异常检测方法和装置.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115391148A(43)申请公布日2022.11.25(21)申请号202211149017.4(22)申请日2022.09.21(71)申请人中国农业银行股份有限公司地址100005北京市东城区建国门内大街69号(72)发明人刘子莘王梓懿张田野刘剑李清颢(74)专利代理机构北京同立钧成知识产权代理有限公司11205专利代理师孙静臧建明(51)Int.Cl.G06F11/30(2006.01)G06F11/32(2006.01)权利要求书2页说明书12页附图4页(54)发明名称异常检测方法和装置(57)摘要本申请实施例提供一种异常检测方法和装置，涉及数据分析技术领域，包括：从数据缓存平台获取待检测的服务器的运行指标，运行指标包括待检测的服务器的CPU占有率，对运行指标进行第一预处理，得到第一数据，根据第一数据确定待检测的服务器是否产生异常，在确定待检测的服务器产生异常时，将异常信息发送至告警平台。通过对运行指标进行分析处理，根据当前运行指标和历史运行指标来确定服务器的运行是否产生异常，并在异常时告警，可以提高对服务器异常运行检测的准确性，降低因统一设置阈值而导致发生异常的风险。CN115391148ACN115391148A权利要求书1/2页1.一种异常检测方法，其特征在于，包括：从数据缓存平台获取待检测服务器的运行指标，所述运行指标包括所述待检测服务器的CPU占有率；对所述运行指标进行第一预处理，得到第一数据，其中，所述第一预处理包括极小值处理和/或时间编号化处理，所述极小值处理为将小于预设指标的运行指标更新为所述预设指标，所述时间编号化处理为将所述运行指标的采集时间映射为预设的按照时间顺序排列的时间点；根据所述第一数据确定所述待检测的服务器是否产生异常，在确定所述待检测服务器产生异常时，将异常信息发送至告警平台。2.根据权利要求1所述的方法，其特征在于，所述第一预处理包括极小值处理和所述时间编号化处理，所述根据所述第一数据确定所述待检测服务器是否产生异常，包括：根据所述第一数据和前M日同一时间点的M个历史数据，获取M个差异值，其中，每个所述差异值用于指示所述第一数据与每个历史数据之间的差异情况；若M个差异值中，所述差异值大于预设差异阈值的个数大于M/2，则确定所述待检测服务器产生异常，其中，所述预设差异阈值为根据历史数据的正态分布确定的；其中，所述M为正整数。3.根据权利要求2所述的方法，其特征在于，所述第一预处理包括所述时间编号化处理，所述根据所述第一数据确定所述待检测服务器是否产生异常，包括：将所述第一数据依次输入至K个异常检测模型，其中，所述K个异常检测模型的训练数据集不同；获取所述K个异常检测模型输出的K个判别结果，每个所述判别结果用于指示所述待检测服务器是否产生异常；将所述K个判别结果的众数作为输出结果。4.根据权利要求2所述的方法，其特征在于，所述方法还包括：获取每日中按时间顺序排列的N个时间点的第二数据和对应的前一日的同一时间点的历史数据的N个差异值，并对所述N个差异值由大到小排序；获取所述N个差异值中处于预设排名的差异值对应的正态分布均值和正态分布标准差；其中，所述N为正整数；根据所述正态分布均值和标准差确定所述待检测服务器的预设差异阈值。5.根据权利要求3所述的方法，其特征在于，所述方法还包括：剔除每个运行指标的采集时间中的日期信息，将多个所述运行指标和对应的时分信息作为第一数据集；根据所述第一数据集中的所述运行指标的小时信息，得到K个数据集；其中，第i个数据集中的运行指标是对所述第一数据集中的运行指标的小时信息叠加i个小时得到的，所述i＝1、2……K；将K个数据集中的时分信息映射为对应的时间点，获得新的K个数据集；根据每个所述新的K个数据集分别对所述异常检测模型进行训练，获得K个异常检测模型。6.根据权利要求4所述的方法，其特征在于，所述方法还包括：2CN115391148A权利要求书2/2页从数据储存平台获取所述待检测服务器的运行指标；对所述运行指标进行第二预处理，获取第二数据，所述第二预处理包括数据清洗、数据填充、所述极小值处理和所述时间编号化处理。7.根据权利要求1至5任一项所述的方法，其特征在于，在确定所述待检测服务器产生异常之后，所述方法还包括：将所述异常信息写入本地日志文件中，其中，所述异常信息包括产生异常的服务器的名称、产生异常的时间和对应的运行指标。8.一种异常检测装置，其特征在于，包括：获取模块，用于从数据缓存平台获取待检测服务器的运行指标，所述运行指标包括所述待检测服务器的CPU占有率；处理模块，用于对所述运行指标进行第一预处理，得到第一数据，其中，所述第一预处理包括极小值处理和/或时间编号化处理，其中，所述极小值处