[发明专利]异常检测模型训练方法、异常检测方法及相关装置

权利要求书

1.一种异常检测模型训练方法，其特征在于，所述异常检测模型包括降维模型和单指标学习模型，所述训练方法包括：

获取指标数据样本集合，所述指标数据样本集合为所属的指标之间具有关联性的指标数据的集合；

将所述指标数据样本集合输入预设的降维模型进行降维处理，输出无关联指标数据集合，所述无关联指标数据集合为所属的指标之间不具有关联性的指标数据的集合；

对所述无关联指标数据集合进行拆分，将属于同一指标的指标数据作为一类；

将各类指标数据分别输入预设的单指标学习模型，输出各类指标数据所属的指标对应的预测值和拟合误差值。

2.根据权利要求1所述的方法，其特征在于，将所述指标数据样本集合输入预设的降维模型进行降维处理之前，所述方法还包括：

去除所述指标数据样本集合中的已知异常值。

3.一种异常检测方法，其特征在于，包括：

获取指标数据集合，所述指标数据集合包含多个指标的指标数据；

将所述指标数据集合输入权利要求1或2所述的异常检测模型，输出与所述指标数据集合对应的无关联指标数据集合；

根据所述无关联指标数据集合中的各指标数据以及所述异常检测模型预训练得到的与所述各指标数据所属的指标对应的预测值和拟合误差值，输出异常检测结果。

4.根据权利要求3所述的方法，其特征在于，根据所述无关联指标数据集合中的各指标数据以及所述异常检测模型预训练得到的与所述各指标数据所属的指标对应的预测值和拟合误差值，输出异常检测结果，包括：

计算所述无关联指标数据集合中各指标数据与所述异常检测模型预训练得到的与所述各指标数据所属的指标对应的预测值之间的差值；

将所述无关联指标数据集合中差值的绝对值大于对应的拟合误差值的指标数据，标记为异常指标数据；

在异常指标数据满足预设异常输出条件时，确定异常检测结果为存在异常，并输出异常信息，以提示存在异常。

5.根据权利要求4所述的方法，其特征在于，所述预设的异常输出条件，包括：

所述异常指标数据的数量在所述无关联指标数据集合中的占比大于预设的第一阈值；

或

根据预设的异常指标数据对应的指标权重，计算得到的所有异常指标数据的指标权重之和大于预设的第二阈值。

6.根据权利要求4所述的方法，其特征在于，所述方法还包括：

对异常指标数据按照各异常指标数据对应的差值降序排列，输出预设数目的异常指标数据作为异常定位指标数据。

7.一种异常检测模型训练装置，其特征在于，包括：

样本集合获取模块，用于获取指标数据样本集合，所述指标数据样本集合为所属的指标之间具有关联性的指标数据的集合；

降维模块，用于将所述指标数据样本集合输入预设的降维模型进行降维处理，输出无关联指标数据集合，所述无关联指标数据集合为所属的指标之间不具有关联性的指标数据的集合；

拆分模块，用于对所述无关联指标数据集合进行拆分，将属于同一指标的指标数据作为一类；

单指标学习模块，用于将各类指标数据分别输入预设的单指标学习模型，输出各类指标数据所属的指标对应的预测值和拟合误差值。

8.一种异常检测装置，其特征在于，包括：

数据获取模块，用于获取指标数据集合，所述指标数据集合包含多个指标的指标数据；

数据处理模块，用于将所述指标数据集合输入权利要求1或2所述的异常检测模型，输出与所述指标数据集合对应的无关联指标数据集合；

异常结果输出模块，用于根据所述无关联指标数据集合中的各指标数据以及所述异常检测模型预训练得到的与所述各指标数据所属的指标对应的预测值和拟合误差值，输出异常检测结果。

9.一种计算机设备，其特征在于，包括：处理器和存储器，所述处理器用于执行所述存储器中存储的数据处理程序，以实现权利要求1-2任一所述的异常检测模型训练方法或权利要求3-6任一所述的异常检测方法。

10.一种存储介质，其特征在于，所述存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现权利要求1-2任一所述的异常检测模型训练方法或权利要求3-6任一所述的异常检测方法。