[发明专利]基于多项指标的异动检测方法和装置

说明书

本说明书实施例提供一种基于多项指标的异动检测方法和装置，方法包括：首先获取当前时间周期内的系统的多项指标的时序数据，然后根据所述多项指标的时序数据，生成时序图像，所述时序图像包括多条时序曲线，每条时序曲线对应一项指标，最后将所述时序图像作为预先训练的神经网络模型的输入，通过所述神经网络模型的输出得到当前时间周期内系统是否异常，能够有效地融合多项指标，提供更好的检测效果。

技术领域

本说明书一个或多个实施例涉及计算机领域，尤其涉及基于多项指标的异动检测方法和装置。

背景技术

伴随着新兴行业中多种业务的迅猛发展，现阶段一些大的公司在底层起支撑作用的系统平台数量就达数百，这些平台每周的代码、数据库和配置变更等已达数千，任何一个环节的疏忽、错误，都可能导致系统风险，给公司带来巨大损失。

智能监控作为一种检测手段，提供在发生问题时报警能力，帮助感知系统故障。通常时间序列预测作为一种有效的监控手段，作为业界研究的课题之一，当基于多项指标进行异动检测时，常常无法有效地融合多项指标，以至于检测效果不佳。

因此，希望能有改进的方案，当基于多项指标进行异动检测时，能够有效地融合多项指标，提供更好的检测效果。

发明内容

本说明书一个或多个实施例描述了一种基于多项指标的异动检测方法和装置，能够有效地融合多项指标，提供更好的检测效果。

第一方面，提供了一种基于多项指标的异动检测方法，方法包括：

获取当前时间周期内的系统的多项指标的时序数据；

根据所述多项指标的时序数据，生成时序图像，所述时序图像包括多条时序曲线，每条时序曲线对应一项指标；

将所述时序图像作为预先训练的神经网络模型的输入，通过所述神经网络模型的输出得到当前时间周期内系统是否异常。

在一种可能的实施方式中，所述获取当前时间周期内的系统的多项指标的时序数据，包括：

获取当前时间周期内的系统的多项指标的开始时刻的数据、每隔预设时间段的数据、结束时刻的数据。

在一种可能的实施方式中，所述根据所述多项指标的时序数据，生成时序图像，包括：

将所述多项指标按照预设规则排序；

根据所述多项指标中各项指标的时序数据，生成各项指标对应的时序曲线；

将各项指标对应的时序曲线按排序后的顺序叠加到一幅图像中，得到时序图像。

进一步地，所述将所述多项指标按照预设规则排序，包括：

根据所述多项指标中各项指标的可能取值与预设阈值的关系，将所述多项指标分为第一类指标和第二类指标；所述第一类指标的可能取值均大于预设阈值，所述第二类指标的可能取值均小于预设阈值；

对所述第一类指标的时序数据取对数后求平均值，对所述第二类指标的时序数据求平均值，根据各项指标对应的平均值，将所述多项指标排序。

进一步地，所述根据所述多项指标中各项指标的时序数据，生成各项指标对应的时序曲线，包括：

根据所述多项指标中各项指标的可能取值与预设阈值的关系，将所述多项指标分为第一类指标和第二类指标；所述第一类指标的可能取值均大于预设阈值，所述第二类指标的可能取值均小于预设阈值；

针对各项指标中的第一类指标，以时间为横轴，以该指标的时序数据取对数后的值为纵坐标，得到该指标对应的时序曲线；

针对各项指标中的第二类指标，以时间为横轴，以该指标的时序数据为纵坐标，得到该指标对应的时序曲线。