CN112953904A - 异常检测方法、装置、服务器以及存储介质 - Google Patents

Abstract

本公开关于一种异常检测方法、装置、服务器以及存储介质，属于网络技术领域，该方法包括：接收对目标对象的异常检测请求，响应于异常检测请求，确定目标对象关联的图形检测信息，图形检测信息中包括至少一条检测链路，检测链路由多个检测项目构成，检测链路中包括属于不同维度的检测项目，且检测链路中至少包括检测指标，基于图形检测信息，对目标对象的对象数据中属于检测指标的数据进行异常检测。本公开实施例中，由于图形检测信息包括至少一条检测链路，且每条检测链路上存在属于不同维度的检测项目，因此，提供了一种多维度的异常检测方法，能够实现基于不同维度的异常检测，综合考虑了不同维度的检测项目，提高了异常检测的准确性。

Description

异常检测方法、装置、服务器以及存储介质

技术领域

本公开涉及网络技术领域，尤其涉及一种异常检测方法、装置、服务器以及存储介质。

背景技术

随着互联网技术的飞速发展，互联网广告等业务对象已经渗透到人们生活的方方面面，与此同时，存在一些流量异常增加、点击异常增加等异常行为，因此，进行异常检测的技术显得十分重要。其中，异常检测是指对业务对象的曝光率、点击率等数据进行检测，判断业务对象的曝光率、点击率等数据是基于用户端的正常访问触发，还是由于异常手段或者出现故障等原因造成，从而检测出各种异常数据。

目前，异常检测方法通常依赖于人工经验，技术人员基于其对某特定业务场景的熟悉程度，来对该业务场景下的业务数据进行异常检测。但是，仅依赖人工经验进行异常检测，会受到主观因素的影响，因此异常数据的检测准确性较低。

发明内容

本公开提供一种异常检测方法、装置、服务器以及存储介质，能够实现基于不同维度的异常检测，提高了异常检测的准确性。本公开的技术方案如下：

根据本公开实施例的第一方面，提供一种异常检测方法，该方法包括：

接收对目标对象的异常检测请求；

响应于该异常检测请求，确定该目标对象关联的图形检测信息，该图形检测信息中包括至少一条检测链路，该检测链路由多个检测项目构成，该检测链路中包括属于不同维度的检测项目，且该检测链路中至少包括检测指标；

基于该图形检测信息，对该目标对象的对象数据中属于该检测指标的数据进行异常检测，得到检测结果。

在上述实施例中，响应于异常检测请求，确定目标对象关联的图形检测信息，进而基于图形检测信息来进行目标对象的异常检测，由于图形检测信息包括至少一条检测链路，且每条检测链路上存在属于不同维度的检测项目，因此，提供了一种多维度的异常检测方法，能够实现基于不同维度的异常检测，综合考虑了不同维度的检测项目，提高了异常检测的准确性。

在一些实施例中，该图形检测信息中包括多条检测链路，该基于该图形检测信息，对该目标对象的对象数据属于该检测指标的数据进行异常检测，得到检测结果包括：

基于该多条检测链路，从该目标对象的对象数据中，分别获取属于该多条检测链路中的检测指标的数据；

对获取到的多个数据分别进行异常检测，得到该多条检测链路的检测结果；

基于该多条检测链路的检测结果，确定该目标对象的检测结果。

在上述实施例中，图形检测信息中包括多条检测链路，且每条检测链路中包括检测指标，基于每条检测链路中的检测指标进行异常检测，能够确定出该检测链路的检测结果，进而基于多条检测链路的检测结果来确定目标对象的检测结果，考虑到了不同检测链路的检测结果，增加了异常检测所考虑的因素，从而提升了异常检测的准确性。

在一些实施例中，该基于该多条检测链路的检测结果，确定该目标对象的检测结果包括：

基于该多条检测链路的第一权重，对该多条检测链路的检测结果进行加权处理，得到该目标对象的检测结果。

在上述实施例中，基于不同检测链路的权重，来确定目标对象的检测结果，考虑到了不同检测链路对目标对象的检测结果的影响程度，能够确定出更加准确的检测结果，并且，通过调整不同检测链路的权重，能够使异常检测的检测结果更加贴合实际情况。

在一些实施例中，该检测链路中还包括检测周期，该基于该图形检测信息，对该目标对象的对象数据中属于该检测指标的数据进行异常检测包括：

按照该检测周期，对该目标对象的对象数据中属于该检测指标的数据进行异常检测的步骤。

在上述实施例中，检测链路中包括了检测周期，使得服务器在触发异常检测请求后，能够进行周期性的异常检测，不仅实现了异常检测的自动化，还保障了异常检测的实时性，使得服务器在周期性的异常检测中，能够根据当前的实时数据进行异常检测，避免仅基于一次异常检测就得出检测结果，进而导致检测结果准确率低的问题。

在一些实施例中，该检测链路中还包括展示位置，该基于该图形检测信息，对该目标对象的对象数据中属于该检测指标的数据进行异常检测包括：

对在该展示位置展示的该目标对象的对象数据中，属于该检测指标的数据进行异常检测的步骤。

在上述实施例中，检测链路中包括了展示位置，则服务器在进行异常检测请求时，还能够基于展示位置这一维度进行异常检测，丰富了异常检测的维度，细化了异常检测所需的内容，能够提升异常检测的准确性。

在一些实施例中，该基于该图形检测信息，对该目标对象的对象数据中属于该检测指标的数据进行异常检测，得到检测结果包括：

对于该多条检测链路中任一条检测链路，基于该检测链路，从该目标对象的对象数据中，获取属于该检测链路中的多个检测指标的数据；

对获取到的多个数据分别进行异常检测，得到该多个检测指标的检测结果；

基于该多个检测指标的检测结果，确定该检测链路的检测结果。

在上述实施例中，一条检测链路可以包括多个检测指标，则服务器在进行异常检测请求时，还能够基于多个检测指标，来确定该条检测链路的检测结果，丰富了异常检测的检测项目，深入到每一个维度下的检测项目，在实现基于不同维度的异常检测的同时，还实现了维度下多检测项目的异常检测，进一步提升了异常检测的准确性。

在一些实施例中，该基于该多个检测指标的检测结果，确定该检测链路的检测结果包括：

基于该多个检测指标的第二权重，对该多个检测指标的检测结果进行加权处理，得到该检测链路的检测结果。

在上述实施例中，根据每个检测指标对检测链路的检测结果的影响程度，来确定检测链路的检测结果，提高了异常检测的准确性。

在一些实施例中，该图形检测信息为DAG有向无环图。通过有向无环图来表示该图形检测信息，能够很好的体现多维度以及各维度下检测项目之间的关联关系，采用有向无环图，每条检测链路均不同，避免了循环检测的问题。

在一些实施例中，该接收对目标对象的异常检测请求之前，该方法还包括：

获取多个维度以及各个维度下的检测项目；

对不同维度下的检测项目进行排列组合，得到该至少一条检测链路；

基于该至少一条检测链路，生成该图形检测信息。

在上述实施例中，根据多个维度以及各个维度下的检测项目，来生成图形检测信息，巧妙地将异常检测回归到某些维度上，提高了异常检测的效率和准确性。

在一些实施例中，该异常检测请求携带该目标对象的检测信息标识，该响应于该异常检测请求，确定该目标对象关联的图形检测信息包括：

响应于该异常检测请求，从该异常检测请求中获取该目标对象的检测信息标识；

基于该检测信息标识和目标对应关系，确定该检测信息标识对应的图形检测信息，该目标对应关系包括检测信息标识和图形检测信息的对应关系。

在该实施例中，服务器预先存储有检测信息标识和图形检测信息的对应关系，在进行目标对象的异常检测时，能够根据该目标对象的检测信息标识确定对应的图形检测信息，进而基于该目标对象的图形检测信息，即可执行异常检测的过程，提高了异常检测的效率，降低了成本。

根据本公开实施例的第二方面，提供一种异常检测装置，该装置包括：

接收单元，被配置为执行接收对目标对象的异常检测请求；

确定单元，被配置为执行响应于该异常检测请求，确定该目标对象关联的图形检测信息，该图形检测信息中包括至少一条检测链路，该检测链路由多个检测项目构成，该检测链路中包括属于不同维度的检测项目，且该检测链路中至少包括检测指标；

检测单元，被配置为执行基于该图形检测信息，对该目标对象的对象数据中属于该检测指标的数据进行异常检测，得到检测结果。

在一些实施例中，该图形检测信息中包括多条检测链路，该检测单元，包括：

获取子单元，被配置为执行基于该多条检测链路，从该目标对象的对象数据中，分别获取属于该多条检测链路中的检测指标的数据；

检测子单元，被配置为执行对获取到的多个数据分别进行异常检测，得到该多条检测链路的检测结果；

确定子单元，被配置为执行基于该多条检测链路的检测结果，确定该目标对象的检测结果。

在一些实施例中，该确定子单元，被配置为执行：

基于该多条检测链路的第一权重，对该多条检测链路的检测结果进行加权处理，得到该目标对象的检测结果。

在一些实施例中，该检测链路中还包括检测周期，该检测单元，被配置为执行：

按照该检测周期，对该目标对象的对象数据中属于该检测指标的数据进行异常检测的步骤。

在一些实施例中，该检测链路中还包括展示位置，该检测单元，被配置为执行：

对在该展示位置展示的该目标对象的对象数据中，属于该检测指标的数据进行异常检测的步骤。

在一些实施例中，该检测单元，包括：

获取子单元，被配置为执行对于该多条检测链路中任一条检测链路，基于该检测链路，从该目标对象的对象数据中，获取属于该检测链路中的多个检测指标的数据；

检测子单元，被配置为执行对获取到的多个数据分别进行异常检测，得到该多个检测指标的检测结果；

确定子单元，被配置为执行基于该多个检测指标的检测结果，确定该检测链路的检测结果。

在一些实施例中，该确定子单元，被配置为执行：

基于该多个检测指标的第二权重，对该多个检测指标的检测结果进行加权处理，得到该检测链路的检测结果。

在一些实施例中，该图形检测信息为DAG有向无环图。

在一些实施例中，该装置还包括：

获取单元，被配置为执行获取多个维度以及各个维度下的检测项目；

排列组合单元，被配置为执行对不同维度下的检测项目进行排列组合，得到该至少一条检测链路；

生成单元，被配置为执行基于该至少一条检测链路，生成该图形检测信息。

在一些实施例中，该异常检测请求携带该目标对象的检测信息标识，该确定单元，被配置为执行：

响应于该异常检测请求，从该异常检测请求中获取该目标对象的检测信息标识；

基于该检测信息标识和目标对应关系，确定该检测信息标识对应的图形检测信息，该目标对应关系包括检测信息标识和图形检测信息的对应关系。

根据本公开实施例的第三方面，提供一种服务器，该服务器包括：

一个或多个处理器；

用于存储该处理器可执行程序代码的存储器；

其中，该处理器被配置为执行该程序代码，以实现上述第一方面中的异常检测方法。

根据本公开实施例的第四方面，提供一种计算机可读存储介质，该计算机可读存储介质包括：当该计算机可读存储介质中的程序代码由服务器的处理器执行时，使得服务器能够执行上述第一方面中的异常检测方法。

根据本公开实施例的第五方面，提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述的异常检测方法。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理，并不构成对本公开的不当限定。

图1是根据一示例性实施例示出的一种异常检测方法的实施环境示意图；

图2是根据一示例性实施例示出的一种异常检测方法的流程图；

图3是根据一示例性实施例示出的一种异常检测方法的流程图；

图4是根据一示例性实施例示出的一种维度层面的检测信息的示意图；

图5A是根据一示例性实施例示出的一种图形检测信息的示意图；

图5B是根据一示例性实施例示出的又一种图形检测信息的示意图；

图6是根据一示例性实施例示出的一种异常检测装置的框图；

图7是根据一示例性实施例示出的一种服务器的框图。

具体实施方式

为了使本领域普通人员更好地理解本公开的技术方案，下面将结合附图，对本公开实施例中的技术方案进行清楚、完整地描述。

需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。

本公开所涉及的数据、检测可以为经用户授权或者经过各方充分授权的数据、检测。

图1是本公开实施例提供的一种异常检测方法的实施环境示意图，参见图1，该实施环境中包括：终端101和服务器102。

终端101可以为智能手机、智能手表、台式电脑、手提电脑、虚拟现实终端、增强现实终端、无线终端和膝上型便携计算机等设备中的至少一种，终端101具有通信功能，可以接入互联网，终端101可以泛指多个终端中的一个，本实施例仅以终端101来举例说明。本领域技术人员可以知晓，上述终端的数量可以更多或更少。

终端101可以运行有视频应用程序、直播应用程序、社交应用程序等。用户在使用视频应用程序、直播应用程序或社交应用程序的过程中，可能会被推送广告。例如，该广告可以为视频、文章、图片、链接等形式。以视频应用程序为例，用户在终端101上进行操作，启动视频应用程序，能够观看各种各样的视频，例如，广告视频，用户在观看广告视频的过程中，若对该广告视频感兴趣，还能够对该广告视频实施交互操作，如点赞、评论、点击查看详情等操作。

服务器102可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式文件系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。服务器102与终端101可以通过有线或无线通信方式进行直接或间接的连接，本公开实施例对此不作限定。可选地，上述服务器102的数量可以更多或更少，本公开实施例对此不加以限定。当然，服务器102还可以包括其他功能服务器，以便提供更全面且多样化的服务。

本公开实施例中，服务器102可以包括第一服务器和第二服务器。其中，第一服务器是指广告推送平台的服务器，用于向终端101推送广告，以使广告在终端101上进行展示。第二服务器是指广告异常检测平台的服务器，用于对广告的相关数据进行异常检测，以实现对异常的识别和定位。在一些实施例中，当第二服务器对广告进行异常检测时，从第一服务器中，获取该广告的相关数据，进而对该广告的相关数据，进行异常检测。本公开实施例中以广告为例，对目标对象的异常检测进行说明，其中目标对象可以是广告类型、宣传类型的数据，如广告视频、宣传视频等，目标对象也可以是其他数据，如用户发布的视频数据、动态消息等。

需要说明的是，异常检测是指对目标对象的曝光率、点击率等数据进行检测，判断目标对象的曝光率、点击率等数据是基于用户端的正常访问触发，还是由于异常手段或者出现故障等原因造成，从而检测出各种异常数据。其中，曝光量是指目标对象展示的次数。点击率是指用户对目标对象实施点击操作，从而访问目标对象详情的次数。异常手段是指用户出于某种目的，所使用的能够提升目标对象的曝光量、点击量等指标的手段。

图2是根据一示例性实施例示出的一种异常检测方法的流程图，如图2所示，该实施例以服务器为执行主体，该实施例包括以下步骤：

在步骤201中，服务器接收对目标对象的异常检测请求。

在步骤202中，服务器响应于该异常检测请求，确定该目标对象关联的图形检测信息，该图形检测信息中包括至少一条检测链路，该检测链路由多个检测项目构成，该检测链路中包括属于不同维度的检测项目，且该检测链路中至少包括检测指标。

在步骤203中，服务器基于该图形检测信息，对该目标对象的对象数据中属于该检测指标的数据进行异常检测，得到检测结果。

本公开实施例提供的技术方案，响应于异常检测请求，确定目标对象关联的图形检测信息，进而基于图形检测信息来进行目标对象的异常检测，由于图形检测信息包括至少一条检测链路，且每条检测链路上存在属于不同维度的检测项目，因此，提供了一种多维度的异常检测方法，能够实现基于不同维度的异常检测，综合考虑了不同维度的检测项目，提高了异常检测的准确性。

上述图2所示仅为本公开的基本流程，下面基于一种具体实施方式，来对本公开提供的方案进行进一步阐述，图3是根据一示例性实施例示出的一种异常检测方法的流程图，参见图3，该方法包括：

在步骤301中，服务器接收对目标对象的异常检测请求，该异常检测请求携带该目标对象的检测信息标识。

其中，目标对象可以是广告类型、宣传类型的数据，如广告视频、宣传视频等，目标对象也可以是其他数据，如用户发布的视频数据、动态消息等。可选地，目标对象为多媒体资源的形式，如广告视频。异常检测请求用于请求对目标对象进行异常检测。检测信息标识为目标对象所关联的图形检测信息的标识。可选地，该检测信息标识为图形检测信息的身份标识码(Identification，ID)。本公开实施例中，对于属于相同业务类型的多个业务对象，该多个业务对象均关联有一个图形检测信息，且该多个业务对象均关联有该图形检测信息的ID，便于后续获取图形检测信息的过程。其中，业务是指各行业中需要处理的事务，例如，广告业务、宣传业务、推销业务。业务对象是指为完成该业务所采用的具体形式，例如，业务对象可以是广告视频、宣传视频、推销视频。应理解地，对于上述提到的业务，在进行广告、宣传或推销时，其核心目标是期望带来用户转化。可选地，业务类型基于业务对象的转化方式来进行划分。以广告业务为例，业务类型可以包括常规广告类型、应用程序下载广告类型、咨询广告类型和信息收集广告类型，其中，该常规广告类型是基于用户的点击操作来实现转化，该应用程序下载广告类型是基于用户对应用程序的下载来实现转化，该咨询广告类型是基于用户的在线咨询来实现转化，该信息收集广告类型是基于用户对信息的填写完成来实现转化。需要说明的是，业务类型的划分还能够有其他方式，例如根据业务对象的表现形式来划分，分为图片类型、视频类型、文字类型等。本公开实施例对业务类型的划分不作限定。

在一些实施例中，异常检测请求基于技术人员的异常检测操作来触发，相应过程为：当技术人员想要对目标对象进行异常检测时，通过在终端上进行操作，并对终端界面上所展示的异常检测控件执行点击操作，则终端检测到对该异常检测控件的点击操作，向服务器发送异常检测请求，服务器接收对目标对象的异常检测请求，进而基于该异常检测请求进行后续异常检测的步骤。

在另一些实施例中，异常检测请求基于目标对象的异常报警来触发，相应过程为：服务器实时监测多个业务对象，当目标对象出现任一异常报警时，触发该异常检测请求，进而基于该异常检测请求进行后续异常检测的步骤。

在步骤302中，服务器响应于该异常检测请求，从该异常检测请求中获取该目标对象的检测信息标识。

在一些实施例中，服务器接收对目标对象的异常检测请求后，从该异常检测请求的特定字段中，获取该目标对象的检测信息标识，进而基于该检测信息标识，确定检测信息标识对应的图形检测信息。

在步骤303中，服务器基于该检测信息标识和目标对应关系，确定该检测信息标识对应的图形检测信息，该目标对应关系包括检测信息标识和图形检测信息的对应关系，该图形检测信息中包括至少一条检测链路，该检测链路由多个检测项目构成，该检测链路中包括属于不同维度的检测项目，且该检测链路中至少包括检测指标。

应理解地，在实施本方案之前，服务器还根据多个图形检测信息和对应的检测信息标识，生成目标对应关系。可选地，目标对应关系为数据表的形式。

在一些实施例中，服务器获取该目标对象的检测信息标识后，根据该检测信息标识，在目标对应关系中查询，确定该检测信息标识对应的图形检测信息。在该实施例中，服务器预先存储有检测信息标识和图形检测信息的对应关系，在进行目标对象的异常检测时，能够根据该目标对象的检测信息标识确定对应的图形检测信息，进而基于该目标对象的图形检测信息，即可执行异常检测的过程，提高了异常检测的效率，降低了成本。

需要说明的是，图形检测信息包括多个检测项目以及该多个检测项目构成的至少一条检测链路，每条检测链路中包括属于不同维度的检测项目，且该检测链路中至少包括检测指标。可选地，一条检测链路中包括一个检测指标，或者，一条检测链路中包括多个检测指标。

示例性地，维度可以包括检测周期、展示位置、检测指标等维度。其中，检测周期是指每进行一次异常检测的间隔周期。展示位置可以指代投放业务对象的媒体平台，进一步地，展示位置还可以指代展示业务对象的页面。检测指标是指待进行异常检测的指标。可选地，检测指标为业务对象的指标，或者，检测指标为与该业务对象进行交互操作的账号指标，该账号指标是指账号的相关信息(如账号ID等)。

其中，检测项目是指业务维度下的检测项目。示例性地，检测周期下的检测项目可以为小时级时序、分钟级时序或秒级时序。展示位置下的检测项目可以为媒体平台1或媒体平台2，或者，展示位置下的检测项目可以为展示页面1(如发现页面)或展示页面2(如同城页面)。检测指标下的检测项目可以为业务对象的属性指标(如点击量、曝光量、转化率等)或对该业务对象进行交互操作的账号指标(如账号ID等)。

需要说明的是，从维度的角度进行异常检测时，很可能造成异常检测失效，例如，以版本维度为例，一个应用程序同时运行的版本可能有数百个，若该数百个版本中，一部分版本导致异常增长10％，另一部分版本导致异常降低10％，若从版本维度的角度来看，由于异常增长和异常降低相抵消，导致异常检测的检测结果为无异常，因此，本公开实施例从维度下的检测项目的角度，来进行异常检测，深入到每一个维度下的检测项目，避免了上述提到的异常检测失效，能够快速定位出异常所在的维度，进而快速定位出异常原因，便于对所确定出的异常进行处理，提高了异常检测的准确性。

可选地，图形检测信息为有向无环图(Directed Acyclic Graph，DAG)。应理解地，检测项目是该DAG图中的检测节点，存在关联关系的两个检测节点之间通过有向边连接，从而形成检测链路。需要说明的是，每条检测链路也即是一个DAG实例，该DAG实例是图形检测信息的最小检测单元，该DAG实例用于基于异常检测算法策略，对该DAG实例对应的检测链路中的检测指标进行异常检测。通过有向无环图来表示该图形检测信息，能够很好的体现多维度以及各维度下检测项目之间的关联关系，采用有向无环图，每条检测链路均不同，避免了循环检测的问题。

需要说明的是，在实施本方案之前，服务器根据不同业务类型的维度和维度下的检测项目，来生成不同业务类型的图形检测信息，相应过程为：获取多个维度以及各个维度下的检测项目，对不同维度下的检测项目进行排列组合，得到该至少一条检测链路，进而基于该至少一条检测链路，生成该图形检测信息。

可选地，以广告为例，获取某一类型广告的多个维度以及各个维度下的检测项目，根据该多个维度，形成维度层面的检测信息，进而根据各个维度下的检测项目进行排列组合，得到各个维度下的检测项目所构成的至少一条检测链路，进而根据该至少一条检测链路，生成该类型广告的图形检测信息。

例如，参见图4，图4是根据一示例性实施例示出的一种维度层面的检测信息的示意图，图4以有向无环图的形式来展示该检测信息。检测周期可以为图4所示出的时序，展示位置可以为图4所示出的媒体，检测指标可以是图4所示出的指标。参见图5A，图5A是根据一示例性实施例示出的一种图形检测信息的示意图，参见图5B，图5B是根据一示例性实施例示出的又一种图形检测信息的示意图，图5A和图5B是基于图4所示出的维度层面的检测信息以及不同维度下的检测项目，进行排列组合得到的。其中，时序下的检测项目为分钟级，媒体下的检测项目可以为媒体平台1、媒体平台2和媒体平台3，指标下的检测项目可以为点击量和曝光量。由图5A和图5B可以发现，图形检测信息为有向无环图，每条检测链路均不同，避免了循环检测的问题，且能够实现由浅入深的异常检测。例如，对媒体平台1的点击量进行异常检测，并对媒体平台2的点击量进行异常检测。进一步地，还能够对媒体平台1的发现页面进行异常检测，并对媒体平台2的发现页面进行异常检测。应理解地，图5A和图5B的图形检测信息仅示出了6条检测链路，实际上，一个广告可能对应数百条检测链路。

在上述实施例中，根据不同业务类型的广告，选取不同业务类型相应的多个维度，并选取每个维度下的检测项目，进而基于所选取的多个维度以及每个维度下的检测项目，生成不同业务类型的图形检测信息，巧妙地将同一类广告的异常检测回归到某些维度上，提高了异常检测的效率和准确性。

在步骤304中，服务器基于该多条检测链路，从该目标对象的对象数据中，分别获取属于该多条检测链路中的检测指标的数据。

在一些实施例中，服务器确定出图形检测信息后，对于图形检测信息中的任一条检测链路，根据该检测链路中的检测指标，从该目标对象的对象数据中，获取属于该检测指标的数据，进而服务器对该目标对象的对象数据中属于该检测指标的数据进行异常检测，以得到检测结果。

例如，以图形检测信息包括两条检测链路，分别为检测链路1和检测链路2为例，若该检测链路1中的检测指标为点击量，该检测链路2中的检测指标为曝光量，则当对检测链路1进行异常检测时，根据该检测链路1，从该目标对象的对象数据中，选取该目标对象的点击量，作为该检测链路1的待检测数据，当对检测链路2进行异常检测时，根据该检测链路2，从该目标对象的对象数据中，选取该目标对象的曝光量，作为该检测链路2的待检测数据。

在一些实施例中，该检测链路中还包括检测周期，相应地，服务器按照该检测周期，对该目标对象的对象数据中属于该检测指标的数据进行异常检测。例如，以检测周期为分钟级时序，且检测周期为10分钟为例，则服务器每隔10分钟，对该目标对象的对象数据中属于该检测指标的数据进行异常检测的步骤。在该过程中，检测链路中包括了检测周期，使得服务器在触发异常检测请求后，能够进行周期性的异常检测，不仅实现了异常检测的自动化，还保障了异常检测的实时性，使得服务器在周期性的异常检测中，能够根据当前的实时数据进行异常检测，避免仅基于一次异常检测就得出检测结果，进而导致检测结果准确率低的问题。

在一些实施例中，该检测链路中还包括展示位置，相应地，服务器对在该展示位置展示的该目标对象的对象数据中，属于该检测指标的数据进行异常检测的步骤。

基于展示位置所指代内容的不同，服务器执行异常检测的过程不同。可选地，服务器基于展示位置进行异常检测的过程包括下述任一项：

在一些实施例中，以展示位置指代投放业务对象的媒体平台为例，异常检测的相应过程为：服务器对在目标媒体平台展示的该目标对象的对象数据中，属于检测指标的数据进行异常检测的步骤。其中，目标媒体平台是指展示位置所指代的媒体平台。具体地，服务器从目标媒体平台的服务器中，获取该目标对象的对象数据，进而在该目标对象的对象数据中，选取属于检测指标的数据，对该属于检测指标的数据进行异常检测。例如，以展示位置为媒体平台1为例，服务器对在该媒体平台1展示的目标对象的对象数据中，属于检测指标的数据进行异常检测的步骤。

在另一些实施例中，展示位置还可以指代业务对象所展示的页面。异常检测的相应过程为：服务器对在目标媒体平台的目标页面展示的目标对象的对象数据中，属于检测指标的数据进行异常检测的步骤。具体地，服务器从目标媒体平台的服务器中，获取在目标页面展示的该目标对象的对象数据，进而在该目标对象的对象数据中，选取属于检测指标的数据，对该属于检测指标的数据进行异常检测。例如，以展示位置为媒体平台1、发现页面为例，服务器对在该媒体平台1的发现页面展示的目标对象的对象数据中，属于检测指标的数据进行异常检测的步骤。

在上述实施例中，检测链路中包括了展示位置，则服务器在进行异常检测请求时，还能够基于展示位置这一维度进行异常检测，丰富了异常检测的维度，细化了异常检测所需的内容，也就能够提升异常检测的准确性。

在步骤305中，服务器对获取到的多个数据分别进行异常检测，得到该多条检测链路的检测结果。

可选地，该多条检测链路的检测结果的形式可以是异常概率或异常分值。需要说明的是，对于同一检测指标，在不同检测链路中时，其对应的数据不同。例如，图5A中，媒体平台1对应的点击量、媒体平台2对应的点击量和媒体平台3对应的点击量不同。

在一些实施例中，服务器获取到属于该多条检测链路中的检测指标的数据后，对于该多条检测链路中任一条检测链路，对该检测链路中的检测指标的数据进行异常检测，得到该检测指标的检测结果，将该检测结果作为该检测链路的检测结果，进而能够得到多条检测链路的检测结果。

上述实施例是一条检测链路包括一个检测指标的过程。在另一些实施例中，对于该多条检测链路中任一条检测链路，基于该检测链路，从该目标对象的对象数据中，获取属于该检测链路中的多个检测指标的数据，对获取到的多个数据分别进行异常检测，得到该多个检测指标的检测结果，进而基于该多个检测指标的检测结果，确定该检测链路的检测结果。在上述实施例中，一条检测链路可以包括多个检测指标，则服务器在进行异常检测请求时，还能够基于多个检测指标，来确定该条检测链路的检测结果，丰富了异常检测的检测项目，深入到每一个维度下的检测项目，在实现基于不同维度的异常检测的同时，还实现了维度下多检测项目的异常检测，进一步提升了异常检测的准确性。

可选地，服务器基于该多个检测指标的检测结果，确定该检测链路的检测结果的过程为：服务器基于该多个检测指标的第二权重，对该多个检测指标的检测结果进行加权处理，得到该检测链路的检测结果。其中，第二权重用于指示检测指标对该检测链路的检测结果的影响程度。在该过程中，根据每个检测指标对检测链路的检测结果的影响程度，来确定检测链路的检测结果，提高了异常检测的准确性。

在步骤306中，服务器基于该多条检测链路的检测结果，确定该目标对象的检测结果。

可选地，目标对象的检测结果的形式可以是异常概率或异常分值。

在一些实施例中，服务器对该多条检测链路的检测结果，进行归因分析，得到该目标对象的检测结果。本公开实施例中，归因分析主要用于分析各条检测链路以及各个检测项目，对本次异常检测的检测结果的影响程度或者说贡献率。在上述实施例中，图形检测信息中包括多条检测链路，且每条检测链路中包括检测指标，基于每条检测链路中的检测指标进行异常检测，能够确定出该检测链路的检测结果，进而基于多条检测链路的检测结果来确定目标对象的检测结果，考虑到了不同检测链路的检测结果，增加了异常检测所考虑的因素，从而提升了异常检测的准确性。

可选地，服务器基于该多条检测链路的第一权重，对该多条检测链路的检测结果进行加权处理，得到该目标对象的检测结果。其中，第一权重用于指示检测链路对目标对象的检测结果的影响程度。在该实施例中，基于不同检测链路的权重，来确定目标对象的检测结果，考虑到了不同检测链路对目标对象的检测结果的影响程度，能够确定出更加准确的检测结果，并且，通过调整不同检测链路的权重，能够使异常检测的检测结果更加贴合实际情况。

在另一些实施例中，服务器确定出目标对象的检测结果后，还能够根据目标对象的检测结果，进一步输出最终检测结果，下面对确定最终检测结果的过程进行说明：

在一些实施例中，服务器采用上述步骤确定出目标对象的检测结果后，根据目标对象的检测结果，确定用于指示有无异常的第一检测结果，该第一检测结果用于指示目标对象异常或无异常。以目标对象的检测结果的形式是异常概率为例，确定第一检测结果的过程为：服务器确定出目标对象的检测结果后，若该目标对象的检测结果表示的异常概率达到目标阈值，则确定该目标对象的第一检测结果为异常，若该目标对象的检测结果表示的异常概率未达到目标阈值，则确定该目标对象的第一检测结果为无异常。其中，目标阈值为预先设定的固定阈值，如60％。在该实施例中，服务器确定出用于指示有无异常的第一检测结果，能够更加直观的表示检测结果。

在又一些实施例中，服务器采用上述步骤确定出目标对象的检测结果后，还能够根据目标对象的检测结果，确定用于指示异常等级的第二检测结果，该第二检测结果用于指示目标对象的异常等级。例如，异常等级可以划分为高、中、低、无四种异常等级。以目标对象的检测结果的形式是异常概率为例，确定第二检测结果的过程为：服务器确定出目标对象的检测结果后，若该目标对象的检测结果表示的异常概率大于第一阈值，则确定该目标对象的第二检测结果为高异常等级；若该目标对象的检测结果表示的异常概率大于第二阈值、小于或等于第一阈值，则确定该目标对象的第二检测结果为中异常等级；若该目标对象的检测结果表示的异常概率大于第三阈值、小于或等于第二阈值，则确定该目标对象的第二检测结果为低异常等级；若该目标对象的检测结果表示的异常概率小于或等于第三阈值，则确定该目标对象的第二检测结果为无异常等级。其中，第一阈值、第二阈值、第三阈值均为预先设定的固定阈值，例如，第一阈值可以为90％，第二阈值可以为50％，第三阈值可以为0。在该实施例中，服务器确定出用于指示异常等级的第二检测结果，不仅能够直观的表示检测结果，还便于技术人员了解异常等级，进而基于不同的异常等级，对不同等级的异常进行处理，从而及时止损。

本公开实施例提供的技术方案，服务器响应于异常检测请求，确定目标对象关联的图形检测信息，进而基于图形检测信息来进行目标对象的异常检测，由于图形检测信息包括至少一条检测链路，且每条检测链路上存在属于不同维度的检测项目，因此，提供了一种多维度的异常检测方法，能够实现基于不同维度的异常检测，综合考虑了不同维度的检测项目，提高了异常检测的准确性。

图6是根据一示例性实施例示出的一种异常检测装置的框图。参照图6，该装置包括接收单元601，确定单元602和检测单元603。

接收单元601，被配置为执行接收对目标对象的异常检测请求；

确定单元602，被配置为执行响应于该异常检测请求，确定该目标对象关联的图形检测信息，该图形检测信息中包括至少一条检测链路，该检测链路由多个检测项目构成，该检测链路中包括属于不同维度的检测项目，且该检测链路中至少包括检测指标；

检测单元603，被配置为执行基于该图形检测信息，对该目标对象的对象数据中属于该检测指标的数据进行异常检测，得到检测结果。

在一些实施例中，该图形检测信息中包括多条检测链路，该检测单元603，包括：

获取子单元，被配置为执行基于该多条检测链路，从该目标对象的对象数据中，分别获取属于该多条检测链路中的检测指标的数据；

检测子单元，被配置为执行对获取到的多个数据分别进行异常检测，得到该多条检测链路的检测结果；

确定子单元，被配置为执行基于该多条检测链路的检测结果，确定该目标对象的检测结果。

在一些实施例中，该确定子单元，被配置为执行：

基于该多条检测链路的第一权重，对该多条检测链路的检测结果进行加权处理，得到该目标对象的检测结果。

在一些实施例中，该检测链路中还包括检测周期，该检测单元603，被配置为执行：

按照该检测周期，对该目标对象的对象数据中属于该检测指标的数据进行异常检测的步骤。

在一些实施例中，该检测链路中还包括展示位置，该检测单元603，被配置为执行：

对在该展示位置展示的该目标对象的对象数据中，属于该检测指标的数据进行异常检测的步骤。

在一些实施例中，该检测单元603，包括：

获取子单元，被配置为执行对于该多条检测链路中任一条检测链路，基于该检测链路，从该目标对象的对象数据中，获取属于该检测链路中的多个检测指标的数据；

检测子单元，被配置为执行对获取到的多个数据分别进行异常检测，得到该多个检测指标的检测结果；

确定子单元，被配置为执行基于该多个检测指标的检测结果，确定该检测链路的检测结果。

在一些实施例中，该确定子单元，被配置为执行：

基于该多个检测指标的第二权重，对该多个检测指标的检测结果进行加权处理，得到该检测链路的检测结果。

在一些实施例中，该图形检测信息为DAG有向无环图。

在一些实施例中，该装置还包括：

获取单元，被配置为执行获取多个维度以及各个维度下的检测项目；

排列组合单元，被配置为执行对不同维度下的检测项目进行排列组合，得到该至少一条检测链路；

生成单元，被配置为执行基于该至少一条检测链路，生成该图形检测信息。

在一些实施例中，该异常检测请求携带该目标对象的检测信息标识，该确定单元602，被配置为执行：

响应于该异常检测请求，从该异常检测请求中获取该目标对象的检测信息标识；

基于该检测信息标识和目标对应关系，确定该检测信息标识对应的图形检测信息，该目标对应关系包括检测信息标识和图形检测信息的对应关系。

本公开实施例提供的技术方案，响应于异常检测请求，确定目标对象关联的图形检测信息，进而基于图形检测信息来进行目标对象的异常检测，由于图形检测信息包括至少一条检测链路，且每条检测链路上存在属于不同维度的检测项目，因此，提供了一种多维度的异常检测方法，能够实现基于不同维度的异常检测，综合考虑了不同维度的检测项目，提高了异常检测的准确性。

需要说明的是：上述实施例提供的异常检测装置在进行异常检测时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的异常检测装置与异常检测方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。

图7是根据一示例性实施例示出的一种服务器的框图，该服务器700可因配置或性能不同而产生比较大的差异，可以包括一个或多个处理器(Central Processing Units，CPU)701和一个或多个的存储器702，其中，该一个或多个存储器702中存储有至少一条程序代码，该至少一条程序代码由该一个或多个处理器701加载并执行以实现上述各个方法实施例提供的异常检测方法。当然，该服务器700还可以具有有线或无线网络接口、键盘以及输入输出接口等部件，以便进行输入输出，该服务器700还可以包括其他用于实现设备功能的部件，在此不做赘述。

在示例性实施例中，还提供了一种包括程序代码的计算机可读存储介质，例如包括程序代码的存储器702，上述程序代码可由服务器700的处理器701执行以完成上述异常检测方法。可选地，计算机可读存储介质可以是只读内存(read-only memory，ROM)、随机存取存储器(random access memory)，RAM)、只读光盘(compact-disc read-only memory，CD-ROM)、磁带、软盘和光数据存储设备等。

在示例性实施例中，还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述的异常检测方法。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (10)

1.一种异常检测方法，其特征在于，所述方法包括：

接收对目标对象的异常检测请求；

响应于所述异常检测请求，确定所述目标对象关联的图形检测信息，所述图形检测信息中包括至少一条检测链路，所述检测链路由多个检测项目构成，所述检测链路中包括属于不同维度的检测项目，且所述检测链路中至少包括检测指标；

基于所述图形检测信息，对所述目标对象的对象数据中属于所述检测指标的数据进行异常检测，得到检测结果。

2.根据权利要求1所述的异常检测方法，其特征在于，所述图形检测信息中包括多条检测链路，所述基于所述图形检测信息，对所述目标对象的对象数据属于所述检测指标的数据进行异常检测，得到检测结果包括：

基于所述多条检测链路，从所述目标对象的对象数据中，分别获取属于所述多条检测链路中的检测指标的数据；

对获取到的多个数据分别进行异常检测，得到所述多条检测链路的检测结果；

基于所述多条检测链路的检测结果，确定所述目标对象的检测结果。

3.根据权利要求2所述的异常检测方法，其特征在于，所述基于所述多条检测链路的检测结果，确定所述目标对象的检测结果包括：

基于所述多条检测链路的第一权重，对所述多条检测链路的检测结果进行加权处理，得到所述目标对象的检测结果。

4.根据权利要求1所述的异常检测方法，其特征在于，所述检测链路中还包括检测周期，所述基于所述图形检测信息，对所述目标对象的对象数据中属于所述检测指标的数据进行异常检测包括：

按照所述检测周期，对所述目标对象的对象数据中属于所述检测指标的数据进行异常检测的步骤。

5.根据权利要求1所述的异常检测方法，其特征在于，所述检测链路中还包括展示位置，所述基于所述图形检测信息，对所述目标对象的对象数据中属于所述检测指标的数据进行异常检测包括：

对在所述展示位置展示的所述目标对象的对象数据中，属于所述检测指标的数据进行异常检测的步骤。

6.根据权利要求1所述的异常检测方法，其特征在于，所述基于所述图形检测信息，对所述目标对象的对象数据中属于所述检测指标的数据进行异常检测，得到检测结果包括：

对于所述多条检测链路中任一条检测链路，基于所述检测链路，从所述目标对象的对象数据中，获取属于所述检测链路中的多个检测指标的数据；

对获取到的多个数据分别进行异常检测，得到所述多个检测指标的检测结果；

基于所述多个检测指标的检测结果，确定所述检测链路的检测结果。

7.一种异常检测装置，其特征在于，所述装置包括：

接收单元，被配置为执行接收对目标对象的异常检测请求；

确定单元，被配置为执行响应于所述异常检测请求，确定所述目标对象关联的图形检测信息，所述图形检测信息中包括至少一条检测链路，所述检测链路由多个检测项目构成，所述检测链路中包括属于不同维度的检测项目，且所述检测链路中至少包括检测指标；

检测单元，被配置为执行基于所述图形检测信息，对所述目标对象的对象数据中属于所述检测指标的数据进行异常检测，得到检测结果。

8.一种服务器，其特征在于，所述服务器包括：

一个或多个处理器；

用于存储所述处理器可执行程序代码的存储器；

其中，所述处理器被配置为执行所述程序代码，以实现如权利要求1至6中任一项所述的异常检测方法。

9.一种计算机可读存储介质，其特征在于，当所述计算机可读存储介质中的程序代码由服务器的处理器执行时，使得服务器能够执行如权利要求1至6中任一项所述的异常检测方法。

10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的异常检测方法。

Images