标异常条件对异常状态的召回率为75％、当前目标异常条件对异常状态的误报率为15％，以及用于表征当前目标异常条件检测异常状态的时效性的指标信息为10分钟，则可以确定该信息检测结果表征当前目标异常条件的准确程度未达到预先设置的目标准确程度。
需要说明的是，本申请实施例中，目标异常条件对异常状态的召回率越高、目标异常条件对异常状态的误报率越低，以及用于表征目标异常条件检测异常状态的时效性的指标信息指示的时间越短，说明目标异常条的准确性越高。
S807：确定当前目标异常条件为准确的异常条件；
在本申请实施例中，若比对各个目标异常信息和当前目标异常检测结果生成的与当前目标异常条件相关的信息检测结果表征当前目标异常条件的准确程度达到预先设置的目标准确程度，则说明当前的目标异常条件为准确的异常条件，不需要再对当前该目标异常条件进行更新修改。
S808：获取预先设置的更新规则；
在本申请实施例中，预先设置有更新规则，若比对各个目标异常信息和当前目标异常检测结果生成的与当前目标异常条件相关的信息检测结果表征当前目标异常条件的准确程度未达到预先设置的目标准确程度，则说明当前的目标异常条件为不准确的异常条件。这种情况下，进一步获取预先设置的更新规则，以便于利用所获取的更新规则以提高当前目标异常条件的准确程度为目标，根据当前的信息检测结果更新当前目标异常条件中的参数值。
S809：利用更新规则更新当前目标异常条件中的参数值；
在本申请实施例中，预先设置有更新规则，当信息检测结果表征当前目标异常条件的准确程度未达到预先设置的目标准确程度，获取到预先设置的更新规则，根据当前的信息检测结果，利用所获取的更新规则以提高当前目标异常条件的准确程度为目标更新当前目标异常条件中参数的参数值。
示例性的，可以根据更新规则，基于当前信息检测结果中的目标异常条件对异常状态的召回率、目标异常条件对异常状态的误报率以及用于表征目标异常条件检测异常状态的时效性的指标信息，调节当前目标异常条件中的参数的参数值。
S810：基于当前目标异常条件对目标指标数据进行异常状态检测得到与当前目标异常条件相关的目标异常检测结果，并返回执行步骤S805；
在本申请实施例中，在利用预先设置的更新规则更新目标异常条件中的参数的参数值后，利用更新后的目标异常条件对目标指标数据进行异常状态检测，得到与更新后的目标异常条件相关的目标异常检测结果。
在本申请实施例中，在执行完步骤S810后，返回执行步骤S805，将当前目标异常检测结果中的异常信息与步骤S802所确定的各个异常信息进行比对得到与当前目标异常条件相关的信息检测结果；并判断当前信息检测结果是否表征当前目标异常条件的准确程度达到预先设置的目标准确程度；若当前信息检测结果表征当前目标异常条件的准确程度未达到预先设置的目标准确程度，进一步判断历史利用更新规则对目标异常条件进行更新的总次数是否超过预设值，若利用更新规则对目标异常条件更新的总次数未超过预设值，返回执行步骤S809；若历史利用更新规则对目标异常条件进行更新的总次数超过预设值，基于当前信息检测结果确定对目标异常条件的更新结果。
进一步的，若当前信息检测结果表征当前目标异常条件的准确程度达到预先设置的目标准确程度，确定当前目标异常条件为准确的异常条件。
示例性的，在指标数据中注入至少一个异常数据生成目标指标数据，确定基于注入的至少一个异常数据导致目标指标数据存在的各个异常信息；利用预先设置的与指标数据所属指标对应的至少一个异常条件对目标指标数据进行异常状态检测得到异常检测结果；分别将至少一个异常条件中的每个异常条件作为目标异常条件，执行目标异常条件的检测更新过程。
若预设值为2，以一个目标异常条件为例，在该目标异常条件未被更新之前，该目标异常条件的版本可以认为是第一版本，对该目标异常条件的检测更新过程如下：
从基于注入的至少一个异常数据导致目标指标数据存在的各个异常信息中获取到指示该第一版本的目标异常条件的各个目标异常信息(为了便于区分，将此处获取到的各个目标异常信息称为目标信息)，以及，从利用预先设置的与指标数据所属指标对应的至少一个异常条件对目标指标数据进行异常状态检测得到异常检测结果中获取与第一版本的目标异常条件相关的目标异常检测结果；比对目标信息和与第一版本的目标异常条件相关的目标异常检测结果生成与第一版本的目标异常条件相关的信息检测结果1；判断信息检测结果1是否表征第一版本的目标异常条件的准确程度达到预先设置的目标准确程度；若信息检测结果1表征第一版本的目标异常条件的准确程度达到预先设置的目标准确程度，确定第一版本的目标异常条件为准确的异常条件；若信息检测结果1表征第一版本的目标异常条件的准确程度未达到预先设置的目标准确程度；判断历史利用更新规则对目标异常条件进行更新的总次数(0)未超过预设值(2)，则获取预先设置的更新规则，利用更新规则更新第一版本的目标异常条件中的参数值得到第二版本的目标异常条件。
基于第二版本的目标异常条件对所述目标指标数据进行异常状态检测得到与第二版本的目标异常条件相关的目标异常检测结果；比对目标信息和与第二版本的目标异常条件相关的目标异常检测结果生成与第二版本的目标异常条件相关的信息检测结果2；判断信息检测结果2是否表征第二版本的目标异常条件的准确程度达到预先设置的目标准确程度；若信息检测结果2表征第二版本的目标异常条件的准确程度达到预先设置的目标准确程度，确定第二版本的目标异常条件为准确的异常条件；若信息检测结果2表征第二版本的目标异常条件的准确程度未达到预先设置的目标准确程度；判断历史利用更新规则对目标异常条件进行更新的总次数(1)未超过预设值(2)，利用更新规则更新第二版本的目标异常条件中的参数值得到第三版本的目标异常条件。
基于第三版本的目标异常条件对所述目标指标数据进行异常状态检测得到与第三版本的目标异常条件相关的目标异常检测结果；比对目标信息和与第三版本的目标异常条件相关的目标异常检测结果生成与第三版本的目标异常条件相关的信息检测结果3；判断信息检测结果3是否表征第三版本的目标异常条件的准确程度达到预先设置的目标准确程度；若信息检测结果3表征第三版本的目标异常条件的准确程度达到预先设置的目标准确程度，确定第三版本的目标异常条件为准确的异常条件；若信息检测结果3表征第三版本的目标异常条件的准确程度未达到预先设置的目标准确程度；判断历史利用更新规则对目标异常条件进行更新的总次数(2)未超过预设值(2)，利用更新规则更新第三版本的目标异常条件中的参数值得到第四版本的目标异常条件。
基于第四版本的目标异常条件对所述目标指标数据进行异常状态检测得到与第四版本的目标异常条件相关的目标异常检测结果；比对目标信息和与第四版本的目标异常条件相关的目标异常检测结果生成与第四版本的目标异常条件相关的信息检测结果4；判断信息检测结果4是否表征第四版本的目标异常条件的准确程度达到预先设置的目标准确程度；若信息检测结果4表征第四版本的目标异常条件的准确程度达到预先设置的目标准确程度，确定第四版本的目标异常条件为准确的异常条件；若信息检测结果4表征第四版本的目标异常条件的准确程度未达到预先设置的目标准确程度；判断历史利用更新规则对目标异常条件进行更新的总次数(3)超过预设值(2)，则从信息检测结果1、信息检测结果2、信息检测结果3和信息检测结果4中确定最优的信息检测结果，并确定用于生成最优的信息检测结果的目标异常条件版本，并将该版本的目标异常条件确定为对目标异常条件的更新结果。比如，若信息检测结果1、信息检测结果2、信息检测结果3和信息检测结果4中信息检测结果3表征的异常条件的准确程度最高，则确定第三版本的目标异常条件为对目标异常条件的更新结果。
本发明提供的信息检测方法，在比对目标异常条件和目标异常检测结果生成与目标异常条件相关的信息检测结果后，可进一步判断该信息检测结果是否表征当前目标异常条件的准确程度达到预先设置的目标准确程度，若达到，则说明当前的目标异常条件为准确的异常条件，进而将当前目标异常条件确定为对目标异常条件的更新结果，不需要依赖对系统或者业务十分了解且对监控报警设置有丰富经验的专家主观进行手动设置，便能实现异常条件的配置，减少人工成本。
若未达到，利用预先设置的更新规则更新该目标异常条件中的参数值，并利用更新后的目标异常条件对目标指标数据进行异常状态检测，进而将各个目标异常信息与当前目标异常检测结果进行比对得到信息检测结果，以便与根据当前信息检测结果执行相应的操作，通过对不断的对目标异常条件进行更新迭代，确定最优的异常条件，进而解决现有技术中，由于依赖与对系统或者业务十分了解且对监控报警设置有丰富经验的专家对产生异常情况的主观判断，导致异常条件设置不准确的问题。
与上述本发明实施例公开的一种信息检测方法相对应，本发明实施例还公开了一种信息检测装置，如图9所示，该信息检测装置包括：
注入单元91，用于在指标数据中注入至少一个异常数据生成目标指标数据；
第一确定单元92，用于确定基于注入的至少一个异常数据导致目标指标数据存在的各个异常信息，异常信息指示目标指标数据因满足异常条件所存在的异常状态；
第一异常状态检测单元93，用于利用预先设置的与指标数据所属指标对应的至少一个异常条件对目标指标数据进行异常状态检测得到异常检测结果；
第一获取单元94，用于获取指示目标异常条件的各个目标异常信息以及所述异常检测结果中与目标异常条件相关的目标异常检测结果；
第一比对单元95，用于比对目标异常信息和当前目标异常检测结果，生成与当前目标异常条件相关的信息检测结果。
上述本发明实施例公开的信息检测装置中各个单元具体的原理和执行过程，与上述本发明实施例公开的信息检测方法相同，可参见上述本发明实施例公开的信息检测方法中相应的部分，这里不再进行赘述。
本发明提供的一种信息检测装置，通过在指标数据中注入异常数据生成目标指标数据并确定目标指标数据因注入的异常数据而存在的各个异常信息；利用与指标数据所属指标对应的至少一个异常条件对目标指标数据进行异常状态检测得到异常检测结果；进而针对每个异常条件，将异常检测结果中与该异常条件相关的目标异常检测结果和所确定的异常信息中与该异常条件相关的目标异常信息进行比对，以得到该异常条件的信息检测结果，实现对该异常条件的检测。本申请基于对异常条件的检测能够及时发现设置不准确的异常条件，便于对设置不准确的异常条件的改进，减少对异常情况检测不准确的情况的发生。
进一步的，本申请实施例提供的信息检测装置，还包括：
第一判断单元，用于判断当前所述信息检测结果是否表征当前目标异常条件的准确程度达到预先设置的目标准确程度；
第一更新单元，用于若当前信息检测结果表征当前目标异常条件的准确程度未达到预先设置的目标准确程度，基于当前信息检测结果更新至少一个异常条件中目标异常条件。
在本申请实施例中，优选的，异常检测结果包括分别与每个异常条件相关的异常信息，异常信息还指示有异常状态发生时间，第一比对单元，包括：
第二比对单元，用于基于异常信息指示的异常状态和异常状态发生时间，对目标异常信息和当前目标异常检测结果进行比对得到信息检测结果；信息检测结果包括用于表征目标异常条件准确程度的各个指标信息。
在本申请实施例中，优选的，第一更新单元，包括：
第二获取单元，用于获取预先设置的更新规则；
第二更新单元，用于利用更新规则更新目标异常条件中的参数值；
第二异常状态检测单元，用于基于当前目标异常条件对目标指标数据进行异常状态检测得到与当前目标异常条件相关的目标异常检测结果，返回执行第一比对单元。
进一步的，本申请实施例提供信息检测装置，还包括：
第三判断单元，用于判断历史利用更新规则对目标异常条件进行更新的总次数是否超过预设值；
第二确定单元，用于若历史利用更新规则对目标异常条件进行更新的总次数超过预设值，基于当前信息检测结果确定对目标异常条件的更新结果；
返回单元，用于若历史利用更新规则对目标异常条件进行更新的总次数未超过预设值，返回执行第二更新单元。
在本申请实施例中，用于表征目标异常条件准确程度的各个指标信息，包括：目标异常条件对异常状态的召回率、目标异常条件对异常状态的误报率，以及用于表征目标异常条件检测异常状态的时效性的指标信息。
下面以信息检测方法应用于服务端为例，对本申请实施例提供的一种信息检测方法所适用于的服务端的硬件结构进行详细说明。
本申请实施例提供的一种信息检测方法可应用于服务端，该服务端可以是网络侧为用户提供服务的服务设备，其可能是多台服务器组成的服务器集群，也可能是单台服务器。
可选的，图10示出了本申请实施例提供的一种信息检测方法所适用于的服务端的硬件结构框图，参照图10，服务端的硬件结构可以包括：处理器101，存储器102，通信接口103和通信总线104；
在本发明实施例中，处理器101、存储器102、通信接口103、通信总线104的数量均可以为至少一个，且处理器101、存储器102、通信接口103通过通信总线104完成相互间的通信；
处理器101可能是一个中央处理器CPU，或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit)，或者是被配置成实施本发明实施例的一个或多个集成电路等；
存储器102可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)等，例如至少一个磁盘存储器；
其中，存储器存储有程序，处理器可调用存储器存储的程序，程序用于：
在指标数据中注入至少一个异常数据生成目标指标数据；
确定基于注入的至少一个异常数据导致目标指标数据存在的各个异常信息，异常信息指示目标指标数据因满足异常条件所存在的异常状态；
利用预先设置的与指标数据所属指标对应的至少一个异常条件对目标指标数据进行异常状态检测得到异常检测结果；
获取指示目标异常条件的各个目标异常信息以及异常检测结果中与目标异常条件相关的目标异常检测结果；
比对目标异常信息和当前目标异常检测结果，生成与当前目标异常条件相关的信息检测结果。
有关程序的功能可参见上文对本申请实施例提供的一种信息检测方法的详细描述，在此不做赘述。
进一步的，本申请实施例还提供一种计算机可读计算机存储介质，该计算机可读存储介质中存储有计算机可执行指令，该计算机可执行指令用于执行上述信息检测方法。
有关计算机可执行指令的具体内容可参见上文对本申请实施例提供的一种信息检测方法的详细描述，在此不做赘述。
本发明提供一种信息检测方法、装置、服务器及存储介质，通过在指标数据中注入异常数据生成目标指标数据并确定目标指标数据因注入的异常数据而存在的各个异常信息；利用与指标数据所属指标对应的至少一个异常条件对目标指标数据进行异常状态检测得到异常检测结果；进而针对每个异常条件，将异常检测结果中与该异常条件相关的目标异常检测结果和所确定的异常信息中与该异常条件相关的目标异常信息进行比对，以得到该异常条件的信息检测结果，实现对该异常条件的检测。本申请基于对异常条件的检测能够及时发现设置不准确的异常条件，便于对设置不准确的异常条件的改进，减少对异常情况检测不准确的情况的发生。
以上对本发明所提供的一种信息检测方法、装置、服务器及存储介质进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物品或者设备所固有的要素，或者是还包括为这些过程、方法、物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、物品或者设备中还存在另外的相同要素。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (8)
1.一种信息检测方法，其特征在于，包括：
在指标数据中注入至少一个异常数据生成目标指标数据；
确定基于注入的所述至少一个异常数据导致所述目标指标数据存在的各个异常信息，所述异常信息指示所述目标指标数据因满足异常条件所存在的异常状态；
利用预先设置的与所述指标数据所属指标对应的至少一个异常条件对所述目标指标数据进行异常状态检测得到异常检测结果；所述异常检测结果包括分别与每个所述异常条件相关的异常信息，所述异常信息指示异常状态和异常状态发生时间；
获取指示目标异常条件的各个目标异常信息以及所述异常检测结果中与所述目标异常条件相关的目标异常检测结果；
比对所述目标异常信息和当前所述目标异常检测结果生成与当前所述目标异常条件相关的信息检测结果，包括：基于所述异常信息指示的异常状态和异常状态发生时间，依次将每个所述目标异常信息和当前所述目标异常检测结果中相应的异常信息进行比对，得到比对结果，统计各个所述目标异常信息与当前所述目标异常检测结果进行比对的比对结果，得到当前目标异常条件的信息检测结果；所述信息检测结果包括用于表征所述目标异常条件准确程度的各个指标信息；所述用于表征所述目标异常条件准确程度的各个指标信息，包括：所述目标异常条件对异常状态的召回率、所述目标异常条件对异常状态的误报率，以及用于表征所述目标异常条件检测异常状态的时效性的指标信息。
2.根据权利要求1所述的方法，其特征在于，还包括：
判断当前所述信息检测结果是否表征当前所述目标异常条件的准确程度达到预先设置的目标准确程度；
若当前所述信息检测结果表征当前所述目标异常条件的准确程度未达到预先设置的目标准确程度，基于当前所述信息检测结果更新所述至少一个异常条件中所述目标异常条件。
3.根据权利要求2所述的方法，其特征在于，所述基于所述信息检测结果更新所述至少一个异常条件中所述目标异常条件，包括：
获取预先设置的更新规则；
利用所述更新规则更新所述目标异常条件中的参数值；
基于当前所述目标异常条件对所述目标指标数据进行异常状态检测得到与当前所述目标异常条件相关的目标异常检测结果，返回执行“比对所述目标异常信息和当前所述目标异常检测结果，生成与所述目标异常条件相关的信息检测结果”步骤。
4.根据权利要求3所述的方法，其特征在于，还包括：
判断历史利用所述更新规则对所述目标异常条件进行更新的总次数是否超过预设值；
若历史利用所述更新规则对所述目标异常条件进行更新的总次数超过预设值，基于当前所述信息检测结果确定对所述目标异常条件的更新结果；
若历史利用所述更新规则对所述目标异常条件进行更新的总次数未超过预设值，返回执行“利用所述更新规则更新所述目标异常条件中的参数值”步骤。
5.一种信息检测装置，其特征在于，包括：
注入单元，用于在指标数据中注入至少一个异常数据生成目标指标数据；
第一确定单元，用于确定基于注入的所述至少一个异常数据导致所述目标指标数据存在的各个异常信息，所述异常信息指示所述目标指标数据因满足异常条件所存在的异常状态；
第一异常状态检测单元，用于利用预先设置的与所述指标数据所属指标对应的至少一个异常条件对所述目标指标数据进行异常状态检测得到异常检测结果；所述异常检测结果包括分别与每个所述异常条件相关的异常信息，所述异常信息指示异常状态和异常状态发生时间；
第一获取单元，用于获取指示目标异常条件的各个目标异常信息以及所述异常检测结果中与所述目标异常条件相关的目标异常检测结果；
第一比对单元，用于比对所述目标异常信息和当前所述目标异常检测结果，生成与当前所述目标异常条件相关的信息检测结果，包括：基于所述异常信息指示的异常状态和异常状态发生时间，依次将每个所述目标异常信息和当前所述目标异常检测结果中相应的异常信息进行比对，得到比对结果，统计各个所述目标异常信息与当前所述目标异常检测结果进行比对的比对结果，得到当前目标异常条件的信息检测结果；所述信息检测结果包括用于表征所述目标异常条件准确程度的各个指标信息；所述用于表征所述目标异常条件准确程度的各个指标信息，包括：所述目标异常条件对异常状态的召回率、所述目标异常条件对异常状态的误报率，以及用于表征所述目标异常条件检测异常状态的时效性的指标信息。
6.根据权利要求5所述的装置，其特征在于，还包括：
第一判断单元，用于判断当前所述信息检测结果是否表征当前所述目标异常条件的准确程度达到预先设置的目标准确程度；
第一更新单元，用于若当前所述信息检测结果表征当前所述目标异常条件的准确程度未达到预先设置的目标准确程度，基于当前所述信息检测结果更新所述至少一个异常条件中所述目标异常条件。
7.一种服务器，其特征在于，包括：至少一个存储器和至少一个处理器；所述存储器存储有程序，所述处理器调用所述存储器存储的程序，所述程序用于实现如权利要求1-4任意一项所述的信息检测方法。
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机可执行指令，所述计算机可执行指令用于执行如权利要求1-4任意一项所述的信息检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011267926.9A CN112445679B (zh) | 2020-11-13 | 2020-11-13 | 一种信息检测方法、装置、服务器及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011267926.9A CN112445679B (zh) | 2020-11-13 | 2020-11-13 | 一种信息检测方法、装置、服务器及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112445679A CN112445679A (zh) | 2021-03-05 |
| CN112445679B true CN112445679B (zh) | 2023-01-06 |
Family
ID=74737247
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011267926.9A Active CN112445679B (zh) | 2020-11-13 | 2020-11-13 | 一种信息检测方法、装置、服务器及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112445679B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114356617B (zh) * | 2021-11-29 | 2024-03-08 | 苏州浪潮智能科技有限公司 | 注错测试方法、装置、系统及计算设备 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109144820A (zh) * | 2018-08-31 | 2019-01-04 | 新华三信息安全技术有限公司 | 一种异常主机的检测方法及装置 |
| CN109213654A (zh) * | 2018-07-05 | 2019-01-15 | 北京奇艺世纪科技有限公司 | 一种异常检测方法及装置 |
| CN110058977A (zh) * | 2019-01-14 | 2019-07-26 | 阿里巴巴集团控股有限公司 | 基于流式处理的监控指标异常检测方法、装置及设备 |
| CN110471821A (zh) * | 2019-08-07 | 2019-11-19 | 深圳市腾讯计算机系统有限公司 | 异常变更检测方法、服务器及计算机可读存储介质 |
| CN110874674A (zh) * | 2018-08-29 | 2020-03-10 | 阿里巴巴集团控股有限公司 | 一种异常检测方法、装置及设备 |
| CN110889597A (zh) * | 2019-11-08 | 2020-03-17 | 北京宝兰德软件股份有限公司 | 业务时序指标异常检测方法及装置 |
| CN110929799A (zh) * | 2019-11-29 | 2020-03-27 | 上海盛付通电子支付服务有限公司 | 用于检测异常用户的方法、电子设备和计算机可读介质 |
| CN111400126A (zh) * | 2020-02-19 | 2020-07-10 | 中国平安人寿保险股份有限公司 | 网络服务异常数据检测方法、装置、设备和介质 |
| CN111666187A (zh) * | 2020-05-20 | 2020-09-15 | 北京百度网讯科技有限公司 | 用于检测异常响应时间的方法和装置 |
| CN111767193A (zh) * | 2020-07-01 | 2020-10-13 | 中国银行股份有限公司 | 一种服务器数据异常检测方法、装置、存储介质及设备 |
| CN111901171A (zh) * | 2020-07-29 | 2020-11-06 | 腾讯科技（深圳）有限公司 | 异常检测和归因方法、装置、设备及计算机可读存储介质 |
-
2020
- 2020-11-13 CN CN202011267926.9A patent/CN112445679B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109213654A (zh) * | 2018-07-05 | 2019-01-15 | 北京奇艺世纪科技有限公司 | 一种异常检测方法及装置 |
| CN110874674A (zh) * | 2018-08-29 | 2020-03-10 | 阿里巴巴集团控股有限公司 | 一种异常检测方法、装置及设备 |
| CN109144820A (zh) * | 2018-08-31 | 2019-01-04 | 新华三信息安全技术有限公司 | 一种异常主机的检测方法及装置 |
| CN110058977A (zh) * | 2019-01-14 | 2019-07-26 | 阿里巴巴集团控股有限公司 | 基于流式处理的监控指标异常检测方法、装置及设备 |
| CN110471821A (zh) * | 2019-08-07 | 2019-11-19 | 深圳市腾讯计算机系统有限公司 | 异常变更检测方法、服务器及计算机可读存储介质 |
| CN110889597A (zh) * | 2019-11-08 | 2020-03-17 | 北京宝兰德软件股份有限公司 | 业务时序指标异常检测方法及装置 |
| CN110929799A (zh) * | 2019-11-29 | 2020-03-27 | 上海盛付通电子支付服务有限公司 | 用于检测异常用户的方法、电子设备和计算机可读介质 |
| CN111400126A (zh) * | 2020-02-19 | 2020-07-10 | 中国平安人寿保险股份有限公司 | 网络服务异常数据检测方法、装置、设备和介质 |
| CN111666187A (zh) * | 2020-05-20 | 2020-09-15 | 北京百度网讯科技有限公司 | 用于检测异常响应时间的方法和装置 |
| CN111767193A (zh) * | 2020-07-01 | 2020-10-13 | 中国银行股份有限公司 | 一种服务器数据异常检测方法、装置、存储介质及设备 |
| CN111901171A (zh) * | 2020-07-29 | 2020-11-06 | 腾讯科技（深圳）有限公司 | 异常检测和归因方法、装置、设备及计算机可读存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| 一种混合模型的时序数据异常检测方法;温粉莲;《数字通信世界》;20200101(第01期);全文 * |
| 基于大数据的电力信息网络流量异常检测机制;姜红红等;《电信科学》;20170320(第03期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112445679A (zh) | 2021-03-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112231174B (zh) | 异常告警方法、装置、设备及存储介质 | |
| CN107871190B (zh) | 一种业务指标监控方法及装置 | |
| CN111984503A (zh) | 一种监控指标数据异常数据识别的方法及装置 | |
| CN112231181B (zh) | 数据异常更新检测方法、装置、计算机设备及存储介质 | |
| CN110601900B (zh) | 一种网络故障预警方法及装置 | |
| US20180095454A1 (en) | Pre-processor and diagnosis device | |
| CN107547266B (zh) | 在线量异常点的检测方法和装置、计算机设备和存储介质 | |
| CN111324639A (zh) | 数据监测方法、装置及计算机可读存储介质 | |
| CN109857618B (zh) | 一种监控方法、装置及系统 | |
| CN112445679B (zh) | 一种信息检测方法、装置、服务器及存储介质 | |
| CN109951466B (zh) | 端口流量监控方法、装置、电子设备及机器可读存储介质 | |
| CN111538723A (zh) | 监测数据处理方法、装置及电子设备 | |
| CN114978956A (zh) | 智慧城市网络设备性能异常突变点检测方法及装置 | |
| CN108306997B (zh) | 域名解析监控方法及装置 | |
| CN111161097A (zh) | 基于假设检验的事件检测算法检测开关事件的方法和装置 | |
| CN113590427A (zh) | 一种监控指标异常的告警方法、装置、存储介质和设备 | |
| CN111258863B (zh) | 数据异常检测方法、装置、服务器和计算机可读存储介质 | |
| CN112152833B (zh) | 一种网络异常报警方法、装置及电子设备 | |
| CN115511374A (zh) | 一种工艺指标相关性计算方法、装置、设备及存储介质 | |
| CN112685390B (zh) | 数据库实例管理方法及装置、计算设备 | |
| CN112565275B (zh) | 一种网络安全场景的异常检测方法、装置、设备及介质 | |
| CN114118844A (zh) | 一种汽车零部件质量分析系统 | |
| WO2015034512A2 (en) | Apparatus and method for model adaptation | |
| Zhang et al. | Network measurement recommendations for performance bottleneck correlation analysis | |
| EP3457609B1 (en) | System and method for computing of anomalies based on frequency driven transformation and computing of new features based on point anomaly density |
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 | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 401121 b7-7-2, Yuxing Plaza, No.5 Huangyang Road, Yubei District, Chongqing Applicant after: Chongqing duxiaoman Youyang Technology Co.,Ltd. Address before: 201800 room 307, 3 / F, building 8, 55 Huiyuan Road, Jiading District, Shanghai Applicant before: SHANGHAI YOUYANG NEW MEDIA INFORMATION TECHNOLOGY Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20211223 Address after: 100193 Room 606, 6 / F, building 4, West District, courtyard 10, northwest Wangdong Road, Haidian District, Beijing Applicant after: Du Xiaoman Technology (Beijing) Co.,Ltd. Address before: 401121 b7-7-2, Yuxing Plaza, No.5 Huangyang Road, Yubei District, Chongqing Applicant before: Chongqing duxiaoman Youyang Technology Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |