[发明专利]异常数据检测方法、装置、存储介质以及程序产品

说明书

本发明提出一种异常数据检测方法、装置、存储介质以及程序产品，其中，方法包括：对待检测的目标数据进行至少两种结构化处理，得到至少两种结构化数据；对每种结构化数据进行特征提取，获取每种结构化数据的特征数据；将每种特征数据进行特征融合，得到目标特征数据；对目标特征数据进行机器学习，得到目标数据的识别概率；其中，识别概率表示将目标数据识别为正常数据的概率。通过本方法，能够在缺少异常数据或者异常数据较少的场景下提取丰富的特征数据，提高数据异常检测的准确度，解除对数据分布、变量独立或者数据量均衡的依赖，解决现有技术中异常检测难以实现、准确度低的技术问题。

技术领域

本发明涉及深度学习技术领域，尤其涉及一种异常数据检测方法、装置、存储介质以及程序产品。

背景技术

异常检测旨在检测不符合期望的数据，在故障检测、欺诈检测、入侵检测等领域有着广泛应用，例如车辆的故障检测等。

现有的异常检测方法可分为监督学习方法和无监督学习方法两种。然而，采用无监督学习方法进行异常检测时，需要建立正常数据的假设模型，比如假设变量间相互独立，且无监督学习方法提取的数据特征较少，不能全方位表征数据的模式，导致异常检测准确度低；监督学习方法要求参与建模的不同模式的数据量均衡，实际应用中异常样本搜集困难，难以满足这一要求，导致异常检测较难实现。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本发明的第一个目的在于提出一种异常数据检测方法，以在缺少异常数据或者异常数据较少的场景下提取丰富的特征数据，提高数据异常检测的准确度，解除对数据分布、变量独立或者数据量均衡的依赖，解决现有技术中异常检测难以实现、准确度低的技术问题。

本发明的第二个目的在于提出一种异常数据检测装置。

本发明的第三个目的在于提出另一种异常数据检测装置。

本发明的第四个目的在于提出一种计算机程序产品。

本发明的第五个目的在于提出一种非临时性计算机可读存储介质。

为达上述目的，本发明第一方面实施例提出了一种异常数据检测方法，包括：

对待检测的目标数据进行至少两种结构化处理，得到至少两种结构化数据；

对每种结构化数据进行特征提取，获取每种结构化数据的特征数据；

将每种特征数据进行特征融合，得到目标特征数据；

对所述目标特征数据进行机器学习，得到所述目标数据的识别概率；其中，所述识别概率表示将所述目标数据识别为正常数据的概率。

作为本发明是第一方面实施例一种可能的实现方式，所述对待检测的目标数据进行至少两种结构化处理，得到至少两种结构化数据，包括：

从所述目标数据中提取出所有变量以及所述变量每个取值的采样时刻；

利用所有变量的每个取值以及所述采样时刻组成第一矩阵；其中，所述第一矩阵中同一行中的元素对应相同的变量，同一列中的元素对应相同的采样时刻，所述矩阵中的元素为所述变量的取值；所述第一矩阵的行数为所述变量的个数，所述第一矩阵的列数为所述变量的采样个数；

将所述第一矩阵作为所述结构化数据。

作为本发明是第一方面实施例一种可能的实现方式，所述对待检测的目标数据进行至少两种结构化处理，得到至少两种结构化数据，包括：

从所述目标数据中提取出所有变量以及所述变量每个取值的采样时刻；

针对每个变量，按照所述采样时刻的时序，利用所述变量的所有取值构成所述变量的一维向量；