[发明专利]异常检测方法、异常检测装置、电子设备及存储介质

说明书

本公开提供了一种异常检测方法，可以应用于人工智能以及大数据技术领域。该异常检测方法，包括：获取待检测时间序列数据；以及将待检测时间序列数据输入预先训练好的序列异常检测模型，输出异常检测结果；其中，预先训练好的序列异常检测模型是按照预设训练周期和预设训练时间参数值，执行样本数据获取脚本模板生成初始训练样本数据信息、执行样本数据预处理脚本模板处理初始训练样本数据信息生成目标训练样本数据信息，以及执行模型训练脚本模板处理目标训练样本数据信息后，生成的模型参数信息确定的。本公开还提供了一种异常检测装置、电子设备、存储介质和程序产品。

技术领域

本公开涉及人工智能以及大数据技术领域，具体涉及一种异常检测方法、异常检测装置、电子设备、存储介质和程序产品。

背景技术

在现实生活中，在临床医疗、军事、地质勘探和网络安全等领域都包含了大量的时间序列数据。时间序列数据是指在某个动作按其发生时间的先后顺序形成数据排列而成的数列。因此，时间序列数据记录了某个动作在时间维度上的波动信息。例如，针对网络安全领域，在进行运维管理时，可以根据时间序列数据作为观测指标，对时间序列数据进行异常检测，可以为后续的故障定位及其他处理奠定基础。

在实施本公开的过程中发现，时间序列异常检测任务中，对时间序列异常检测模型进行训练，需要由人工编写脚本实现，每次需要检测时可能需要登陆相关服务器或者其他客户端重新编写脚本或者修改一些参数后执行脚本，不仅导致过程繁琐，还影响模型检测服务更新效率。

发明内容

鉴于上述问题，本公开提供了一种异常检测方法、异常检测装置、电子设备、存储介质和程序产品。

根据本公开的第一个方面，提供了一种异常检测方法，包括：

获取待检测时间序列数据；以及

将待检测时间序列数据输入预先训练好的序列异常检测模型，输出异常检测结果；

其中，预先训练好的序列异常检测模型是按照预设训练周期和预设训练时间参数值，执行样本数据获取脚本模板生成初始训练样本数据信息、执行样本数据预处理脚本模板处理初始训练样本数据信息生成目标训练样本数据信息，以及执行模型训练脚本模板处理目标训练样本数据信息后，生成的模型参数信息确定的。

根据本公开的实施例，还包括：

利用第一预设参数，构建样本数据获取脚本模板，其中，第一预设参数表征初始训练样本数据的关联参数；

利用第二预设参数，构建样本数据预处理脚本模板，其中，第二预设参数是基于第一预设参数确定的；以及

利用第三预设参数，构建模型训练脚本模板，其中，第三预设参数是基于第二预设参数确定的。

根据本公开的实施例，还包括：

在确定样本数据获取脚本模板、样本数据预处理脚本模板以及模型训练脚本模板测试均通过的情况下，确定序列异常检测模型的训练标识信息；

根据训练标识信息，调用样本数据获取脚本模板、样本数据预处理脚本模板以及模型训练脚本模板；以及

按照预设训练周期和预设训练时间参数值，执行样本数据获取脚本模板、样本数据预处理脚本模板以及模型训练脚本模板后，生成模型参数信息。

根据本公开的实施例，还包括：

根据关联参数，确定关联参数的第一测试参数值；

利用第一测试参数值，执行样本数据获取脚本模板，生成初始测试样本数据信息；以及

在确定初始测试样本数据信息无异常的情况下，确定样本数据获取脚本模板为测试通过。

根据本公开的实施例，还包括：