[发明专利]一种基于多变量时间序列预测的鲁棒性异常检测方法和设备有效
| 申请号： | 201910937198.9 | 申请日： | 2019-09-29 |
| 公开（公告）号： | CN110690995B | 公开（公告）日： | 2021-04-30 |
| 发明（设计）人： | 李文中;丁望祥;万晨;张淋洺;张根周;赵永柱;郭云涛;任晓龙 | 申请（专利权）人： | 南京大学;国网陕西省电力公司信息通信公司 |
| 主分类号： | H04L12/24 | 分类号： | H04L12/24;H04L12/26 |
| 代理公司： | 南京泉为知识产权代理事务所(特殊普通合伙) 32408 | 代理人： | 许丹丹 |
| 地址： | 210023 江苏*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于多变量时间序列预测的鲁棒性异常检测方法和设备，方法包括：获取互联网服务性能历史数据，构建多变量时间序列；通过小波变换将多变量时间序列分解为多个子分量，并去噪滤除噪音；将滤除噪音后的子分量输入到LSTM网络中，并训练网络，得到LSTM分量预测模型；根据LSTM分量预测值构建线性回归模型，并利用历史数据估计线性参数；将新产生的互联网服务性能数据输入LSTM分量预测模型，将得到的子分量预测值输入线性回归模型中，计算得到互联网服务性能时间序列的预测值；当计算得到的预测值与真实值的误差值大于预设的异常阈值时，判断为互联网服务出现异常。本发明可提高互联网服务性能检测准确度和鲁棒性。 | ||
| 搜索关键词： | 一种 基于 多变 时间 序列 预测 鲁棒性 异常 检测 方法 设备 | ||
【主权项】：
1.一种基于多变量时间序列预测的鲁棒性异常检测方法，其特征在于，该方法包括以下步骤：/nS1、获取互联网服务性能历史数据，构建多变量时间序列；/nS2、通过小波变换将多变量时间序列分解为多个子分量，并通过小波去噪滤除噪音；/nS3、将滤除噪音后的子分量输入到LSTM网络中，并训练网络，得到LSTM分量预测模型；/nS4、根据LSTM分量预测值构建互联网服务性能时间序列预测值的线性回归模型，并利用历史数据估计线性参数；/nS5、按照步骤S1、S2的方法对新产生的互联网服务性能数据进行处理后输入步骤S3得到的LSTM分量预测模型，将得到的子分量预测值输入到步骤S4得到的线性回归模型中，计算得到互联网服务性能时间序列的预测值；/nS6、当计算得到的互联网服务性能预测值与真实值的误差值大于预设的异常阈值时，判断为互联网出现异常。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南京大学;国网陕西省电力公司信息通信公司，未经南京大学;国网陕西省电力公司信息通信公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910937198.9/，转载请声明来源钻瓜专利网。
