[发明专利]异常指标检测方法及装置

说明书

本发明实施例提供一种检测业务中异常指标的方法与装置。该方法包括获取一观测时间窗内的至少一个业务指标值序列，其中每个业务指标值指示了对应的时间周期内不同时间点的业务活动的业务指标；将至少一个业务指标值序列转换为符合标准分布的至少一个按时间排序的标准指标值序列。然后针对每一个标准指标值，确定发生大于该标准指标值的预测概率，并基于预测概率，标识所述观测时间窗内的多个业务指标值中代表异常活动的异常指标。

技术领域

本发明涉及数据分析技术，尤其涉及异常数据检测。

背景技术

在商业、生产等业务活动中，通常需要监控当前业务活动是否发生异常。为此，通常设计出各类关键指标，并连续观察记录这些指标在各个时间段的取值(本文简称为时间序列指标)，并据此判断该指标是否发生异常。时间序列指标通常具备较明显的周期性特征，对于时间序列指标异常的判断，现有技术中通常采用的解决方法包括专家经验：即将当前指标与一预定阈值进行比较以判断是否异常值。然而对于专家经验，由于非常依赖有经验的人对于特定业务场景的理解，因此造成的缺点包括：a)需要每个指标单独制定差异化规则，工作量大，难以批量解决大量业务指标的异常检测问题。

现有技术中还采用一种时间序列分解方法来检测指标异常。最常用的时间序列分解的方法包括加法模型和乘法模型，分离出时间序列指标的长期趋势因素、季节变动因素、循环变动因素和不规则变动因素。对于从正常业务活动下的指标值生成的不规则变动因素，通常符合正常分布，如果某个时刻的指标值对应的不规则变动因素明显偏离正常分布对应的取值，则说明当前的指标发生异常。然而对于时间序列分解，由于业务活动产生的时间序列指标通常并不符合理想情况下的某类时间序列模型，因此带来的缺点包括：a)难以分解出准确的趋势因素、周期因素和不规则变动因素，或者根本就不存在稳定的趋势因素和周期因素，导致不规则变动因素的计算不可能或者出现偏差，难以在指标异常判断上达到令人满意准确度；b)时间序列分解算法的实际运用成本较高，这些成本包括：算法理解的成本、算法实施的复杂度、算法占用的运算资源。

发明内容

本发明希望提出一种改进的异常活动检测技术，其可以忽略时间序列指标本身的模型或分布特征，通过将具备时间周期性的业务指标统一转换为符合标准分布的数据，从而提供一种基于概率分布进行异常判断的通用方法，可准确计算出特定时间段、特定业务指标值的发生概率，并根据该概率判断业务指标是否发生了异常。该方法不需要对业务指标进行时间序列的周期性分解，因此实施方法较为简洁、高效。

根据本发明的一个方面，提供一种检测业务中异常指标的方法，包括：获取一观测时间窗内的至少一个业务指标值序列，其中该观测时间窗由一连续时间周期内至少一个时间周期及每个时间周期内的多个观测时间点定义，其中该至少一个业务指标值序列包括该至少一个时间周期内的按时间点排序的多个业务指标值，其中每个业务指标值指示了对应的时间周期内不同时间点的业务活动的业务指标；将所述至少一个业务指标值序列转换为符合标准分布的至少一个按所述时间点排序的标准指标值序列；针对该标准指标值序列中的每一个标准指标值，确定发生大于该标准指标值的预测概率；基于所述预测概率，标识所述观测时间窗内的至少一个业务指标值序列中代表异常活动的异常指标值。

根据本发明的一个方面，提供一种检测业务中异常指标的装置，包括：指标获取模块，用于获取一观测时间窗内的至少一个业务指标值序列，其中该观测时间窗由一连续时间周期内至少一个时间周期及每个时间周期内的多个观测时间点定义，其中该至少一个业务指标值序列包括该至少一个时间周期内的按时间点排序的多个业务指标值，其中每个业务指标值指示了对应的时间周期内不同时间点的业务活动的业务指标；指标转换模块，用于将所述至少一个业务指标值序列转换为符合标准分布的至少一个按所述时间点排序的标准指标值序列；概率计算模块，用于针对该标准指标值序列中的每一个标准指标值，确定发生大于该标准指标值的预测概率；异常标识模块，用于基于所述预测概率，标识所述观测时间窗内的至少一个业务指标值序列中代表异常活动的异常指标值。

本发明还提供一种装置，包括：存储有指令的存储器；控制器，通过执行所述指令来实现根据本发明的方法。