[发明专利]定制化异常检测

权利要求书

1.一种用于实现定制化异常检测的方法，包括：

获得包括多个数据点的时序数据；

利用异常检测模型对所述时序数据执行异常检测；

接收与所述时序数据中的至少一个数据点的异常检测结果相关联的反馈；以及

通过强化学习，至少基于所述反馈来更新所述异常检测模型。

2.如权利要求1所述的方法，其中，所述反馈包括以下至少之一：

将由所述异常检测结果指示为异常的所述至少一个数据点更正为非异常数据点；

将由所述异常检测结果指示为正常的所述至少一个数据点更正为异常数据点；以及

将由所述异常检测结果指示为异常的所述至少一个数据点标记为关键异常数据点。

3.如权利要求1所述的方法，其中，所述异常检测模型的超参数包括以下至少之一：

至少一种检测方式；

与所述至少一种检测方式相关联的参数；

检测窗口大小；以及

检测灵敏度。

4.如权利要求1所述的方法，其中，所述更新所述异常检测模型包括：

通过所述强化学习，至少基于所述反馈来优化策略网络；以及

通过所述经优化的策略网络，重新确定所述异常检测模型的超参数。

5.如权利要求4所述的方法，其中，所述优化策略网络包括：

至少基于所述异常检测结果和所述反馈来计算策略梯度；以及

利用所述策略梯度来调整所述策略网络。

6.如权利要求4所述的方法，其中，所述重新确定所述异常检测模型的超参数包括以下至少之一：

选择至少一种检测方式；

配置与所述至少一种检测方式相关联的参数；

确定检测窗口大小；以及

确定检测灵敏度。

7.如权利要求4所述的方法，其中，

所述强化学习用于使得针对所述时序数据所获得的奖励最大化，所述奖励是至少基于所述异常检测结果和所述反馈来确定的。

8.如权利要求7所述的方法，其中，

所述奖励是精确率、召回率、F1分数中的至少一个。

9.如权利要求4所述的方法，其中，所述强化学习中的状态信息包括以下至少之一：

来自所述时序数据的统计特征；

与应用场景相关联的特征；以及

所述异常检测模型的超参数。

10.如权利要求4所述的方法，其中，所述强化学习中的动作信息包括以下至少之一：

所选择的至少一种检测方式；

所配置的与所述至少一种检测方式相关联的参数；

所确定的检测窗口大小；以及

所确定的检测灵敏度。

11.如权利要求4所述的方法，其中，所述策略网络是基于长短期记忆(LSTM)或门控循环单元(GRU)来实施的。

12.一种用于实现定制化异常检测的装置，包括：

时序数据获得模块，用于获得包括多个数据点的时序数据；

异常检测执行模块，用于利用异常检测模型对所述时序数据执行异常检测；

反馈接收模块，用于接收与所述时序数据中的至少一个数据点的异常检测结果相关联的反馈；以及

模型更新模块，用于通过强化学习，至少基于所述反馈来更新所述异常检测模型。

13.如权利要求12所述的装置，其中，所述反馈包括以下至少之一：

将由所述异常检测结果指示为异常的所述至少一个数据点更正为非异常数据点；

将由所述异常检测结果指示为正常的所述至少一个数据点更正为异常数据点；以及

将由所述异常检测结果指示为异常的所述至少一个数据点标记为关键异常数据点。