[发明专利]异常监控方法、系统、电子设备和存储介质

权利要求书

1.一种异常监控方法，其特征在于，包括以下步骤：

获取目标监控项的监控数据曲线，所述监控数据曲线用于体现目标监控项的历史监控数据和历史监控时间的对应关系；

根据所述监控数据曲线的分布特征，确定所述监控数据曲线中各数据分区的动态阈值，所述监控数据曲线包括N个数据分区，N为正整数；

基于各数据分区的动态阈值，对所述目标监控项进行异常监控。

2.根据权利要求1所述的异常监控方法，其特征在于，所述根据所述监控数据曲线的分布特征，确定所述监控数据曲线中各数据分区的动态阈值，包括：

基于所述监控数据曲线的曲线偏度与峰度，确定所述监控数据曲线所满足的分布特征；

基于所述分布特征，确定各数据分区的动态阈值；其中，所述动态阈值包括上限阈值和下限阈值。

3.根据权利要求2所述的异常监控方法，其特征在于，所述基于所述监控数据曲线的曲线偏度与峰度，确定所述监控数据曲线所满足的分布特征，包括：

判断所述监控数据曲线的偏度是否等于第一预设数值；

若所述监控数据曲线的偏度等于第一预设数值，则确定所述监控数据曲线的分布特征为正态分布特征；

若所述监控数据曲线的偏度不等于第一预设数值，则判断所述监控数据曲线的偏度是否大于第二预设数值，以及，判断所述监控数据曲线的峰度是否大于预设峰度；

若所述监控数据曲线的偏度大于第二预设数值，且所述监控数据曲线的峰度大于预设峰度，则确定所述监控数据曲线的分布特征为肥尾分布特征；

若所述监控数据曲线的偏度不大于第二预设数值，和/或，所述监控数据曲线的峰度不大于预设峰度，则确定所述监控数据曲线的分布特征为第三类分布特征，所述第三类分布特征为除正态分布和肥尾分布之外的其他分布特征。

4.根据权利要求2所述的异常监控方法，其特征在于，在所述数据分区的分布特征为正态分布特征的情况下，所述基于所述分布特征，确定各数据分区的动态阈值，包括：

对任意一个数据分区，计算该数据分区的均值和标准差；

计算所述标准差与第三预设数值的第一乘积；

将所述第一乘积与所述均值之和，确定为所述上限阈值；

将所述均值与所述第一乘积之差，确定为所述下限阈值。

5.根据权利要求2所述的异常监控方法，其特征在于，在所述数据分区的分布特征为第三类分布特征的情况下，所述基于所述分布特征，确定各数据分区的动态阈值，包括：

对任意一个数据分区，计算所述数据分区的第一分位数和第二分位数；

计算分位数差值与第四预设数值的第二乘积，所述分位数差值为所述第二分位数与所述第一分位数之差；

将所述第二乘积与所述第二分位数之和，确定为所述上限阈值；

将所述第一分位数与所述第二乘积之差，确定为所述下限阈值。

6.根据权利要求2所述的异常监控方法，其特征在于，在所述数据分区的分布特征为肥尾分布特征的情况下，所述基于所述分布特征，确定各数据分区的动态阈值，包括：

对任意一个数据分区，获取所述数据分区中的数据量、形状参数、尺度参数、上分位数、下分位数和概率参数；

在所述数据分区中，确定第一数目，所述第一数目为数值大于所述上分位数的数据数目；

在所述数据分区中，确定第二数目，所述第二数目为数值小于所述下分位数的数据数目；

基于所述数据量、所述形状参数、所述尺度参数、所述上分位数、所述第一数目和所述概率参数所满足的帕累托分布关系，确定所述上限阈值；

基于所述数据量、所述形状参数、所述尺度参数、所述下分位数、所述第二数目和所述概率参数所满足的帕累托分布关系，确定所述下限阈值。