[发明专利]一种数据异常检测方法、系统及具有该系统的服务器

权利要求书

1.一种数据异常检测方法，其特征在于，应用于电子设备，所述数据异常检测方法包括以下步骤：

步骤一，基于预存的单阶支持向量机和已建立的运行数据模型，决策与运行数据模型对应的硬件结构的运行数据，以区分硬件结构的运行数据中的异常数据和正常数据；

步骤二，对区分出的异常数据进行投票，以确定区分出的异常数据中是否存在将正常数据错误标记为异常数据，若是，将错误标记成异常数据的运行数据重新标记为正常数据；所述步骤二包括：

以不同运行数据模型对应的超平面为基准，统计区分出的所述异常数据离不同运行数据模型对应的超平面的最大距离和最小距离；

计算区分出的所述异常数据离不同运行数据模型对应的超平面的最小距离与统计的区分出的所述异常数据离不同运行数据模型对应的超平面的最大距离的距离比例；

判断所述距离比例是否小于预置距离比例参数，若否，则表示该区分出的异常数据被错误标记，该区分出的异常数据应为正常数据。

2.根据权利要求1所述的数据异常检测方法，其特征在于：所述电子设备中硬件结构的运行数据包括运行数据的数据索引及运行数据的数据值。

3.根据权利要求2所述的数据异常检测方法，其特征在于：所述步骤一包括：

使用运行数据的数据索引对其运行数据的数据值，及对应的运行数据模型的支持向量；读取已建立的运行数据模型的支持向量，根据所述单阶支持向量机中的决策函数的计算结果来决策与运行数据模型对应的硬件结构的运行数据。

4.根据权利要求3所述的数据异常检测方法，其特征在于：

所述

其中，K(x_i,z)为核心函数，i表示已建立的运行数据类型的数目，

x_i表示第i种已建立的运行数据模型的支持向量，z表示所述电子设备的硬件结构的运行数据，λ_i表示拉格朗日乘数，ρ表示偏移常量，sign表示符合函数，2σ表示宽度参数，||x_i-z||²为第i种运行数据模型的支持向量与所述电子设备的硬件结构的运行数据之间的距离。

5.根据权利要求4所述的数据异常检测方法，其特征在于：

当所述决策函数计算后的输出结果为1时，表示该硬件结构的运行数据位于运行数据模型对应的超平面之内，则区分出计算结果为1的硬件结构的运行数据为正常数据；

当所述决策函数计算后的输出结果为-1时，表示该硬件结构的运行数据位于运行数据模型对应的超平面之外，则区分出计算结果为-1的硬件结构的运行数据为异常数据。

6.根据权利要求1所述的数据异常检测方法，其特征在于：所述数据异常检测方法还包括：

将区分出的正常数据进行缓存，并通过单阶支持向量机对区分出的正常数据进行训练，以形成新的运行数据模型；

根据运行数据模型的建立时间，剔除最早时间的运行数据模型。

7.一种数据异常检测系统，其特征在于，应用于电子设备，所述数据异常检测系统包括：

决策模块，用于基于预存的单阶支持向量机和已建立的运行数据模型，决策与运行数据模型对应的硬件结构的运行数据，以区分硬件结构的运行数据中的异常数据和正常数据；

数据汇总模块，用于对区分出的异常数据进行投票，以确定区分出的异常数据中是否存在将正常数据错误标记为异常数据，若是，将错误标记成异常数据的运行数据重新标记为正常数据；所述数据汇总模块以不同运行数据模型对应的超平面为基准，统计区分出的所述异常数据离不同运行数据模型对应的超平面的最大距离和最小距离；计算区分出的所述异常数据离不同运行数据模型对应的超平面的最小距离与统计的区分出的所述异常数据离不同运行数据模型对应的超平面的最大距离的距离比例；判断所述距离比例是否小于预置距离比例参数，若否，则表示该区分出的异常数据被错误标记，该区分出的异常数据应为正常数据。