[发明专利]上下文感知异常检测

说明书

一种用于上下文感知异常检测的计算机实现的方法，包括：接收包含实时数据的信号；将接收的信号划分成由相应的训练上下文界定的训练小波集；以及通过递归神经网络处理所述训练小波集来生成用于所述训练情景的预测模型以标识相应训练小波的数据序列中的模式。所述方法包括：响应于当前上下文的执行不同于所述训练上下文，从所述当前上下文的信号中提取当前小波，通过对齐所述当前小波的序列与所述预测模型的小波模式的序列来识别所述当前小波与所述预测模型的小波模式的相同维度之间的成对匹配。在确定两个序列之间的总累积距离超过预定阈值时，识别异常。

背景技术

本发明涉及上下文感知异常检测系统以及异常检测方法。具体地，本公开涉及用于自动确定实时数据的上下文，并且基于上下文确定从来自一个或多个数据源的实时数据中检测异常的系统和方法。

异常检测中的现有方法需要用户手动识别实时数据的上下文，并标识其中存在的异常。可能需要自动化上下文识别和异常检测的过程，且因此减少对用户提供的分类和/或识别的依赖。

发明内容

本公开的实施例涉及一种用于上下文感知异常检测的计算机实现的方法。该方法包括：接收包括实时数据的信号；将接收到的信号划分成由相应的训练上下文界定的训练小波集合；通过递归神经网络处理训练小波集合来生成用于训练上下文的预测模型，以标识相应训练小波的数据序列中的模式。该方法还包括，响应于不同于训练上下文的当前上下文的执行，从当前上下文的信号中提取当前小波，通过对齐当前小波的序列和预测模型的小波模式的序列，识别当前小波的相同维度和预测模型的小波模式之间的成对匹配。该方法还包括，响应于确定两个序列之间的总累积距离超过预定阈值，识别异常。

其他实施例涉及利用上述方法的计算机程序产品。

其他实施例涉及识别上下文的计算机实现的方法。该方法包括：在一段时间内接收上下文的实时数据；将上下文设置为第一粒度级别；基于第一粒度级别将实时数据划分为小波；以及基于动态时间规整尝试识别小波中的模式。

以上概述并非旨在描述本公开的每个所示实施例或每个实施方式。

附图说明

本申请包括的附图被结合到说明书中并且形成说明书的一部分。它们示出了本公开的实施方式，并且与描述一起解释本公开的原理。附图仅用于说明某些实施例，而并不限制本公开。

图1是根据实施方式的示例递归神经网络的示图。

图2是根据实施方式的长期运行的数据库服务器的一个示例的不同阶段的实时数据图。

图3是根据实施方式的长期运行的数据库服务器的一个示例的不同阶段的实时数据图。

图4是示出了根据实施方式的确定上下文的方法的流程图。

图5是示出根据实施方式的使用递归神经网络的学习的小波模式和异常小波模式之间的比较图。

图6是示出了根据实施方式的从正常状态变化到异常状态的小波模式的示例图。

图7是根据实施方式的处理系统的框图。

图8是根据各实施例的具有由云客户用来与其通信的本地计算设备的一个或多个计算节点的说明性云计算环境的框图。

图9是根据实施方式的由云计算环境提供的一组功能抽象层的框图。

应当理解，图中的元件是为了简单和清楚而示出的。为了简化和帮助理解所示实施例，可能未示出在商业上可行的实施例中可能有用或必要的易于理解的元件。

具体实施方式

本公开涉及上下文感知异常检测方法和系统。在某些实施例中，提供了一种系统，其被配置为执行实时异常检测，并自动发现这些上下文(即，不需要用户输入)。