[发明专利]异常数据的检测方法、装置、设备、介质和程序产品

权利要求书

1.一种异常数据的检测方法，其特征在于，包括以下步骤：

获取实时数据；

获取多个密度数据层以及对应多个所述密度数据层的多个检测模型；

根据所述密度数据层的上下边界值，将所述实时数据带入对应的所述密度数据层内；

根据所述实时数据是否与对应的所述检测模型相匹配，判断所述实时数据是否为异常数据。

2.如权利要求1所述的异常数据的检测方法，其特征在于，获取多个密度数据层以及对应多个所述密度数据层的多个检测模型的步骤包括：

获取预设时段内的历史数据；

采用密度分层法对所述历史数据进行密度分层，得到多个所述密度数据层以及对应的上下边界值；

对每一所述密度数据层进行分布检测，判断是否属于常见分布；

根据所述密度数据层是否属于常见分布，分别采用对应的常见分布模型以及通用分布模型对每一所述密度数据层进行训练，以得到多个所述检测模型。

3.如权利要求2所述的异常数据的检测方法，其特征在于，采用密度分层法对所述历史数据进行密度分层，得到多个密度数据层以及对应的上下边界值的步骤包括：

获取所述历史数据的所有非重复数据，并将所述非重复数值进行顺序排列；

在相邻的所述非重复数值之间的差值大于第一预设值处进行数据分层，得到多个所述密度数据层以及对应的上下边界值。

4.如权利要求3所述的异常数据的检测方法，其特征在于，在相邻的所述非重复数值之间的差值大于第一预设值处进行数据分层，得到多个所述密度数据层的步骤还包括：

在相邻的所述非重复数值之间的差值大于第一预设值处进行数据分层，得到多个初始分层数据；

获取每一所述初始分层数据占所述历史数据的比例；

将所述比例小于第二预设值的初始分层数据合并至相邻且数据量相对少的所述初始数据层内，得到多个所述密度数据层以及对应的上下边界值。

5.如权利要求2所述的异常数据的检测方法，其特征在于，对每一所述密度数据层进行分布检测，判断是否属于常见分布的步骤包括：

通过K-S检测对每一所述密度数据层进行分布检测，判断是否属于常见分布。

6.如权利要求2所述的异常数据的检测方法，其特征在于，所述常见分布包括正态分布、伽马分布、值数分布以及柯西分布中的至少一种。

7.如权利要求2所述的异常数据的检测方法，其特征在于，所述通用分布模型包括长短期记忆网络模型。

8.如权利要求1所述的异常数据的检测方法，其特征在于，所述检测模型包括包括长短期记忆网络模型；

根据所述实时数据是否与对应的所述检测模型相匹配，判断所述实时数据是否为异常数据的步骤包括：

使用所述长短期记忆网络模型预测至少一个预测数据；

当所述实时数据中与所述预测数据偏离程度大于第三预设值时，则所述实时数据为异常数据。

9.一种异常数据的检测装置，其特征在于，包括：

输入模块，用以获取实时数据；

传输模块，用以获取多个密度数据层以及对应多个所述密度数据层的多个检测模型；

分层模块，用以根据所述密度数据层的上下边界值，将所述实时数据带入对应的所述密度数据层内；以及，

匹配模块，用以根据所述实时数据是否与对应的所述检测模型相匹配，判断所述实时数据是否为异常数据。

10.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行根据权利要求1至8中任一项所述的方法。

11.一种计算机可读存储介质，其特征在于，其上存储有可执行指令，该指令被处理器执行时使处理器执行根据权利要求1至8中任一项所述的方法。

12.一种计算机程序产品，其特征在于，包括计算机程序，所述计算机程序被处理器执行时实现根据权利要求1至8中任一项所述的方法。