[发明专利]数据异常检测方法、装置、系统及电子设备

权利要求书

1.一种数据异常检测系统，其特征在于，包括：

服务端，用于确定数据类型、时序异常检测参数、及检测模型动作参数间的对应关系；所述数据类型包括日常平稳数据、实时累积数据、稀疏数据和机器数据中的至少两个；所述动作参数包括动作顺序、异常点检测算法标识，动作参数还包括常量滤除处理、去趋势处理、去周期处理、差分处理、去噪声处理和平滑度确定处理中的至少一个；所述异常点检测算法包括T检测算法；接收第一客户端发送的针对目标时序数据的异常检测请求；确定所述目标时序数据的数据类型；确定与所述数据类型对应的时序异常检测参数和检测模型动作参数；根据所述动作顺序，对所述目标时序数据进行分解；根据所述检测参数和分解后的数据，通过所述异常点检测算法，确定所述目标时序数据包括的异常点，不同数据类型对应的相同异常点检测算法的检测参数不同；向所述第一客户端回送所述异常点；根据异常数据与异常原因间的对应关系，确定所述目标时序数据包括的异常点的异常原因；确定所述目标时序数据与其它时序数据间的异常关联关系；根据所述目标时序数据的异常点和所述异常关联关系，确定与所述目标时序数据相关的其它时序数据的异常点；将所述异常原因和所述其它时序数据的异常点推送至所述其它时序数据的客户端，使得其它数据方可根据所述异常原因确定系统调整方式；

第一客户端，用于确定所述目标时序数据，向服务端发送所述异常检测请求；接收所述异常点，以便于根据所述异常点执行异常处理。

2.根据权利要求1所述的系统，其特征在于，

第二客户端，用于确定目标数据类型及其对应的特征值、检测参数和检测模型动作参数，向服务端发送针对目标数据类型的参数设置请求；

所述服务端，还用于接收所述参数设置请求，存储所述目标数据类型、所述特征值、所述检测参数、及所述检测模型动作参数间的对应关系；以及，确定与所述数据类型对应的检测模型动作参数；根据所述动作参数，确定所述检测模型。

3.一种数据异常检测方法，其特征在于，包括：

确定数据类型、时序异常检测参数、及检测模型动作参数间的对应关系；所述数据类型包括日常平稳数据、周期性数据、实时累积数据、稀疏数据和机器数据中的至少两个；

接收客户端发送的针对目标时序数据的异常检测请求；

确定目标时序数据的数据类型；

确定与所述数据类型对应的时序异常检测参数和检测模型动作参数；所述动作参数包括动作顺序、异常点检测算法标识，动作参数还包括常量滤除处理、去趋势处理、去周期处理、差分处理、去噪声处理和平滑度确定处理中的至少一个；所述异常点检测算法包括T检测算法；

根据所述动作顺序，对所述目标时序数据进行分解；

通过所述异常点检测算法，根据所述检测参数和分解后的数据，确定所述目标时序数据的异常点，不同数据类型对应的相同异常点检测算法的检测参数不同；

向所述客户端回送所述异常点；

根据异常数据与异常原因间的对应关系，确定所述目标时序数据包括的异常点的异常原因；

确定所述目标时序数据与其它时序数据间的异常关联关系；

根据所述目标时序数据的异常点和所述异常关联关系，确定与所述目标时序数据相关的其它时序数据的异常点；

将所述异常原因和所述其它时序数据的异常点推送至所述其它时序数据的客户端，使得其它数据方可根据所述异常原因确定系统调整方式。

4.根据权利要求3所述的方法，其特征在于，所述确定目标时序数据的数据类型，包括：

确定目标时序数据的特征数据；

根据所述特征数据，确定所述目标时序数据的数据类型。

5.根据权利要求4所述的方法，其特征在于，

所述特征数据包括以下数据的至少一个：

时序数据采样率，时序数据是否具有每天归零的特性，时序数据是否具有稀疏性，时序数据噪音值，时序数据是否具有周期性。

6.根据权利要求4所述的方法，其特征在于，所述根据所述特征数据，确定所述目标时序数据的数据类型，包括：

根据特征优先级和所述特征数据，确定所述数据类型。