[发明专利]异常行为检测方法、装置及设备

说明书

本说明书实施例涉及人工智能技术领域，具有公开了一种异常行为检测方法、装置及设备，所述方法包括：在触发异常检测后，自动获取异常触发时刻对应的历史指定时间段内的检测指标数据，基于历史数据确定出各个异常检测时刻的检测指标数据的数据类型，并针对不同的数据类型采用不同的异常检测算法，综合各个异常检测时刻的异常检测结果，确定出是否存在异常行为。实现了异常行为的自动检测，不依赖于运维人员的指标维护，联动监控系统和一键式应急系统，基于检测指标数据的数据特征，自动匹配检测算法，使异常交易定位更加准确、快速，提升率异常检测的效率，保证了系统的稳定性。

技术领域

本说明书属于人工智能技术领域，尤其涉及一种异常行为检测方法、装置及设备。

背景技术

随着互联网技术在金融领域的渗透，金融服务模式也发生了相应的改变，不仅要满足消费者的个性化和差异化需求，也要保证系统对外的可用能力。大量的需求加快了系统升级的频率，交易的种类和数量也日日攀升，这对一线运维提出了较大的挑战。

一般的，应用系统的异常行为报警是以运维人员维护的指标阈值来报出，运维人员需要手工配置数以万计的监控阈值，仅凭个人经验，无法准确判断性能容量趋势，且依靠人工维护，无法批量化的覆盖所有监控点，很难准确配置阈值，容易因业务变化导致监控频繁误报，无法做到精细化、动态化配置。当系统发生异常需要应急时，依赖运维人员维护的监控阈值存在报不出或者误报的情况，无法快速定位到具体异常交易，往往需要运维人员从大量交易数据中定位异常交易进行应急，花费大量的时间在故障识别和故障诊断上，远远不满足互联网公司针对故障处理提出的业界领先的1-5-10标准，即1分钟发现、5分钟定位、10分钟恢复。因此，在性能容量管理、应用监控等以数据为核心的运维领域，对于数据的分析和利用目前仍然较为依赖于人工的统计，异常行为检测准确性和效率都会受到影响。

针对上述问题，目前尚未提出有效的解决方案。

发明内容

本说明书实施例的目的在于提供一种异常行为检测方法、装置及设备，提高了异常行为检测的效率和准确性。

一方面，本说明书实施例提供了一种异常行为检测方法，所述方法包括：

接收异常行为检测触发信息，所述异常行为检测触发信息中包括异常行为时刻；

基于所述异常行为时刻，确定出异常检测时间段，并将所述异常检测时间段拆分成多个异常检测时刻；

获取所述异常行为时刻对应的历史指定时间段内的检测指标数据；

根据所述历史指定时间段内的检测指标数据，确定出各个异常检测时刻的检测指标数据的数据类型，所述数据类型包括：平稳型数据、波动型数据、突刺型数据；

根据各个异常检测时刻的检测指标数据的数据类型，对各个异常检测时刻的检测指标数据进行对应的异常检测，其中，对于平稳型数据采用偏离度检测，对于波动型数据采用高斯分布异常检测，对于突刺型数据采用箱型图异常检测；

根据各个异常检测时刻对应的检测指标数据的异常检测结果，确定出所述异常检测时间段内是否存在异常行为。

进一步地，所述根据所述历史指定时间段内的检测指标数据，确定出各个异常检测时刻的检测指标数据的数据类型，包括：

根据所述历史指定时间段内的检测指标数据，计算所述历史指定时间段内各个异常检测时刻对应的各个检测指标数据分别对应的平均值和标准差；

将各个异常检测时刻对应的各个检测指标数据与对应的平均值、标准差进行比较，根据下述公式确定各个异常检测时刻的检测指标数据的数据类型：