[发明专利]链路异常检测方法以及装置

说明书

本说明书实施例提供链路异常检测方法以及装置，其中所述链路异常检测方法包括：获取业务链路中各个业务节点的流量监测数据以及所述业务链路的链路参数信息；分别将对各个业务节点的流量监测数据以及所述链路参数信息进行特征处理获得的特征矩阵输入流量预测模型进行流量预测，并获取输出的各个业务节点在目标时间的预测流量；获取各个业务节点在所述目标时间的真实流量，并根据所述真实流量以及所述预测流量计算生成对应的流量残差序列；利用至少一种异常分析策略对所述流量残差序列中的元素进行异常筛选处理，将筛选结果中的元素对应的业务节点确定为异常节点。

技术领域

本说明书实施例涉及互联网技术领域，特别涉及一种链路异常检测方法。本说明书一个或者多个实施例同时涉及一种链路异常检测装置，一种计算设备，以及一种计算机可读存储介质。

背景技术

随着互联网技术不断发展，生活中越来越多的业务由线下转为线上办理，通常不同业务的整个处理过程均会涉及多个处理环节，并由多个处理环节共同组成一个完整的业务链路，而潜在的链路异常，往往会对业务的正常处理造成一定的影响，一旦业务链路中任何一个处理环节出现异常，则该业务链路中的其他处理环节则可能无法正常进行业务处理，并且，如果业务链路集成的业务节点较多，同样容易产生异常，因为链路异常导致丢失的消息可能无法追查，链路中信息传输的可靠性较低。

因此，亟需提供一种链路异常检测方法，以实现对链路中异常节点的检测，以避免对于业务的正常运行造成影响。

发明内容

有鉴于此，本说明书施例提供了一种链路异常检测方法。本说明书一个或者多个实施例同时涉及一种链路异常检测装置，一种计算设备，以及一种计算机可读存储介质，以解决现有技术中存在的技术缺陷。

根据本说明书实施例的第一方面，提供了一种链路异常检测方法，包括：

获取业务链路中各个业务节点的流量监测数据以及所述业务链路的链路参数信息；

分别将对各个业务节点的流量监测数据以及所述链路参数信息进行特征处理获得的特征矩阵输入流量预测模型进行流量预测，并获取输出的各个业务节点在目标时间的预测流量；

获取各个业务节点在所述目标时间的真实流量，并根据所述真实流量以及所述预测流量计算生成对应的流量残差序列；

利用至少一种异常分析策略对所述流量残差序列中的元素进行异常筛选处理，将筛选结果中的元素对应的业务节点确定为异常节点。

可选地，所述利用至少一种异常分析策略对所述流量残差序列中的元素进行异常筛选处理，将筛选结果中的元素对应的业务节点确定为异常节点，包括：

利用异常统计算法对所述流量残差序列中的元素进行异常筛选处理，将筛选结果中的元素组合生成第一流量残差子序列；

利用异常分类模型对所述第一流量残差子序列中的元素进行异常筛选处理，并将筛选结果中的元素对应的业务节点确定为异常节点。

可选地，所述利用至少一种异常分析策略对所述流量残差序列中的元素进行异常筛选处理，将筛选结果中的元素对应的业务节点确定为异常节点，包括：

利用异常统计算法对所述流量残差序列中的元素进行异常筛选处理，将筛选结果中的元素组合生成第二流量残差子序列；

利用异常分类模型对所述第二流量残差子序列中的元素进行异常筛选处理，将筛选结果中的元素组合生成第三流量残差子序列；

利用异常筛选规则对所述流量残差序列中的元素进行异常筛选处理，将筛选结果中的元素组合生成第四流量残差子序列；

将所述第三流量残差子序列以及所述第四流量残差子序列中的元素对应的业务节点确定为异常节点；

其中，所述异常筛选规则根据所述业务链路涉及的业务类型确定。