[发明专利]一种异常数据的检测方法以及相关装置

权利要求书

1.一种异常数据的检测方法，其特征在于，包括：

获取目标指标对应的历史数据序列，以确定所述目标指标对应的数据波动范围；

调用隐马尔可夫模型，并根据所述数据波动范围确定所述隐马尔可夫模型针对于所述目标指标的模型参数；

基于配置所述模型参数的隐马尔可夫模型确定目标数据序列对应的隐状态，所述目标数据序列基于所述目标指标统计所得；

根据所述隐状态确定作用于所述目标数据序列的数据预测方式，所述数据预测方式包括第一算法和第二算法，所述第一算法用于在异常消退时段中规避所述第二算法产生的数据异常；

基于所述历史数据序列采用所述数据预测方式预测所述目标数据序列在下一时刻的预测值，以基于所述预测值进行异常检测。

2.根据权利要求1所述的方法，其特征在于，所述第一算法为三次方回归算法，所述根据所述隐状态确定作用于所述目标数据序列的数据预测方式，包括：

若所述隐状态指示当前时刻为异常时刻，则确定作用于所述目标数据序列的数据预测方式为所述三次方回归算法；

所述基于所述历史数据序列采用所述数据预测方式预测所述目标数据序列在下一时刻的预测值，以基于所述预测值进行异常检测，包括：

基于所述历史数据序列采用所述三次方回归算法预测所述目标数据序列在下一时刻的预测值，以基于所述预测值进行异常检测。

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：

调用所述预测值对所述目标数据序列在下一时刻的实际值进行更新，以得到覆盖值；

基于所述覆盖值执行所述目标数据序列中后续时刻的预测。

4.根据权利要求1所述的方法，其特征在于，所述第二算法为移动平均算法，所述根据所述隐状态确定作用于所述目标数据序列的数据预测方式，包括：

若所述隐状态指示当前时刻为正常时刻，则确定作用于所述目标数据序列的数据预测方式为所述移动平均算法；

所述基于所述历史数据序列采用所述数据预测方式预测所述目标数据序列在下一时刻的预测值，以基于所述预测值进行异常检测，包括：

基于所述历史数据序列采用所述移动平均算法预测所述目标数据序列在下一时刻的预测值，以基于所述预测值进行异常检测。

5.根据权利要求1所述的方法，其特征在于，所述获取目标指标对应的历史数据序列，以确定所述目标指标对应的数据波动范围，包括：

获取所述目标指标对应的所述历史数据序列；

确定所述历史数据序列中相邻时刻之间的变化率，以作为第一分布参数；

将所述第一分布参数覆盖范围以外的计算分布作为第二分布参数；

基于所述第一分布参数和所述第二分布参数确定所述目标指标对应的数据波动范围；

所述调用隐马尔可夫模型，并根据所述数据波动范围确定所述隐马尔可夫模型针对于所述目标指标的模型参数，包括：

调用所述隐马尔可夫模型；

根据所述目标指标中异常时刻的出现频次与正常时刻的出现频次确定所述隐马尔可夫模型的状态转移矩阵；

根据所述第一分布参数和所述第二分布参数确定所述隐马尔可夫模型的释放函数；

基于所述状态转移矩阵和所述释放函数对所述模型参数进行配置。

6.根据权利要求1-5任一项所述的方法，其特征在于，所述方法还包括：

获取预设时间段内所述异常检测中确定的异常时刻；

基于所述异常时刻对所述目标项目对应的数据集进行标记，以得到标记数据集；

将所述标记数据集进行上报，以确定所述目标项目对应的作弊标识。

7.根据权利要求1所述的方法，其特征在于，所述异常数据的检测方法应用于广告异常流量检测，所述目标项目包括策略过滤数、大盘点击数、大盘收入和大盘点击率。