[发明专利]数据异常检测方法、装置、设备和存储介质

权利要求书

1.一种数据异常检测方法，其特征在于，包括：

获取N个时刻的运行状态信息对应的异常概率；

根据所述N个时刻的运行状态信息对应的异常概率，确定第N+1个时刻对应的异常阈值，所述异常阈值用于确定所述第N+1个时刻的运行状态信息是否异常。

2.根据权利要求1所述的方法，其特征在于，还包括：

确定第N+1个时刻的运行状态信息对应的异常概率；

根据所述第N+1个时刻的运行状态信息对应的异常概率与所述异常阈值，确定所述第N+1个时刻的运行状态信息是否异常。

3.根据权利要求1或2所述的方法，其特征在于，所述根据所述N个时刻的运行状态信息对应的异常概率，确定第N+1个时刻对应的异常阈值，包括：

确定所述N个时刻的运行状态信息的数据特征；

根据所述N个时刻的运行状态信息的数据特征，将所述N个时刻的运行状态信息聚类为M类数据，每类数据包括N个时刻的运行状态信息中的至少一个数据，M为大于1的整数；

确定每类数据的中心点数据；

根据所述M类数据中每类数据的中心点数据的异常概率，确定第N+1个时刻对应的异常阈值。

4.根据权利要求3所述的方法，其特征在于，所述根据所述N个时刻的运行状态信息的数据特征，将所述N个时刻的运行状态信息聚类为M类数据，包括：

将所述N个时刻的运行状态信息的数据特征输入预先训练好的高斯混合模型中；

将所述N个时刻的运行状态信息聚类为M类数据。

5.根据权利要求3所述的方法，其特征在于，所述根据所述M类数据中每类数据的中心点数据的异常概率，确定第N+1个时刻对应的异常阈值，包括：

从所述M类数据中每类数据的中心点数据的异常概率中确定最大异常概率；

根据所述最大异常概率，确定第N+1个时刻对应的异常阈值。

6.根据权利要求5所述的方法，其特征在于，所述根据所述最大异常概率，确定第N+1个时刻对应的异常阈值，包括：

将所述最大异常概率确定为第N+1个时刻对应的异常阈值；

或者，

若所述最大异常概率大于第一预设值，将所述第一预设值确定为第N+1个时刻对应的异常阈值；

或者，

若所述最大异常概率小于第二预设值，将所述第二预设值确定为第N+1个时刻对应的异常阈值。

7.根据权利要求2所述的方法，其特征在于，所述根据所述第N+1个时刻的运行状态信息对应的异常概率与所述异常阈值，确定所述第N+1个时刻的运行状态信息是否异常，包括：

若所述第N+1个时刻的运行状态信息对应的异常概率大于所述异常阈值，则确定所述第N+1个数据为异常数据；

若所述第N+1个时刻的运行状态信息对应的异常概率小于等于所述异常阈值，则确定所述第N+1个数据为正常数据。

8.根据权利要求3所述的方法，其特征在于，所述确定第N+1个时刻的运行状态信息对应的异常概率，包括：

根据所述N个时刻的运行状态信息、所述N个时刻的运行状态信息的数据特征，计算所述第N+1个时刻的运行状态信息的估计值；

获取所述第N+1个时刻的运行状态信息的真实值；

根据所述第N+1个时刻的运行状态信息的估计值、所述第N+1个时刻的运行状态信息的真实值，确定所述第N+1个时刻的运行状态信息对应的异常概率。

9.根据权利要求2所述的方法，其特征在于，还包括：

若确定所述第N+1个时刻的运行状态信息为异常，则输出告警信息。

10.一种数据异常检测装置，其特征在于，包括：

获取模块，用于获取N个时刻的运行状态信息对应的异常概率；

处理模块，用于根据所述N个时刻的运行状态信息对应的异常概率，确定第N+1个时刻对应的异常阈值，所述异常阈值用于确定所述第N+1个时刻的运行状态信息是否异常。