数据量异常检测方法、装置、介质及程序产品制造方法及图纸

本申请提供了一种数据量异常检测方法、装置、介质及程序产品，通过获取初始时间序列，初始时间序列包括：数据库中至少一个目标数据表在不同时间点的数据量；根据预设时间间隔计算初始时间序列的多个变化率；根据预设底数计算各个变化率的对数值；根据变化率对应的时间顺序将对数值组合成第一时间序列；判断第一时间序列中的各个数据是否落入异常区间；若是，则确定第一时间序列存在异常离群值；根据异常离群值对应的异常类型，输出对应的告警信息。解决了现有的数据异常监测存在无法甄别连续几个时间点出现异常，且无法适用于趋势性、周期性、季节性的时间序列的技术问题。季节性的时间序列的技术问题。季节性的时间序列的技术问题。

【技术实现步骤摘要】
数据量异常检测方法、装置、介质及程序产品


[0001]本申请涉及金融科技(Fintech)领域，尤其涉及一种数据量异常检测方法、装置、介质及程序产品。

技术介绍

[0002]随着计算机技术的发展，越来越多的技术应用在金融领域，传统金融业正在逐步向金融科技(Fintech)转变。
[0003]目前，数据异常值的检测或者数据异常的检测对于很多金融领域的互联网系统来说是非常重要的，因为及时发现数据的异常值并即时通知有关人员跟进处理，能够避免或者挽回不必要的损失，所以数据异常监测是各种互联网系统运维工具中的重要组成部分。
[0004]现有的数据异常监测技术走向了两个极端，一种是监测逻辑过于简单，通过对比前后两个数据点的数值变化，如果其变化量超出了阈值范围则认为出现了异常，这种方法仅能识别某一个时点的异常，对于连续的多时点异常则无法识别；另一种如极值学生分布离群值检验算法或者其它改进算法，逻辑复杂，监测效率低，且无法适用于趋势性、周期性、季节性的时间序列的监测。
[0005]因此，现有的数据异常监测存在无法甄别连续几个时间点出现异常，且无法适用于趋势性、周期性、季节性的时间序列的技术问题。

技术实现思路

[0006]本申请提供一种数据量异常检测方法、装置、介质及程序产品，以解决现有的数据异常监测存在无法甄别连续几个时间点出现异常，且无法适用于趋势性、周期性、季节性的时间序列的技术问题。
[0007]第一个方面，本申请提供一种数据量异常检测方法，包括：
[0008]获取初始时间序列，初始时间序列包括：数据库中至少一个目标数据表在不同时间点的数据量；
[0009]根据预设时间间隔计算初始时间序列的多个变化率；
[0010]根据预设底数计算各个变化率的对数值；
[0011]根据变化率对应的时间顺序将对数值组合成第一时间序列；
[0012]判断第一时间序列中的各个数据是否落入异常区间；
[0013]若是，则确定第一时间序列存在异常离群值；
[0014]根据异常离群值对应的异常类型，输出对应的告警信息。
[0015]在一种可能的设计中，预设底数与变化率所服从的预测分布形态相对应，预设底数包括自然常数e。
[0016]在一种可能的设计中，判断第一时间序列中的各个数据是否落入异常区间，包括：
[0017]根据移动平均周期计算第一时间序列对应的多个移动平均值，并将各个移动平均值组合成第二时间序列；
[0018]判断第二时间序列中的各个移动平均值是否落入异常区间。
[0019]在一种可能的设计中，异常类型包括：单点冲击异常、周期性波动异常以及趋势性波动异常中的至少一种；
[0020]对应的，输出对应的告警信息，包括：
[0021]当只发生了一种异常时，将异常类型记录到定时或即刻通知信息中；
[0022]当发生了两种以上的异常时，立即向运维人员发送告警信息。
[0023]在一种可能的设计中，单点冲击异常对应的预设时间间隔至少为一个时间单位，移动平均周期至少为预设时间间隔的两倍，时间单位包括：分钟、小时、天、周、月、季度、年。
[0024]在一种可能的设计中，周期性波动异常对应的预设时间间隔大于或等于两个时间单位，移动平均周期大于预设时间间隔，时间单位包括：分钟、小时、天、周、月、季度、年。
[0025]在一种可能的设计中，趋势性波动异常对应的预设时间间隔至少为一个时间单位，移动平均周期大于预设时间间隔，且至少为7至10个时间单位，时间单位包括：分钟、小时、天、周、月、季度、年。
[0026]第二方面，本申请提供一种数据量异常检测装置，包括：
[0027]获取模块，用于获取初始时间序列，初始时间序列包括：数据库中至少一个目标数据表在不同时间点的数据量；
[0028]处理模块，用于：
[0029]根据预设时间间隔计算初始时间序列的多个变化率；
[0030]根据预设底数计算各个变化率的对数值；
[0031]根据变化率对应的时间顺序将对数值组合成第一时间序列；
[0032]判断第一时间序列中的各个数据是否落入异常区间；
[0033]若是，则确定第一时间序列存在异常离群值；
[0034]根据异常离群值对应的异常类型，输出对应的告警信息。
[0035]在一种可能的设计中，预设底数与变化率所服从的预测分布形态相对应，预设底数包括自然常数e。
[0036]在一种可能的设计中，处理模块，用于：
[0037]根据移动平均周期计算第一时间序列对应的多个移动平均值，并将各个移动平均值组合成第二时间序列；
[0038]判断第二时间序列中的各个移动平均值是否落入异常区间。
[0039]在一种可能的设计中，异常类型包括：单点冲击异常、周期性波动异常以及趋势性波动异常中的至少一种；
[0040]对应的，处理模块，用于：
[0041]当只发生了一种异常时，将异常类型记录到定时或即刻通知信息中；
[0042]当发生了两种以上的异常时，立即向运维人员发送告警信息。
[0043]在一种可能的设计中，单点冲击异常对应的预设时间间隔至少为一个时间单位，移动平均周期至少为预设时间间隔的两倍，时间单位包括：分钟、小时、天、周、月、季度、年。
[0044]在一种可能的设计中，周期性波动异常对应的预设时间间隔大于或等于两个时间单位，移动平均周期大于预设时间间隔，时间单位包括：分钟、小时、天、周、月、季度、年。
[0045]在一种可能的设计中，趋势性波动异常对应的预设时间间隔至少为一个时间单
位，移动平均周期大于预设时间间隔，且至少为7至10个时间单位，时间单位包括：分钟、小时、天、周、月、季度、年。
[0046]第三个方面，本申请提供一种电子设备，包括：
[0047]存储器，用于存储程序指令；
[0048]处理器，用于调用并执行所述存储器中的程序指令，执行第一方面所提供的任意一种可能的方法。
[0049]第四方面，本申请提供一种存储介质，所述可读存储介质中存储有计算机程序，所述计算机程序用于执行第一方面所提供的任意一种可能的数据量异常检测方法。
[0050]第五方面，本申请还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第一方面所提供的任意一种可能的数据量异常检测方法。
[0051]本申请提供了一种数据量异常检测方法、装置、介质及程序产品，通过获取初始时间序列，初始时间序列包括：数据库中至少一个目标数据表在不同时间点的数据量；根据预设时间间隔计算初始时间序列的多个变化率；根据预设底数计算各个变化率的对数值；根据变化率对应的时间顺序将对数值组合成第一时间序列；判断第一时间序列中的各个数据是否落入异常区间；若是，则确定第一时间序列存在异常离群值；根据异常离群值对应的异常类型，输出对应的告警信息。实现了周期性校本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据量异常检测方法，其特征在于，包括：获取初始时间序列，所述初始时间序列包括：数据库中至少一个目标数据表在不同时间点的数据量；根据预设时间间隔计算所述初始时间序列的多个变化率；根据预设底数计算各个所述变化率的对数值；根据所述变化率对应的时间顺序将所述对数值组合成第一时间序列；判断所述第一时间序列中的各个数据是否落入异常区间；若是，则确定所述第一时间序列存在异常离群值；根据所述异常离群值对应的异常类型，输出对应的告警信息。2.根据权利要求1所述的数据量异常检测方法，其特征在于，所述预设底数与所述变化率所服从的预测分布形态相对应，所述预设底数包括自然常数e。3.根据权利要求1或2所述的数据量异常检测方法，其特征在于，所述判断所述第一时间序列中的各个数据是否落入异常区间，包括：根据移动平均周期计算所述第一时间序列对应的多个移动平均值，并将各个所述移动平均值组合成第二时间序列；判断所述第二时间序列中的各个所述移动平均值是否落入所述异常区间。4.根据权利要求3所述的数据量异常检测方法，其特征在于，所述异常类型包括：单点冲击异常、周期性波动异常以及趋势性波动异常中的至少一种；对应的，所述输出对应的告警信息，包括：当只发生了一种异常时，将所述异常类型记录到定时或即刻通知信息中；当发生了两种以上的异常时，立即向运维人员发送所述告警信息。5.根据权利要求4所述的数据量异常检测方法，其特征在于，所述单点冲击异常对应的所述预设时间间隔至少为一个时间单位，所述移动平均周期至少为所述预设时间间隔的两倍，所述时间单位包括：分钟、小时、天、周、月、季度、年。6.根据权利要求4...

【专利技术属性】
技术研发人员：李治，曾岩，李晶，
申请(专利权)人：深圳前海微众银行股份有限公司，
类型：发明
国别省市：