[发明专利]一种数据检测方法及装置

权利要求书

1.一种数据检测方法，其特征在于，所述方法包括：

基于目标神经网络模型，确定参考对象在第一预设时间段的多个时间区间内分别执行目标任务的次数对应的标准值；

获取目标对象在第二预设时间段的多个时间区间内分别执行所述目标任务的次数；

对所述参考对象在所述第一预设时间段的多个时间区间内分别执行目标任务的次数对应的标准值进行数据标准化处理，得到所述参考对象在所述第一预设时间段的多个时间区间分别对应的标准化值，并且对所述目标对象在所述第二预设时间段的多个时间区间分别执行所述目标任务的次数进行数据标准化处理，得到所述目标对象在所述第二预设时间段的多个时间区间内分别对应的标准化值；

将所述参考对象在所述第一预设时间段的多个时间区间分别对应的标准化值作为标准量，将所述目标对象在所述第二预设时间段的多个时间区间分别对应的标准化值作为观察量，进行卡方检验以确定所述目标对象在所述第二预设时间段内执行所述目标任务的次数的显著性水平；

若所述目标对象在所述第二预设时间段内执行所述目标任务的次数的显著性水平小于预设显著性水平阈值，则确定存在异常执行所述目标任务的事件；若所述目标对象在所述第二预设时间段内执行所述目标任务的次数的显著性水平大于或等于所述预设显著性水平阈值，则确定不存在异常执行所述目标任务的事件。

2.根据权利要求1所述的方法，其特征在于，通过卡方检验确定所述目标对象在所述第二预设时间段内执行所述目标任务的次数的显著性水平具体包括：

将所述参考对象在所述第一预设时间段的多个时间区间分别对应的标准化值作为标准量，将所述目标对象在所述第二预设时间段的多个时间区间分别对应的标准化值作为观察量，确定卡方检验对应的卡方值和自由度；

从卡方检验临界值表中确定与所述卡方值和所述自由度对应的显著性水平。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

对历史日志数据进行神经网络训练，得到所述目标神经网络模型；其中，所述历史日志数据包括历史时间段内的所述多个时间区间和所述参考对象在所述历史时间段内的多个时间区间内分别执行所述目标任务的次数。

4.根据权利要求1至3任一项所述的方法，其特征在于，所述方法还包括：

确定多个目标对象在所述第二预设时间段内各自执行所述目标任务的次数的显著性水平；

确定所述多个目标对象在所述第二预设时间段内各自执行所述目标任务的次数的显著性水平中，小于所述预设显著性水平阈值的N个显著性水平所对应的目标对象存在异常执行所述目标任务的事件，N为大于或等于1的正整数。

5.一种数据检测装置，其特征在于，包括：确定模块和获取模块；

所述确定模块，用于基于目标神经网络模型，确定参考对象在第一预设时间段的多个时间区间内分别执行目标任务的次数对应的标准值；

所述获取模块，用于获取目标对象在第二预设时间段的多个时间区间内分别执行所述目标任务的次数；

所述确定模块，还用于对所述参考对象在所述第一预设时间段的多个时间区间内分别执行目标任务的次数对应的标准值进行数据标准化处理，得到所述参考对象在所述第一预设时间段的多个时间区间分别对应的标准化值，并且对所述目标对象在所述第二预设时间段的多个时间区间分别执行所述目标任务的次数进行数据标准化处理，得到所述目标对象在所述第二预设时间段的多个时间区间内分别对应的标准化值；

所述确定模块，还用于将所述参考对象在所述第一预设时间段的多个时间区间分别对应的标准化值作为标准量，将所述目标对象在所述第二预设时间段的多个时间区间分别对应的标准化值作为观察量，进行卡方检验以确定所述目标对象在所述预设时间段内执行所述目标任务的次数的显著性水平；

所述确定模块，还用于若所述目标对象在所述第二预设时间段内执行所述目标任务的次数的显著性水平小于预设显著性水平阈值，则确定存在异常执行所述目标任务的事件；若所述目标对象在所述第二预设时间段内执行所述目标任务的次数的显著性水平大于或等于所述预设显著性水平阈值，则确定不存在异常执行所述目标任务的事件。