[发明专利]一种异常数据检测方法及装置

权利要求书

1.一种异常数据检测方法，其特征在于，包括：

获取待检测数据；

将所述待检测数据输入到目标数据重建模型中，获取与所述待检测数据对应的目标重建数据，其中，所述目标数据重建模型是用于根据所述待检测数据的特征信息重建所述待检测数据、获得与所述待检测数据对应的重建数据的模型；

获取所述待检测数据与所述目标重建数据之间的重建误差信息；

根据所述重建误差信息，判断所述待检测数据是否为异常数据。

2.根据权利要求1所述的异常数据监测方法，其特征在于，所述目标数据重建模型通过以下方法获得：

获取原始样本数据，其中，所述原始样本数据包括第一特征类型样本数据和第二特征类型样本数据中的至少一种数据；

根据所述原始样本数据，训练获得所述目标数据重建模型；

其中，所述目标数据重建模型包括编码模块和解码模块，所述编码模块包括用于获取与所述第一特征类型样本数据对应的第一样本特征信息的第一编码子模型，以及用于获取与所述第二特征类型样本数据对应的第二样本特征信息的第二编码子模型；所述解码模块包括第一解码子模型和第二解码子模型，所述第一解码子模型用于根据所述第一样本特征信息，重建与所述第一特征类型样本数据对应的第一重建数据，所述第二解码子模型用于根据所述第二样本特征信息，重建与所述第二特征类型样本数据对应的第二重建数据。

3.根据权利要求2所述的异常数据监测方法，其特征在于，所述根据所述原始样本数据，训练获得所述目标数据重建模型，包括：

获得待训练数据重建模型，以及，从所述原始样本数据中，获得所述第一特征类型样本数据，并获得所述第二特征类型样本数据，其中，所述待训练数据重建模型是与所述目标数据重建模型对应的模型；

使用所述第一特征类型样本数据训练所述待训练数据重建模型中的第一编码子模型，获取所述第一样本特征信息，以及，使用所述第二特征类型样本数据训练所述待训练数据重建模型中的第二编码子模型，获取所述第二样本特征信息；

使用所述第一样本特征信息训练所述待训练数据重建模型中的第一解码子模型，获取所述第一重建数据，以及，使用所述第二样本特征信息训练所述待训练数据重建模型中的第二解码子模型，获取所述第二重建数据；

通过获取与所述第一特征类型样本数据和所述第一重建数据对应的第一重建误差信息，以及，与所述第二特征类型样本数据和所述第二重建数据对应的第二重建误差信息，调整所述待训练数据重建模型中的参数，获得满足预设收敛条件的所述目标数据重建模型。

4.根据权利要求3所述的异常数据检测方法，其特征在于，还包括：

使用所述待训练数据重建模型中的隐藏层对所述第一样本特征信息和所述第二样本特征信息进行拼接处理，以及，使用与所述隐藏层对应的全连接层对进行拼接处理后的所述第一样本特征信息和所述第二样本特征信息进行映射处理，获得待解码完整样本特征信息；

所述方法，还包括：

在使用所述第一样本特征信息训练所述待训练数据重建模型中的第一解码子模型，获取所述第一重建数据，以及，使用所述第二样本特征信息训练所述待训练数据重建模型中的第二解码子模型，获取所述第二重建数据之前，从所述待解码完整样本特征信息中，获得所述第一样本特征信息，以及，获得所述第二样本特征信息。

5.根据权利要求2所述的异常数据检测方法，其特征在于，所述第一特征类型样本数据包括与目标对象对应的单值指标数据，所述第二特征类型样本数据包括与所述目标对象对应的时序特征数据。

6.根据权利要求2所述的异常数据检测方法，其特征在于，所述第一编码子模型和所述第一解码子模型为深度神经网络模型，所述第二编码子模型和所述第二解码子模型为循环神经网络模型。

7.根据权利要求1所述的异常数据检测模型，其特征在于，所述获得所述待检测数据与所述目标重建数据之间的重建误差信息，包括：

计算所述待检测数据与所述目标重建数据之间的误差数值；

根据所述误差数值，获得所述重建误差信息。