CN115811486A - 一种数据流量异常值监测方法、系统、装置及存储介质 - Google Patents
一种数据流量异常值监测方法、系统、装置及存储介质 Download PDFInfo
- Publication number
- CN115811486A CN115811486A CN202211573979.2A CN202211573979A CN115811486A CN 115811486 A CN115811486 A CN 115811486A CN 202211573979 A CN202211573979 A CN 202211573979A CN 115811486 A CN115811486 A CN 115811486A
- Authority
- CN
- China
- Prior art keywords
- data
- statistical data
- value
- range threshold
- monitoring
- 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.)
- Pending
Links
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 57
- 238000012544 monitoring process Methods 0.000 title claims abstract description 45
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000004364 calculation method Methods 0.000 claims abstract description 43
- 238000004891 communication Methods 0.000 claims abstract description 36
- 230000008030 elimination Effects 0.000 claims description 3
- 238000003379 elimination reaction Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000012806 monitoring device Methods 0.000 claims 1
- 230000006870 function Effects 0.000 description 11
- 238000012423 maintenance Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/50—Reducing energy consumption in communication networks in wire-line communication networks, e.g. low power modes or reduced link rate
Abstract
本发明公开了一种数据流量异常值监测方法、系统、装置及存储介质,方法包括:获取预设期限的网络通信数据流量的历史数据作为第一统计数据;对所述第一统计数据进行第一正态分布计算,确定第一范围阈值;根据所述第一统计数据,基于所述第一范围阈值,确定第二统计数据;对所述第二统计数据进行第二正态分布计算,确定第二范围阈值;根据所述第二范围阈值,进行目标数据流量的异常值监测。本发明基于网络通信数据流量的历史数据进行第一正态分布计算和第二整体分布计算的迭代计算,确定的第二范围阈值,能够实现准确的数据流量异常值监测,并且基于历史数据自适应确定预警范围,能够高效进行数据流量异常值监测,可广泛应用于异常值监测技术领域。
Description
技术领域
本发明涉及异常值监测技术领域,尤其是一种数据流量异常值监测方法、系统、装置及存储介质。
背景技术
网络通信数据流量监控是通信机房运维平台的主要功能之一,网络通信数据流量的变动反应了一段时间内网络通信的变化程度,同时也能表征非法入侵带来的流量异常变动。通信机房运维平台除了能够统计实时的网络通信数据流量,也需要能够自动判断流量异常并进行提示或预警。预警值的大小设定,通常做法是设定为固定值,虽然操作简单,但无法根据流量的正常变动趋势和业务的增长而导致流量增加而进行合理的设置。所以预警值的设定范围不仅要根据运维平台的数据流量变动趋势而变动,同时预警值的大小设定,采用人工动态估计,无法满足实际需求,所以如何合理设定异常流量的预警值,是一个在通信机房运维过程需要解决的问题之一。
发明内容
有鉴于此,本发明实施例提供一种数据流量异常值监测方法、系统、装置及存储介质,能够高效、准确进行数据流量异常值监测。
一方面,本发明的实施例提供了一种数据流量异常值监测方法,包括:
获取预设期限的网络通信数据流量的历史数据作为第一统计数据;
对所述第一统计数据进行第一正态分布计算,确定第一范围阈值;
根据所述第一统计数据,基于所述第一范围阈值,确定第二统计数据;
对所述第二统计数据进行第二正态分布计算,确定第二范围阈值;
根据所述第二范围阈值,进行目标数据流量的异常值监测。
可选地,所述获取预设期限的网络通信数据流量的历史统计数据,包括:
根据预设的统计数据周期,获取所述统计数据周期中每天的网络通信数据流量的历史数据;
根据所述历史数据,以每一天的通信流量数据作为一个统计数据值,整理得到第一统计数据。
可选地,还包括:
基于预设周期,周期性获取预设期限的网络通信数据流量的历史数据,更新所述第一统计数据。
可选地,所述对所述第一统计数据进行第一正态分布计算,确定第一范围阈值,包括:
对所述所述第一统计数据进行第一正态分布计算,得到所述第一统计数据的均值和标准方差值;
根据所述第一统计数据的均值和标准方差值,确定[μ1-2σ1,μ1+2σ1]为第一范围阈值;其中,μ1表示第一统计数据的均值,σ1表示第一统计数据的标准方差值。
可选地,所述根据所述第一统计数据,基于所述第一范围阈值,确定第二统计数据,包括:
基于所述第一范围阈值,对所述第一统计数据进行小概率事件的数据剔除处理,得到第二统计数据。
可选地,所述对所述第二统计数据进行第二正态分布计算,确定第二范围阈值,包括:
对所述所述第二统计数据进行第二正态分布计算,得到所述第二统计数据的均值和标准方差值;
根据所述第二统计数据的均值和标准方差值,确定[μ2-2σ2,μ2+2σ2]为第二范围阈值;其中,μ1表示第二统计数据的均值,σ1表示第二统计数据的标准方差值。
可选地,所述根据所述第二范围阈值,进行目标数据流量的异常值监测,包括:
根据所述第二范围阈值,确定数据流量异常值的上限值和下限值;
根据所述数据流量异常值的上限值和下限值,进行目标数据流量的异常值监测;
当所述目标数据流量大于所述上限值或小于所述下限值,进行异常值提示。
另一方面,本发明的实施例提供了一种数据流量异常值监测系统,包括:
第一模块,用于获取预设期限的网络通信数据流量的历史数据作为第一统计数据;
第二模块,用于对所述第一统计数据进行第一正态分布计算,确定第一范围阈值;
第三模块,用于根据所述第一统计数据,基于所述第一范围阈值,确定第二统计数据;
第四模块,用于对所述第二统计数据进行第二正态分布计算,确定第二范围阈值;
第五模块,用于根据所述第二范围阈值,进行目标数据流量的异常值监测。
另一方面,本发明的实施例提供了一种数据流量异常值监测装置,包括处理器以及存储器;
所述存储器用于存储程序;
所述处理器执行所述程序实现如前面所述的方法。
另一方面,本发明的实施例提供了一种计算机可读存储介质,所述存储介质存储有程序,所述程序被处理器执行实现如前面所述的方法。
本发明实施例还公开了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行前面的方法。
本发明实施例首先获取预设期限的网络通信数据流量的历史数据作为第一统计数据;对所述第一统计数据进行第一正态分布计算,确定第一范围阈值;根据所述第一统计数据,基于所述第一范围阈值,确定第二统计数据;对所述第二统计数据进行第二正态分布计算,确定第二范围阈值;根据所述第二范围阈值,进行目标数据流量的异常值监测。本发明基于网络通信数据流量的历史数据进行第一正态分布计算和第二整体分布计算的迭代计算,确定的第二范围阈值,能够实现准确的数据流量异常值监测,并且基于历史数据自适应确定预警范围,能够高效进行数据流量异常值监测。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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一些实施例,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,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种数据流量异常值监测方法的流程示意图;
图2为本发明实施例提供的一种数据流量异常值监测方法的原理框图;
图3为本发明实施例提供的一种数据流量异常值监测系统的示意图;
图4为本发明实施例提供的一种数据流量异常值监测装置的示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
为了使本申请内容及技术方案更加清楚明白,对相关术语及含义进行说明:
正态分布:是概率论中参数估计的重要概念,又名高斯分布。表示随机变量X服从一个数学期望为μ,标准方差为σ2的高斯分布:X∈N(μ,σ2)。服从正态分布的数据分布特点,理论上99.73%的X值介于[μ-3σ,μ+3σ]之间,95.45%的X值介于[μ-2σ,μ+2σ]之间,68.27%的X值介于[μ-σ,μ+σ]之间。称之为正态分布的“3σ”原则。
小概率事件:通常指发生的概率小于5%的事件,认为在一次试验中该事件是几乎不可能发生的。
一方面,参照图1,本发明的实施例提供了一种数据流量异常值监测方法,包括:
S100、获取预设期限的网络通信数据流量的历史数据作为第一统计数据;
需要说明的是,一些实施例中,根据预设的统计数据周期,获取统计数据周期中每天的网络通信数据流量的历史数据;根据历史数据,以每一天的通信流量数据作为一个统计数据值,整理得到第一统计数据。
其中,一些实施例中,还包括:基于预设周期,周期性获取预设期限的网络通信数据流量的历史数据,更新第一统计数据。为了是判断结果更加准确,不断对训练数据进行周期性迭代更新,保证参照的数据依据的实时性。另一些实施例,也可采用不定期获取预设期限的网络通信数据流量的历史数据,更新第一统计数据。
具体地,如图2所示,读取一段历史网络通信流量统计数据:根据统计经验,从数据库中读取一段历史网络通信流量统计数据(即第一统计数据),比如每份统计数据周期为30天,每个统计数据值为一天流量数据,单位MB;
S200、对第一统计数据进行第一正态分布计算,确定第一范围阈值;
需要说明的是,一些实施例中,对第一统计数据进行第一正态分布计算,得到第一统计数据的均值和标准方差值;根据第一统计数据的均值和标准方差值,确定[μ1-2σ1,μ1+2σ1]为第一范围阈值;其中,μ1表示第一统计数据的均值,σ1表示第一统计数据的标准方差值
具体地,如图2所示,正态分布一次计算(即第一正态分布计算):计算读取的统计数据(即第一统计数据)的均值和标准方差值,单位都是MB,确定[μ1-2σ1,μ1+2σ1]值大小范围(即第一范围阈值)。其中,μ1表示第一统计数据的均值,σ1表示第一统计数据的标准方差值。
S300、根据第一统计数据,基于第一范围阈值,确定第二统计数据;
需要说明的是,一些实施例中,基于第一范围阈值,对第一统计数据进行小概率事件的数据剔除处理,得到第二统计数据。
具体地,如图2所示,剔除小概率事件数据:在该段统计数据(即第一统计数据)中去掉不在[μ1-2σ1,μ1+2σ1]范围内的值,重新形成一份数量为N的统计数据(即第二统计数据),其中N≤30。
S400、对第二统计数据进行第二正态分布计算,确定第二范围阈值;
需要说明的是,一些实施例中,对第二统计数据进行第二正态分布计算,得到第二统计数据的均值和标准方差值;根据第二统计数据的均值和标准方差值,确定[μ2-2σ2,μ2+2σ2]为第二范围阈值;其中,μ1表示第二统计数据的均值,σ1表示第二统计数据的标准方差值。
具体地,如图2所示,正态分布二次计算(即第二正态分布计算):以新形成的一份统计数据(即第二统计数据)为准,再次计算它的数据均值和标准方差值,确定[μ2-2σ2,μ2+2σ2]值大小范围(即第二范围阈值)。
S500、根据第二范围阈值,进行目标数据流量的异常值监测。
需要说明的是,一些实施例中,根据第二范围阈值,确定数据流量异常值的上限值和下限值;根据数据流量异常值的上限值和下限值,进行目标数据流量的异常值监测;当目标数据流量大于上限值或小于下限值,进行异常值提示。
具体地,如图2所示,对当天网络通信流量值进行阈值判断:首先根据[μ2-2σ2,μ2+2σ2]确定预警值的上限值μ2+2σ2和下限值μ2-2σ2。通信机房运维平台对当天的网络通信流量值进行阈值判断,当判断该值不在二次计算结果的[μ2-2σ2,μ2+2σ2]值时,根据实现确定的判断规则进行提示,通知网关人员进行现象观察与根因分析。
下面结合具体实施例对本发明作进一步地解释,下述不能看作对本发明的限制:
第一步、读取一段历史网络通信流量统计数据。统计机房运维平台从数据库中读取一段历史统计数据X,记为X={x1,x2,…,xn},这里n=30;xn表示历史统计数据中第n天的流量统计数据值;
第三步、剔除小概率事件数据。依次判断数组X中的每个值,进行范围判断,其中大于和小于的值去掉,中形成新的数组X2={x1,x2,…,xm},其中m≤30;其中,当剔除了部分数据时,X2中x1,x2,…表示的各个数值与X中x1,x2,…表示的各个数值不尽相同或完全不同;
第五步、对当天网络通信流量值进行阈值判断。假设当天流量统计值为Xtoday,采用预警值上限值和预警值下限值与Xtoday进行大小比较,即判断Xtoday大于或者Xtoday小于值,则认为当天的流量需要进行根因分析,分析出现流量偏大或偏小的原因。然后给出预警提示,从而便于网关人员进行现象观察与根因分析。
综上所述,本发明提供一种数据流量异常值监测方法。实现了异常值的自动计算监测,采用不定期的基于正态分布的迭代计算方法,该方法包含一段保存的网络通信流量数据统计值。根据该段网络通信流量数据统计值,进行均值和标准方差的一次计算。为优化异常值范围分布,同时依据小概率事件原理,保留处于[μ1-2σ1,μ1+2σ1]范围的数据,即剔除出大于μ1+2σ1的值和小于μ1-2σ1的值,再次进行二次计算该段历史数据的均值和标准方差值,最后计算得到优化后的异常阈值[μ2-2σ2,μ2+2σ2],用于将来一段时间内对实时流量进行判断的依据。本发明能够实现准确的数据流量异常值监测,并且基于历史数据自适应确定预警范围,能够高效进行数据流量异常值监测。
另一方面,参照图3,本发明的实施例提供了一种数据流量异常值监测系统600,包括:第一模块610,用于获取预设期限的网络通信数据流量的历史数据作为第一统计数据;第二模块620,用于对第一统计数据进行第一正态分布计算,确定第一范围阈值;第三模块630,用于根据第一统计数据,基于第一范围阈值,确定第二统计数据;第四模块640,用于对第二统计数据进行第二正态分布计算,确定第二范围阈值;第五模块650,用于根据第二范围阈值,进行目标数据流量的异常值监测。
本发明方法实施例的内容均适用于本系统实施例,本系统实施例所具体实现的功能与上述方法实施例相同,并且达到的有益效果与上述方法达到的有益效果也相同。
参照图4,本发明实施例的另一方面还提供了一种数据流量异常值监测装置700,包括处理器710以及存储器720;
存储器用于存储程序;
处理器执行程序实现如前面的方法。
本发明方法实施例的内容均适用于本装置实施例,本装置实施例所具体实现的功能与上述方法实施例相同,并且达到的有益效果与上述方法达到的有益效果也相同。
本发明实施例的另一方面还提供了一种计算机可读存储介质,存储介质存储有程序,程序被处理器执行实现如前面的方法。
本发明方法实施例的内容均适用于本计算机可读存储介质实施例,本计算机可读存储介质实施例所具体实现的功能与上述方法实施例相同,并且达到的有益效果与上述方法达到的有益效果也相同。
本发明实施例还公开了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行前面的方法。
在一些可选择的实施例中,在方框图中提到的功能/操作可以不按照操作示图提到的顺序发生。例如,取决于所涉及的功能/操作,连续示出的两个方框实际上可以被大体上同时地执行或所述方框有时能以相反顺序被执行。此外,在本发明的流程图中所呈现和描述的实施例以示例的方式被提供,目的在于提供对技术更全面的理解。所公开的方法不限于本文所呈现的操作和逻辑流程。可选择的实施例是可预期的,其中各种操作的顺序被改变以及其中被描述为较大操作的一部分的子操作被独立地执行。
此外,虽然在功能性模块的背景下描述了本发明,但应当理解的是,除非另有相反说明,所述的功能和/或特征中的一个或多个可以被集成在单个物理装置和/或软件模块中,或者一个或多个功能和/或特征可以在单独的物理装置或软件模块中被实现。还可以理解的是,有关每个模块的实际实现的详细讨论对于理解本发明是不必要的。更确切地说,考虑到在本文中公开的装置中各种功能模块的属性、功能和内部关系的情况下,在工程师的常规技术内将会了解该模块的实际实现。因此,本领域技术人员运用普通技术就能够在无需过度试验的情况下实现在权利要求书中所阐明的本发明。还可以理解的是,所公开的特定概念仅仅是说明性的,并不意在限制本发明的范围,本发明的范围由所附权利要求书及其等同方案的全部范围来决定。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行装置、装置或设备(如基于计算机的装置、包括处理器的装置或其他可以从指令执行装置、装置或设备取指令并执行指令的装置)使用,或结合这些指令执行装置、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行装置、装置或设备或结合这些指令执行装置、装置或设备而使用的装置。
计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行装置执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同物限定。
以上是对本发明的较佳实施进行了具体说明,但本发明并不限于所述实施例,熟悉本领域的技术人员在不违背本发明精神的前提下还可做出种种的等同变形或替换,这些等同的变形或替换均包含在本发明权利要求所限定的范围内。
Claims (10)
1.一种数据流量异常值监测方法,其特征在于,包括:
获取预设期限的网络通信数据流量的历史数据作为第一统计数据;
对所述第一统计数据进行第一正态分布计算,确定第一范围阈值;
根据所述第一统计数据,基于所述第一范围阈值,确定第二统计数据;
对所述第二统计数据进行第二正态分布计算,确定第二范围阈值;
根据所述第二范围阈值,进行目标数据流量的异常值监测。
2.根据权利要求1所述的一种数据流量异常值监测方法,其特征在于,所述获取预设期限的网络通信数据流量的历史统计数据,包括:
根据预设的统计数据周期,获取所述统计数据周期中每天的网络通信数据流量的历史数据;
根据所述历史数据,以每一天的通信流量数据作为一个统计数据值,整理得到第一统计数据。
3.根据权利要求1所述的一种数据流量异常值监测方法,其特征在于,还包括:
基于预设周期,周期性获取预设期限的网络通信数据流量的历史数据,更新所述第一统计数据。
4.根据权利要求1所述的一种数据流量异常值监测方法,其特征在于,所述对所述第一统计数据进行第一正态分布计算,确定第一范围阈值,包括:
对所述所述第一统计数据进行第一正态分布计算,得到所述第一统计数据的均值和标准方差值;
根据所述第一统计数据的均值和标准方差值,确定[μ1-2σ1,μ1+2σ1]为第一范围阈值;其中,μ1表示第一统计数据的均值,σ1表示第一统计数据的标准方差值。
5.根据权利要求1所述的一种数据流量异常值监测方法,其特征在于,所述根据所述第一统计数据,基于所述第一范围阈值,确定第二统计数据,包括:
基于所述第一范围阈值,对所述第一统计数据进行小概率事件的数据剔除处理,得到第二统计数据。
6.根据权利要求1所述的一种数据流量异常值监测方法,其特征在于,所述对所述第二统计数据进行第二正态分布计算,确定第二范围阈值,包括:
对所述所述第二统计数据进行第二正态分布计算,得到所述第二统计数据的均值和标准方差值;
根据所述第二统计数据的均值和标准方差值,确定[μ2-2σ2,μ2+2σ2]为第二范围阈值;其中,μ1表示第二统计数据的均值,σ1表示第二统计数据的标准方差值。
7.根据权利要求1所述的一种数据流量异常值监测方法,其特征在于,所述根据所述第二范围阈值,进行目标数据流量的异常值监测,包括:
根据所述第二范围阈值,确定数据流量异常值的上限值和下限值;
根据所述数据流量异常值的上限值和下限值,进行目标数据流量的异常值监测;
当所述目标数据流量大于所述上限值或小于所述下限值,进行异常值提示。
8.一种数据流量异常值监测系统,其特征在于,包括:
第一模块,用于获取预设期限的网络通信数据流量的历史数据作为第一统计数据;
第二模块,用于对所述第一统计数据进行第一正态分布计算,确定第一范围阈值;
第三模块,用于根据所述第一统计数据,基于所述第一范围阈值,确定第二统计数据;
第四模块,用于对所述第二统计数据进行第二正态分布计算,确定第二范围阈值;
第五模块,用于根据所述第二范围阈值,进行目标数据流量的异常值监测。
9.一种数据流量异常值监测装置,包括处理器以及存储器;
所述存储器用于存储程序;
所述处理器执行所述程序实现如权利要求1至7中任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述存储介质存储有程序,所述程序被处理器执行实现如权利要求1至7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211573979.2A CN115811486A (zh) | 2022-12-08 | 2022-12-08 | 一种数据流量异常值监测方法、系统、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211573979.2A CN115811486A (zh) | 2022-12-08 | 2022-12-08 | 一种数据流量异常值监测方法、系统、装置及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115811486A true CN115811486A (zh) | 2023-03-17 |
Family
ID=85485401
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211573979.2A Pending CN115811486A (zh) | 2022-12-08 | 2022-12-08 | 一种数据流量异常值监测方法、系统、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115811486A (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105406991A (zh) * | 2015-10-26 | 2016-03-16 | 上海华讯网络系统有限公司 | 基于网络监控指标由历史数据生成业务阈值的方法及系统 |
CN106713029A (zh) * | 2016-12-20 | 2017-05-24 | 中国银联股份有限公司 | 一种确定资源监控阈值的方法及装置 |
CN110086649A (zh) * | 2019-03-19 | 2019-08-02 | 深圳壹账通智能科技有限公司 | 异常流量的检测方法、装置、计算机设备及存储介质 |
CN110995477A (zh) * | 2019-11-20 | 2020-04-10 | 北京宝兰德软件股份有限公司 | 基于动态阈值的预警处理方法、装置、设备及存储介质 |
CN112882889A (zh) * | 2021-01-22 | 2021-06-01 | 北京奇艺世纪科技有限公司 | 异常监控方法、系统、电子设备和存储介质 |
CN113051127A (zh) * | 2019-12-27 | 2021-06-29 | Oppo广东移动通信有限公司 | 异常功耗检测方法、装置、电子设备及存储介质 |
CN114116837A (zh) * | 2021-11-22 | 2022-03-01 | 深圳市康必达控制技术有限公司 | 数据处理方法、装置、计算机设备和存储介质 |
CN114238058A (zh) * | 2021-12-21 | 2022-03-25 | 建信金融科技有限责任公司 | 监控方法、装置、设备、介质和程序产品 |
CN115115030A (zh) * | 2022-06-24 | 2022-09-27 | 平安科技(深圳)有限公司 | 系统监控方法、装置、电子设备及存储介质 |
-
2022
- 2022-12-08 CN CN202211573979.2A patent/CN115811486A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105406991A (zh) * | 2015-10-26 | 2016-03-16 | 上海华讯网络系统有限公司 | 基于网络监控指标由历史数据生成业务阈值的方法及系统 |
CN106713029A (zh) * | 2016-12-20 | 2017-05-24 | 中国银联股份有限公司 | 一种确定资源监控阈值的方法及装置 |
CN110086649A (zh) * | 2019-03-19 | 2019-08-02 | 深圳壹账通智能科技有限公司 | 异常流量的检测方法、装置、计算机设备及存储介质 |
CN110995477A (zh) * | 2019-11-20 | 2020-04-10 | 北京宝兰德软件股份有限公司 | 基于动态阈值的预警处理方法、装置、设备及存储介质 |
CN113051127A (zh) * | 2019-12-27 | 2021-06-29 | Oppo广东移动通信有限公司 | 异常功耗检测方法、装置、电子设备及存储介质 |
CN112882889A (zh) * | 2021-01-22 | 2021-06-01 | 北京奇艺世纪科技有限公司 | 异常监控方法、系统、电子设备和存储介质 |
CN114116837A (zh) * | 2021-11-22 | 2022-03-01 | 深圳市康必达控制技术有限公司 | 数据处理方法、装置、计算机设备和存储介质 |
CN114238058A (zh) * | 2021-12-21 | 2022-03-25 | 建信金融科技有限责任公司 | 监控方法、装置、设备、介质和程序产品 |
CN115115030A (zh) * | 2022-06-24 | 2022-09-27 | 平安科技(深圳)有限公司 | 系统监控方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112188531B (zh) | 异常检测方法、装置、电子设备及计算机存储介质 | |
CN110830450A (zh) | 基于统计的异常流量监测方法、装置、设备及存储介质 | |
CA2450177A1 (en) | Automated analyzers for estimation systems | |
WO2020216530A1 (de) | Verfahren zum bestimmen von restnutzungszyklen, restnutzungszyklusbestimmungsschaltung, restnutzungszyklusbestimmungsvorrichtung | |
CN110837852A (zh) | 一种轧机齿轮箱的故障诊断方法、装置及终端设备 | |
CN111967655A (zh) | 一种短期负荷预测方法及系统 | |
CN108306997B (zh) | 域名解析监控方法及装置 | |
CN113672600A (zh) | 一种异常检测方法及系统 | |
CN115271408A (zh) | 船舶设备的管理方法、系统、可读存储介质及计算机设备 | |
CN113835626B (zh) | 一种确定磁盘可使用时长的方法及装置 | |
CN106980998A (zh) | 商家交易异常的监控方法和装置 | |
CN115811486A (zh) | 一种数据流量异常值监测方法、系统、装置及存储介质 | |
CN117111568A (zh) | 基于物联网的设备监测方法、装置、设备及存储介质 | |
CN112416590A (zh) | 服务器系统资源调整方法、装置、计算机设备及存储介质 | |
CN110910061A (zh) | 一种物料管理方法、系统、存储介质以及电子设备 | |
CN112100037B (zh) | 告警级别识别方法、装置、电子设备及存储介质 | |
CN108664696B (zh) | 一种冷水机组运行状态的测评方法及装置 | |
CN114594106A (zh) | 一种铜管电镀工艺的实时监测方法及系统 | |
CN113657648A (zh) | 一种多维数据融合的设备健康评估方法、装置及运维系统 | |
CN115775102A (zh) | 产品不良监控方法、电子装置及存储介质 | |
CN114192583A (zh) | 一种基于Scada平台的带钢轧制过程质量监控方法和系统 | |
Zempléni et al. | Control charts: a cost‐optimization approach for processes with random shifts | |
CN115775144A (zh) | 一种运维设备运行状态判断方法、系统、装置及存储介质 | |
CN116862669B (zh) | 一种车辆贷款数据分析方法、系统及介质 | |
Teggi et al. | AIOPS Prediction for Server Stability Based on ARIMA Model |
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 |