[发明专利]一种时间序列异常检测方法、装置、服务器和存储介质

说明书

本发明提供了一种时间序列异常检测方法、装置、服务器和存储介质，该方法包括提取时间序列的原始特征；处理时间序列的原始特征得到时间序列的抽象特征；基于目标异常检测模型对时间序列的抽象特征进行异常检测得到时间序列的异常检测结果；其中，目标异常检测模型是通过有监督学习的方式训练得到的。本申请对时间序列的检测更具普适性，准确性更高。

技术领域

本发明涉及计算机技术领域，更具体地说，涉及一种时间序列异常检测方法、装置、服务器和存储介质。

背景技术

时间序列是指将某领域某一统计指标在不同时刻下的数值、按照时间先后顺序排列而形成的序列。时间序列异常检测一直是学术界和工业界比较关注的问题。

现有基于滑窗的时间序列检测中，通过滑窗内的统计信息，如平均数、中位数等对下一时间点的数值做出预测。如果下一时间点的实际数值与预测数值不符，则认定该时间序列异常。但这种检测方式，对于变化幅度较大或者周期性的时间序列的检测误差很大。

发明内容

有鉴于此，本发明提供一种时间序列异常检测方法、装置、服务器和存储介质，以提高时间序列异常检测的普适性和准确性。

为实现上述目的，本发明实施例提供如下技术方案：

一种时间序列异常检测方法，包括：

提取时间序列的原始特征；

处理所述时间序列的原始特征得到所述时间序列的抽象特征；其中，所述时间序列的抽象特征的总维度小于所述时间序列的原始特征的总维度，且所述时间序列的抽象特征表示所述时间序列的原始特征以及所述时间序列的原始特征间的相关性；

调用目标异常检测模型；其中，所述目标异常检测模型是通过有监督学习的方式训练得到的；

基于所述目标异常检测模型对所述时间序列的抽象特征进行异常检测，得到所述时间序列的异常检测结果。

一种时间序列异常检测装置，包括：

特征提取模块，用于提取时间序列的原始特征；

特征处理模块，用于处理所述时间序列的原始特征得到所述时间序列的抽象特征；其中，所述时间序列的抽象特征的总维度小于所述时间序列的原始特征的总维度，且所述时间序列的抽象特征表示所述时间序列的原始特征以及所述时间序列的原始特征间的相关性；

模型调用模块，用于调用目标异常检测模型；其中，所述目标异常检测模型是通过有监督学习的方式训练得到的；

异常检测模块，用于基于所述目标异常检测模型对所述时间序列的抽象特征进行异常检测，得到所述时间序列的异常检测结果。

一种服务器，包括：至少一个存储器和至少一个处理器；所述存储器存储有程序，所述处理器调用所述存储器存储的程序，所述程序用于实现所述的时间序列异常检测方法。

一种存储介质，所述存储介质中存储有计算机可执行指令，所述计算机可执行指令用于执行所述的时间序列异常检测方法。

本申请提供的一种时间序列异常检测方法、装置、服务器和存储介质，该方法包括提取时间序列的原始特征；处理时间序列的原始特征得到时间序列的抽象特征；基于目标异常检测模型对时间序列的抽象特征进行异常检测得到时间序列的异常检测结果；其中，目标异常检测模型是通过有监督学习的方式训练得到的。本申请一方面基于原始特征获得总维度更低、信息量更高的抽象特征，从而提高对时间序列的表示能力；在此基础上，另一方面由携带有标注的时间序列作为训练样本对待训练异常检测模型进行训练，使得所生成的目标异常检测模型对时间序列的检测更具普适性，准确性更高。

附图说明