异常检测方法、装置、电子设备及存储介质制造方法及图纸

本公开关于一种异常检测方法、装置、电子设备及存储介质，所述异常检测方法包括：获取服务在过去时间段上的调用数据时间序列，所述调用数据时间序列反映服务在所述过去时间段上的被调用情况；通过指数平滑算法对所述调用数据时间序列进行处理，得到预测的服务在当前时间段上的被调用情况的预测时间序列；基于所述调用数据时间序列和所述预测时间序列之间的差异，确定残差序列；根据残差序列中的数据分布情况，确定误差限度；基于所述预测时间序列、所述误差限度和服务在当前时间段上的调用数据，确定服务在当前时间段上的调用情况是否存在异常。根据本公开示出的异常检测方法、装置、电子设备及存储介质，可提高异常检测的准确性。确性。确性。

【技术实现步骤摘要】
异常检测方法、装置、电子设备及存储介质


[0001]本公开涉及异常检测领域，更具体地说，涉及一种异常检测方法、装置、电子设备及存储介质。

技术介绍

[0002]对于为大量用户提供大量业务的平台而言，为保障业务的稳定性，通常需要对整个平台的服务被调情况进行巡检，而为保证巡检的有效性，需要实时准确地检测出发生异常的服务并优先展示，从而使巡检人员能够及时定位故障服务并尽快采取措施。

技术实现思路

[0003]本公开提供一种异常检测方法、装置、电子设备及存储介质，以至少解决上述相关技术中的问题。
[0004]根据本公开实施例的第一方面，提供一种异常检测方法，包括：获取服务在过去时间段上的调用数据时间序列，所述调用数据时间序列反映所述服务在所述过去时间段上的被调用情况；通过指数平滑算法对所述调用数据时间序列进行处理，得到预测的所述服务在当前时间段上的被调用情况的预测时间序列；基于所述调用数据时间序列和所述预测时间序列之间的差异，确定残差序列；根据所述残差序列中的数据分布情况，确定误差限度，所述误差限度用于确定所述预测时间序列所反映的所述服务的被调用情况与所述服务在当前时间段上的真实被调用情况之间的允许误差；基于所述预测时间序列、所述误差限度和所述服务在当前时间段上的调用数据，确定所述服务在当前时间段上的调用情况是否存在异常。
[0005]可选地，所述调用数据时间序列为具有周期性和趋势性的时间序列。
[0006]可选地，所述通过指数平滑算法对所述调用数据时间序列进行处理，包括：通过Holt
‑
Winters三阶指数平滑算法对所述调用数据时间序列进行处理。
[0007]可选地，所述Holt
‑
Winters三阶指数平滑算法包括平滑方程和预测方程，所述通过Holt
‑
Winters三阶指数平滑算法对所述调用数据时间序列进行处理，包括：通过所述平滑方程对所述调用数据时间序列中的每个调用数据进行平滑处理，得到平滑时间序列；通过所述预测方程对所述平滑时间序列中的每个平滑数据进行数学统计处理，得到预测的所述服务在当前时间段上的被调用情况的预测时间序列。
[0008]可选地，所述平滑方程包括平滑因子，所述平滑因子用于衡量所述平滑时间序列中的每个平滑数据对所对应的所述调用数据时间序列中的每个调用数据的倾向程度。
[0009]可选地，所述平滑因子是通过使所述调用数据时间序列和所述预测时间序列之间的损失函数最小化的方式而得到的。
[0010]可选地，所述根据所述残差序列中的数据分布情况，确定误差限度，包括：将所述残差序列中的数据按照从小到大的顺序排列，得到排序后的残差序列；确定所述排序后的残差序列的第一四分位数和第三四分位数，其中，所述第一四分位数为处于所述排序后的
残差序列的四分之一位置的数据，所述第三四分位数为处于所述排序后的残差序列的四分之三位置的数据；根据所述第一四分位数和所述第三四分位数，确定所述误差限度。
[0011]可选地，所述根据所述第一四分位数和所述第三四分位数，确定所述误差限度，包括：根据所述第一四分位数和所述第三四分位数，确定四分位距，所述四分位距为所述第一四分位数和所述第三四分位数之间的差距；根据所述第一四分位数和所述四分位距，确定所述误差限度的下限；根据所述第三四分位数和所述四分位距，确定所述误差限度的上限。
[0012]可选地，所述基于所述预测时间序列、所述误差限度和所述服务在当前时间段上的调用数据，确定所述服务在当前时间段上的调用情况是否存在异常，包括：根据所述预测时间序列和所述误差限度，确定允许区间，所述允许区间用于限定所述服务在当前时间段上的调用情况的波动范围；在所述服务在当前时间段上的调用数据处于所述允许区间之外的情况下，确定所述服务在当前时间段上的调用情况存在异常。
[0013]根据本公开实施例的第二方面，提供一种异常检测装置，包括：数据获取单元，被配置为：获取服务在过去时间段上的调用数据时间序列，所述调用数据时间序列反映所述服务在所述过去时间段上的被调用情况；数据处理单元，被配置为：通过指数平滑算法对所述调用数据时间序列进行处理，得到预测的所述服务在当前时间段上的被调用情况的预测时间序列；残差序列确定单元，被配置为：基于所述调用数据时间序列和所述预测时间序列之间的差异，确定残差序列；误差限度确定单元，被配置为：根据所述残差序列中的数据分布情况，确定误差限度，所述误差限度用于确定所述预测时间序列所反映的所述服务的被调用情况与所述服务在当前时间段上的真实被调用情况之间的允许误差；异常确定单元，被配置为：基于所述预测时间序列、所述误差限度和所述服务在当前时间段上的调用数据，确定所述服务在当前时间段上的调用情况是否存在异常。
[0014]可选地，所述调用数据时间序列为具有周期性和趋势性的时间序列。
[0015]可选地，所述数据处理单元可被配置为通过Holt
‑
Winters三阶指数平滑算法对所述调用数据时间序列进行处理。
[0016]可选地，所述Holt
‑
Winters三阶指数平滑算法包括平滑方程和预测方程，所述数据处理单元可被配置为通过所述平滑方程对所述调用数据时间序列中的每个调用数据进行平滑处理，得到平滑时间序列；通过所述预测方程对所述平滑时间序列中的每个平滑数据进行数学统计处理，得到预测的所述服务在当前时间段上的被调用情况的预测时间序列。
[0017]可选地，所述平滑方程包括平滑因子，所述平滑因子用于衡量所述平滑时间序列中的每个平滑数据对所对应的所述调用数据时间序列中的每个调用数据的倾向程度。
[0018]可选地，所述平滑因子是通过使所述调用数据时间序列和所述预测时间序列之间的损失函数最小化的方式而得到的。
[0019]可选地，所述误差限度确定单元可被配置为将所述残差序列中的数据按照从小到大的顺序排列，得到排序后的残差序列；确定所述排序后的残差序列的第一四分位数和第三四分位数，其中，所述第一四分位数为处于所述排序后的残差序列的四分之一位置的数据，所述第三四分位数为处于所述排序后的残差序列的四分之三位置的数据；根据所述第一四分位数和所述第三四分位数，确定所述误差限度。
[0020]可选地，所述误差限度确定单元可被配置为根据所述第一四分位数和所述第三四
分位数，确定四分位距，所述四分位距为所述第一四分位数和所述第三四分位数之间的差距；根据所述第一四分位数和所述四分位距，确定所述误差限度的下限；根据所述第三四分位数和所述四分位距，确定所述误差限度的上限。
[0021]可选地，所述异常确定单元可被配置为根据所述预测时间序列和所述误差限度，确定允许区间，所述允许区间用于限定所述服务在当前时间段上的调用情况的波动范围；在所述服务在当前时间段上的调用数据处于所述允许区间之外的情况下，确定所述服务在当前时间段上的调用情况存在异常。
[0022]根据本公开实施例的第三方面，提供一种电子设备本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种异常检测方法，其特征在于，包括：获取服务在过去时间段上的调用数据时间序列，所述调用数据时间序列反映所述服务在所述过去时间段上的被调用情况；通过指数平滑算法对所述调用数据时间序列进行处理，得到预测的所述服务在当前时间段上的被调用情况的预测时间序列；基于所述调用数据时间序列和所述预测时间序列之间的差异，确定残差序列；根据所述残差序列中的数据分布情况，确定误差限度，所述误差限度用于确定所述预测时间序列所反映的所述服务的被调用情况与所述服务在当前时间段上的真实被调用情况之间的允许误差；基于所述预测时间序列、所述误差限度和所述服务在当前时间段上的调用数据，确定所述服务在当前时间段上的调用情况是否存在异常。2.如权利要求1所述的异常检测方法，其特征在于，所述调用数据时间序列为具有周期性和趋势性的时间序列。3.如权利要求2所述的异常检测方法，其特征在于，所述通过指数平滑算法对所述调用数据时间序列进行处理，包括：通过Holt
‑
Winters三阶指数平滑算法对所述调用数据时间序列进行处理。4.如权利要求3所述的异常检测方法，其特征在于，所述Holt
‑
Winters三阶指数平滑算法包括平滑方程和预测方程，所述通过Holt
‑
Winters三阶指数平滑算法对所述调用数据时间序列进行处理，包括：通过所述平滑方程对所述调用数据时间序列中的每个调用数据进行平滑处理，得到平滑时间序列；通过所述预测方程对所述平滑时间序列中的每个平滑数据进行数学统计处理，得到预测的所述服务在当前时间段上的被调用情况的预测时间序列。5.如权利要求4所述的异常检测方法，其特征在于，所述平滑方程包括平滑因子，所述平滑因子用于衡量所述平滑时间序列中的每个平滑数据对所对应的所述调用数据时间序列中的每个调用数据的倾向程度。6.如权利要求5所述的异常检测方法，其特征在于，所述平滑因子是通过使所述调用数据时间序列和所述预测时间序列之间的损失函数最小化的方式而得到的。7.如权利要求1所述的异常检测方法，其特征在于，所述根据所述残差序列中的数据分布情况，确定误差限度，包括：将所述残差序列中的数据按照从小到大的顺序排列，得到排序后的残差序列；确定所述排序后的残差序列的第一四分位数和第三四分位数，其中，所述第一四分位数为处于所述排序后的残差序列的四分之一位置的数据，所述第三四分位数为处于所述排序后的残差序列的四分之三位置的数据；根据所述第一四分位数和所述第三四分位数，确定所述误差限度。8.如权利要求7所述的异常检测方法，其特征在于，所述根据所述第一四分位数和所述第三四分位数，确定所述误差限度，包括：根据所述第一四分位数和所述第三四分位数，确定四分位距，所述四分位距为所述第
一四分位数和所述第三四分位数之间的差距；根据所述第一四分位数和所述四分位距，确定所述误差限度的下限；根据所述第三四分位数和所述四分位距，确定所述误差限度的上限。9.如权利要求1所述的异常检测方法，其特征在于，所述基于所述预测时间序列、所述误差限度和所述服务在当前时间段上的调用数据，确定所述服务在当前时间段上的调用情况是否存在异常，包括：根据所述预测时间序列和所述误差限度，确定允许区间，所述允许区间用于限定所述服务在当前时间段上的调用情况的波动范围；在所述服务在当前时间段上的调用数据处于所述允许区间之外的情况下，确定所述服务在当前时间段上的调用情况存在异常。10.一种异常检测装置，其特征在于，包括：数据获取单元，被配置为：获取服务在过去时间段上的调用数据时间序列，所述调用数据时间序列反映所述...

【专利技术属性】
技术研发人员：邓丽平，
申请(专利权)人：北京达佳互联信息技术有限公司，
类型：发明
国别省市：