时序数据异常检测方法、装置、设备及存储介质制造方法及图纸

本发明专利技术涉及基架运维领域，公开了一种时序数据异常检测方法、装置、设备及存储介质。该方法包括：采集待检测的时序数据，并通过预置滑动时间窗提取固定时间长度的子时序数据；调用预置格拉姆角场算法，对所述子时序数据进行2D转换，得到第一时序角场矩阵；将所述第一时序角场矩阵输入预置时序重构模型进行时序数据重构，得到第二时序角场矩阵；调用预置损失函数，计算所述第一时序角场矩阵和所述第二时序角场矩阵的损失值，并判断所述损失值是否超过预置损失阈值；若是，则确定所述子时序数据存在异常。本发明专利技术利用时序之间的依赖信息进行时序重构，提高了异常检测的准确率。

【技术实现步骤摘要】
时序数据异常检测方法、装置、设备及存储介质
本专利技术涉及基架运维领域，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。
技术介绍
时间序列是指将某领域某一统计指标在不同时刻下的数值、按照时间先后顺序排列而形成的序列。时序数据异常检测一直是学术界和工业界比较关注的问题，时序数据异常检测，常用于运维监控、交通管理等场景，对于监控指标的时间序列进行检测，对于发现的异常及时告警以提示工作人员关注处理。传统的时间序列检测一般是由滑窗统计时间数据中的重要信息，比如平均数、中位数等，然后再根据这些关键信息对下一时间点的数值进行预测。根据预测值和时间序列中的实际数值来判断时间序列是否有异常。传统的时间序列检测方法，在面对时间序列较长时，检测的结果存在很大的误差。
技术实现思路
本专利技术的主要目的在于解决时序数据异常检测误差大而导致检测准确率低的技术问题。本专利技术第一方面提供了一种时序数据异常检测方法，所述时序数据异常检测方法包括：采集待检测的时序数据，并通过预置滑动时间窗提取固定时间长度的子时序数据；调用预置格拉姆角场算法，对所述子时序数据进行2D转换，得到第一时序角场矩阵；将所述第一时序角场矩阵输入预置时序重构模型进行时序数据重构，得到第二时序角场矩阵；调用预置损失函数，计算所述第一时序角场矩阵和所述第二时序角场矩阵的损失值，并判断所述损失值是否超过预置损失阈值；若是，则确定所述子时序数据存在异常。可选的，在本专利技术第一方面的第一种实现方式中，所述时序重构模型包括编码器和解码器，其中，所述编码器由多层一维卷积层和池化层构成，所述解码器由多层一维反卷积层和卷积层构成，在所述采集待检测的时序数据之前，还包括：采集无异常的时序数据，并通过所述滑动时间窗提取固定时间长度的无异常子时序数据；调用预置格拉姆角场算法，对所述无异常子时序数据进行2D转换，得到第三时序角场矩阵；将所述第三时序角场矩阵输入所述多层一维卷积层进行卷积运算，得到第一特征矩阵；将所述第一特征矩阵输入所述池化层进行均值编码，得到第一编码矩阵；将所述第一编码矩阵输入所述多层一维反卷积层进行特征转换，得到第一转换矩阵；将所述第一转换矩阵输入所述卷积层进行特征重构，得到第四时序角场矩阵；调用预置损失函数，计算所述第三时序角场矩阵和所述第四时序角场矩阵的损失值；根据所述损失值，调用预置优化算法对所述编码器和所述解码器进行参数优化，直至所述编码器和所述解码器收敛，得到时序重构模型。可选的，在本专利技术第一方面的第二种实现方式中，所述根据所述损失值，调用预置优化算法对所述编码器和所述解码器进行参数优化，直至所述编码器和所述解码器收敛，得到时序重构模型包括：根据所述损失值，调用预置优化算法计算所述编码器和所述解码器的一阶矩估计和二阶矩估计；对所述一阶矩估计和所述二阶矩估计进行修正，并通过修正后的一阶矩估计和二阶矩估计进行参数更新，直至所述编码器和所述解码器收敛，得到时序重构模型。可选的，在本专利技术第一方面的第三种实现方式中，所述采集待检测的时序数据，并通过所述滑动时间窗提取固定时间长度的子时序数据包括：采集待检测的时序数据，并调整所述滑动时间窗的窗口长度；通过所述调整后的滑动时间窗，每隔预置固定时间向前获取固定时间长度的时序采集值，得到所述待检测的时序数据的子时序数据。可选的，在本专利技术第一方面的第四种实现方式中，所述调用预置格拉姆角场算法，对所述子时序数据进行2D转换，得到第一时序角场矩阵包括：对所述子时序数据中的时序值进行归一化，得到归一化时序数据；对所述归一化时序数据进行极坐标转换，得到极坐标时序数据；截取所述极坐标时序数据中的多个时间戳对应值，并对所述各时间戳对应值进行三角函数变换，得到第一时序角场矩阵。可选的，在本专利技术第一方面的第五种实现方式中，所述将所述第一时序角场矩阵输入预置时序重构模型进行时序数据重构，得到第二时序角场矩阵包括：将所述第一时序角场矩阵输入所述多层一维卷积层进行卷积运算，得到第二特征矩阵；将所述第二特征矩阵输入所述池化层进行均值编码，得到第二编码矩阵；将所述第二编码矩阵输入所述多层一维反卷积层进行特征转换，得到第二转换矩阵；将所述第二转换矩阵输入所述卷积层进行特征重构，得到第二时序角场矩阵。可选的，在本专利技术第一方面的第六种实现方式中，所述调用预置损失函数，计算所述第一时序角场矩阵和所述第二时序角场矩阵的损失值包括：计算所述第一时序角场矩阵和所述第二时序角场矩阵中各对应位置的矩阵元素误差，得到多个矩阵元素误差值；调用预置损失函数，计算所述各矩阵元素误差值的平方和；计算所述各矩阵元素误差值的平方和的平均值，得到所述第一时序角场矩阵和所述第二时序角场矩阵的损失值。本专利技术第二方面提供了一种时序数据异常检测装置，所述时序数据异常检测装置包括：采集模块，用于采集待检测的时序数据，并通过预置滑动时间窗提取固定时间长度的子时序数据；2D转换模块，用于调用预置格拉姆角场算法，对所述子时序数据进行2D转换，得到第一时序角场矩阵；时序重构模块，用于将所述第一时序角场矩阵输入预置时序重构模型进行时序数据重构，得到第二时序角场矩阵；判断模块，用于调用预置损失函数，计算所述第一时序角场矩阵和所述第二时序角场矩阵的损失值，并判断所述损失值是否超过预置损失阈值；输出模块，用于若所述损失值超过所述损失阈值，则确定所述子时序数据存在异常。可选的，在本专利技术第二方面的第一种实现方式中，所述时序重构模型包括编码器和解码器，其中，所述编码器由多层一维卷积层和池化层构成，所述解码器由多层一维反卷积层和卷积层构成，所述时序数据异常检测装置还包括：样本处理模块，用于采集无异常的时序数据，并通过所述滑动时间窗提取固定时间长度的无异常子时序数据；调用预置格拉姆角场算法，对所述无异常子时序数据进行2D转换，得到第三时序角场矩阵；模型训练模块，用于将所述第三时序角场矩阵输入所述多层一维卷积层进行卷积运算，得到第一特征矩阵；将所述第一特征矩阵输入所述池化层进行均值编码，得到第一编码矩阵；将所述第一编码矩阵输入所述多层一维反卷积层进行特征转换，得到第一转换矩阵；将所述第一转换矩阵输入所述卷积层进行特征重构，得到第四时序角场矩阵；调用预置损失函数，计算所述第三时序角场矩阵和所述第四时序角场矩阵的损失值；模型优化模块，用于根据所述损失值，调用预置优化算法对所述编码器和所述解码器进行参数优化，直至所述编码器和所述解码器收敛，得到时序重构模型。可选的，在本专利技术第二方面的第二种实现方式中，所述模型优化模块具体用于：根据所述损失值，调用预置优化算法计算所述编码器和所述解码器的一阶矩估计和二阶矩估计；对所述一阶矩估计和所述二阶矩估计进行修正，并通过修正后的一阶矩估计和二阶矩估本文档来自技高网...

【技术保护点】
1.一种时序数据异常检测方法，其特征在于，所述时序数据异常检测方法包括：/n采集待检测的时序数据，并通过预置滑动时间窗提取固定时间长度的子时序数据；/n调用预置格拉姆角场算法，对所述子时序数据进行2D转换，得到第一时序角场矩阵；/n将所述第一时序角场矩阵输入预置时序重构模型进行时序数据重构，得到第二时序角场矩阵；/n调用预置损失函数，计算所述第一时序角场矩阵和所述第二时序角场矩阵的损失值，并判断所述损失值是否超过预置损失阈值；/n若是，则确定所述子时序数据存在异常。/n

【技术特征摘要】
1.一种时序数据异常检测方法，其特征在于，所述时序数据异常检测方法包括：
采集待检测的时序数据，并通过预置滑动时间窗提取固定时间长度的子时序数据；
调用预置格拉姆角场算法，对所述子时序数据进行2D转换，得到第一时序角场矩阵；
将所述第一时序角场矩阵输入预置时序重构模型进行时序数据重构，得到第二时序角场矩阵；
调用预置损失函数，计算所述第一时序角场矩阵和所述第二时序角场矩阵的损失值，并判断所述损失值是否超过预置损失阈值；
若是，则确定所述子时序数据存在异常。


2.根据权利要求1所述的时序数据异常检测方法，其特征在于，所述时序重构模型包括编码器和解码器，其中，所述编码器由多层一维卷积层和池化层构成，所述解码器由多层一维反卷积层和卷积层构成，在所述采集待检测的时序数据之前，还包括：
采集无异常的时序数据，并通过所述滑动时间窗提取固定时间长度的无异常子时序数据；
调用预置格拉姆角场算法，对所述无异常子时序数据进行2D转换，得到第三时序角场矩阵；
将所述第三时序角场矩阵输入所述多层一维卷积层进行卷积运算，得到第一特征矩阵；
将所述第一特征矩阵输入所述池化层进行均值编码，得到第一编码矩阵；
将所述第一编码矩阵输入所述多层一维反卷积层进行特征转换，得到第一转换矩阵；
将所述第一转换矩阵输入所述卷积层进行特征重构，得到第四时序角场矩阵；
调用预置损失函数，计算所述第三时序角场矩阵和所述第四时序角场矩阵的损失值；
根据所述损失值，调用预置优化算法对所述编码器和所述解码器进行参数优化，直至所述编码器和所述解码器收敛，得到时序重构模型。


3.根据权利要求2所述的时序数据异常检测方法，其特征在于，所述根据所述损失值，调用预置优化算法对所述编码器和所述解码器进行参数优化，直至所述编码器和所述解码器收敛，得到时序重构模型包括：
根据所述损失值，调用预置优化算法计算所述编码器和所述解码器的一阶矩估计和二阶矩估计；
对所述一阶矩估计和所述二阶矩估计进行修正，并通过修正后的一阶矩估计和二阶矩估计进行参数更新，直至所述编码器和所述解码器收敛，得到时序重构模型。


4.根据权利要求1所述的时序数据异常检测方法，其特征在于，所述采集待检测的时序数据，并通过所述滑动时间窗提取固定时间长度的子时序数据包括：
采集待检测的时序数据，并调整所述滑动时间窗的窗口长度；
通过所述调整后的滑动时间窗，每隔预置固定时间向前获取固定时间长度的时序采集值，得到所述待检测的时序数据的子时序数据。


5.根据权利要求1所述的时序数据异常检测方法，其特征在于，所述调用...

【专利技术属性】
技术研发人员：陈桢博，郑立颖，徐亮，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东;44