[发明专利]异常检测方法及装置、设备、计算机可读存储介质

权利要求书

1.一种异常检测方法，包括：

获取监控对象的监测时序数据，所述监测时序数据中包括所述监控对象的一监测指标在预定时段的监测量；

通过变分自编码器中的编码器计算用于描述所述监测时序数据中潜在波动属性的概率分布，在所述概率分布中采样以获得隐藏变量；

通过所述变分自编码器中的解码器利用所述隐藏变量重构出对应所述监测时序数据的参考时序数据，所述参考时序数据用于描述所述监测指标在所述预定时段的正常波动模式，所述参考时序数据中包含所述监测指标在所述预定时段的参考量；

通过估算所述监测时序数据与所述参考时序数据之间的差异来确定所述监测指标在所述预定时段的异常情况。

2.根据权利要求1所述的异常检测方法，其中，所述通过变分自编码器中的编码器计算用于描述所述监测时序数据中潜在波动属性的概率分布，包括：

以所述监测时序数据为自变量，通过所述编码器计算所述隐藏变量的后验概率分布，所述隐藏变量的后验概率分布用于描述所述监测时序数据的潜在波动属性；

所述编码器的编码过程表示为：p(z|x)=f(x)，f(x)表示由所述编码器定义的函数或函数族，p(z|x)表示隐藏变量z的后验概率分布，也即事件x发生时隐藏变量z的发生概率，x={x₁,x₂,…,x_n}，x表示监测时序数据，x₁,x₂,…,x_n分别表示所述监测指标在所述预定时段中每一时刻的监测量，n表示所述监测时序数据的长度。

3.根据权利要求2所述的异常检测方法，其中，通过所述变分自编码器中的解码器利用所述隐藏变量重构出对应所述监测时序数据的参考时序数据，包括：

以所述隐藏变量为自变量，通过所述解码器计算得到所述参考时序数据；其中，所述解码器的解码过程表示为x'=g(z)，x'表示所述参考时序数据，x'={x'₁,x'₂,…,x'_n}，x'₁,x'₂,…,x'_n分别表示所述监测指标在所述预定时段中每一时刻的参考量，g(z)表示由所述解码器定义的函数或函数族。

4.根据权利要求1所述的异常检测方法，其中，所述变分自编码器中的编码器和解码器均采用神经网络建模并通过最小化样本时序数据及其对应的参考时序数据之间的差异来同时训练的，所述样本时序数据由所述监测指标的历史监测量形成。

5.根据权利要求4所述的异常检测方法，其中，所述变分自编码器中的编码器和解码器是通过协同优化样本时序数据及其参考时序数据之间的差异、以及该样本时序数据的隐藏变量的先验概率分布p(z)与其后验概率分布p(z|x)之间的差异来训练得到的。

6.根据权利要求1所述的异常检测方法，其中，通过估算所述监测时序数据与所述参考时序数据之间的差异来确定所述监测指标在所述预定时段的异常情况，包括：

计算所述监测时序数据中各个监测量与所述参考时序数据中相应参考量之间的差异；

根据所述差异和预定的评分阈值，确定所述监测指标在相应时刻是否异常。

7.根据权利要求6所述的异常检测方法，其中，计算所述监测时序数据中各个监测量与所述参考时序数据中相应参考量之间的差异，包括：

计算所述监测时序数据中各个监测量与所述参考时序数据中相应时刻的参考量之间的平方误差，以所述平方误差的计算结果作为所述监测指标在预设时段中相应时刻的异常程度评分。

8.根据权利要求7所述的异常检测方法，其中，根据所述差异和预定的评分阈值，确定所述监测指标在相应时刻是否异常，包括：

将所述监测指标在所述预设时段中每一时刻的异常程度评分与所述评分阈值比较；以及

响应于任一或多个所述异常程度评分高于所述评分阈值，确定所述监测指标在相应的一个时刻或多个时刻发生异常。