检测数据访问异常的方法及装置与流程

本发明涉及互联网领域，具体而言，涉及一种检测数据访问异常的方法及装置。
背景技术：
：随着近年来互联网的快速发展，越来越多的用户通过互联网了解时事、购买商品或者浏览网页，因此，对数据访问异常的检测则应运而生。例如，第三方软件调用某应用的数据，从业务上运营商需要知道每天第三方软件调用该应用的量是不是在一个合理的范围内，以此来判定该第三方软件是不是在恶意的拉取该应用的数据，并进行预警。对于数据整体趋势的异常检测，大多是通过对当前时间点新产生的数据和历史数据的均值进行对比，或者通过对当前时间点新产生的数据和前一个时间点的数据进行对比来检测当前时间点新产生的数据是否存在异常的。然而，基于当前时间点和历史数据的均值做比较得出检测结果，对于一组持续随增长的数据集而言，历史数据的均值对当前时间点新产生的数据已经不具有代表性的情况下，对于新产生的数据是否异常的判断就会有偏差；基于当前时间点新产生的数据和前一个时间点的数据做比较得出的检测结果又容易因为前一个时间点的数据已经异常的情况(连续的数据出现异常)而出现误判。针对上述的问题，目前尚未提出有效的解决方案。技术实现要素：本发明实施例提供了一种检测数据访问异常的方法及装置，以至少解决由于现有的数据访问异常检测方法易产生偏差或误判造成的准确性较低的技术问题。根据本发明实施例的一个方面，提供了一种检测数据访问异常的方法，包括：获取待检测时间点的历史访问数据，其中，所述历史访问数据包含访问参数的数据量及所述数据量对应的时间点；按照预先划分的时间周期，确定所述待检测时间点所属的第一时间周期，并从所述历史访问数据中提取处于所述第一时间周期内的第一访问数据，其中，所述第一访问数据包含所述第一时间周期内的数据量及所述第一时间周期 内的数据量对应的时间点；依据所述第一时间周期内的数据量及所述第一时间周期内的数据量对应的时间点，确定所述待检测时间点对应的第一预测数据量；若所述待检测时间点对应的实际数据量大于所述第一预测数据量，确定所述实际数据量异常。根据本发明实施例的另一方面，还提供了一种检测数据访问异常的装置，包括：第一获取单元，用于获取待检测时间点的历史访问数据，其中，所述历史访问数据包含访问参数的数据量及所述数据量对应的时间点；提取单元，用于按照预先划分的时间周期，确定所述待检测时间点所属的第一时间周期，并从所述历史访问数据中提取处于所述第一时间周期内的第一访问数据，其中，所述第一访问数据包含所述第一时间周期内的数据量及所述第一时间周期内的数据量对应的时间点；第一确定单元，用于依据所述第一时间周期内的数据量及所述第一时间周期内的数据量对应的时间点，确定所述待检测时间点对应的第一预测数据量；检测单元，用于若所述待检测时间点对应的实际数据量大于所述第一预测数据量，确定所述实际数据量异常。在本发明实施例中，采用获取待检测时间点的历史访问数据，其中，历史访问数据包含访问参数的数据量及数据量对应的时间点；按照预先划分的时间周期，确定待检测时间点所属的第一时间周期，并从历史访问数据中提取处于第一时间周期内的第一访问数据，其中，第一访问数据包含第一时间周期内的数据量及第一时间周期内的数据量对应的时间点；依据第一时间周期内的数据量及第一时间周期内的数据量对应的时间点，确定待检测时间点对应的第一预测数据量；若待检测时间点对应的实际数据量大于第一预测数据量，确定实际数据量异常的方式，通过从历史访问数据中提取与待检测时间点属于相同时间周期的第一访问数据，依据第一访问数据确定待检测时间点对应的第一预测数据量，进而确定待检测时间点对应的实际数据量是否异常，达到了准确进行业务预警的目的，从而实现了提高检测数据访问异常的准确性的技术效果，进而解决了由于现有的数据访问异常检测方法易产生偏差或误判造成的准确性较低的技术问题。附图说明此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：图1是根据本申请实施例的一种运行数据访问权限控制方法的计算机终端的硬件结构框图；图2是根据本申请实施例的一种可选的检测数据访问异常的方法的流程示意图；图3是根据本申请实施例的另一种可选的检测数据访问异常的方法的流程示意图；图4是根据本申请实施例的又一种可选的检测数据访问异常的方法的流程示意图；图5是根据本申请实施例的又一种可选的检测数据访问异常的方法的流程示意图；图6是根据本申请实施例的一种可选的检测数据访问异常的装置的结构示意图；图7是根据本申请实施例的另一种可选的检测数据访问异常的装置的结构示意图；图8是根据本申请实施例的又一种可选的检测数据访问异常的装置的结构示意图；图9是根据本申请实施例的又一种可选的检测数据访问异常的装置的结构示意图。具体实施方式为了使本
技术领域：
的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。实施例1根据本发明实施例，还提供了一种检测数据访问异常的方法的方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。本申请实施例一所提供的方法实施例可以在移动终端、计算机终端或者类似的运 算装置中执行。以运行在计算机终端上为例，图1是本发明实施例的一种检测数据访问异常的方法的计算机终端的硬件结构框图。如图1所示，计算机终端10可以包括一个或多个(图中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器104、以及用于通信功能的传输装置106。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述电子装置的结构造成限定。例如，计算机终端10还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。存储器104可用于存储应用软件的软件程序以及模块，如本发明实施例中的检测数据访问异常的方法对应的程序指令/模块，处理器102通过运行存储在存储器104内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的应用程序的漏洞检测方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至计算机终端10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算机终端10的通信供应商提供的无线网络。在一个实例中，传输装置106包括一个网络适配器(NetworkInterfaceController，NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置106可以为射频(RadioFrequency，RF)模块，其用于通过无线方式与互联网进行通讯。在上述运行环境下，本申请提供了如图2所示的检测数据访问异常的方法。图2是根据本发明实施例一的检测数据访问异常的方法的流程图。步骤S202，获取待检测时间点的历史访问数据，其中，历史访问数据包含访问参数的数据量及数据量对应的时间点。本申请上述步骤S202中，待检测时间点的历史访问数据可以为待检测时间点之前的某一个或几个预设时间段内的访问数据，也可以为待检测时间点之前生成的所有访问数据。其中，访问参数包括以下一种或几种：访问量、订单量、调用量、注册量、交易量以及点击量。那么，以访问参数为访问量，待检测时间点为2015-8-1为例，访问量是指某网站或应用被访问的次数，访问参数的数据量是指在对应的时间点访问量的具体数值，以表1为例进行说明。表1时间点访问量/次2015-7-1843212015-7-297513…………2015-7-41254832015-7-5153846…………2015-7-3181628在获取了待检测时间点的历史访问数据之后，可以对历史访问数据进行清洗(即从历史访问数据中去除异常的访问数据)，以排除异常的访问数据对待分析数据集的干扰，具体如何从历史访问数据中去除异常的访问数据后续实施例中会进行详细描述，此处不作赘述。步骤S204，按照预先划分的时间周期，确定待检测时间点所属的第一时间周期，并从历史访问数据中提取处于第一时间周期内的第一访问数据。本申请上述步骤S204中，第一访问数据包含第一时间周期内的数据量及第一时间周期内的数据量对应的时间点；预先划分的时间周期可以是对获取到的历史访问数据进行周期观察后得到的，其往往和业务经验有关，有的数据量的波动是以自然月为周期的，有的以周为周期，有的数据量则有更加复杂的波动周期。仍以访问参数为访问量为例，一般有着明显的以周末和非周末为周期的波动性，例如表1所示，处于周末的2015-7-4和2015-7-5的访问量明显高于非周末的访问量，进而可以确定待检测时间点2015-8-1所属的第一时间周期为周末，因此从历史数据中提取处于周末的第一访问数据。步骤S206，依据第一时间周期内的数据量及第一时间周期内的数据量对应的时间点，确定待检测时间点对应的第一预测数据量。本申请上述步骤S204中，待检测时间点对应的第一预测数据量为一拟合值，即是通过数据统计，根据第一时间周期内的数据量及第一时间周期内的数据量对应的时间点预测出的值。具体地，依据第一时间周期内的数据量及第一时间周期内的数据量对应的时间点，确定待检测时间点对应的第一预测数据量包括：根据第一时间周期内的数据量及第一时间周期内的数据量对应的时间点，确定第一线性函数；通过第一线性函数确定待检测时间点对应的第一预测数据量。其中，该第一线性函数可以为V(t)＝a+bt，V(t)表示数据量，t表示时间点，根据第一时间周期内的数据量及第一时间周期内的数据量对应的时间点，确定a和b的值，再将待检测时间点带入第一线性函数V(t)＝a+bt，得到待检测时间点对应的第一预测数据量。上述步骤S204至步骤S206，采用周期性分析方法，先对历史访问数据进行周期观察。通过对历史访问数据的周期性进行分析来确定待检测时间点处于哪个时间周期(波动周期)内，然后把历史访问数据中处于相同时间周期的访问数据全部抽取出来形成一个新的数据集。简单而言，比如某些网站的访问量有着明显的以周末和非周末为周期的波动性，如果待检测时间点处在周末，那么就把历史访问数据中所有周末的访问数据抽取出来形成一个新的数据集。再按照数据统计得出一个关于时间的线性函数(即上述的第一线性函数)，进而使用这个第一线性函数得出待检测时间点上的拟合值(即上述的第一预测数据量)为V1。步骤S208，若待检测时间点对应的实际数据量大于第一预测数据量，确定实际数据量异常。本申请上述步骤S208中，如果实际数据量大于上述的第一预测数据量，则可以认为在该待检测时间点的实际数据量的振幅在合理的区间内，否则确定实际数据量异常。由上可知，本申请上述实施例一所提供的方案，通过从历史访问数据中提取与待检测时间点属于相同时间周期的第一访问数据，依据第一访问数据确定待检测时间点对应的第一预测数据量，进而确定待检测时间点对应的实际数据量是否异常，达到了准确进行业务预警的目的，从而实现了提高检测数据访问异常的准确性的技术效果，进而解决了由于现有的数据访问异常检测方法易产生偏差或误判造成的准确性较低的技术问题。可选地，如图3所示，在从历史访问数据中提取处于第一时间周期内的第一访问数据之前，本实施例的检测数据访问异常的方法还包括：步骤S302，获取历史访问数据的数据异常百分比，其中，数据异常百分比用于表示历史访问数据中的数据量与相邻时间点的数据量之间的变化率。本申请步骤S302中，通过计算历史访问数据的数据异常百分比，来排除异常的历 史访问数据所带来的干扰。判定一个历史时间点上得数据量是否是属于异常的，可以采用拿它和临近的两个时间点做比较，例如判定第t天数据V(t),可以拿它与V(t-1)和V(t+n+1)的均值来做比较，但是这取决异常访问周期是多少，这里假定异常访问周期是n天，如一个数据从t至t+n天都是异常数据，从t+n+1天开始问题得到解决数据回归正常的范围内，显然在判定V(t)的时候拿V(t+1)至V(t+n)来和V(t-1)来做比较都是不合适的。因此在本实施例中，获取历史访问数据的数据异常百分比包括：通过公式M＝(V(t)-(V(t+n+1)-V(t-1))/2)/V(t)，计算得到数据异常百分比，其中，M为数据异常百分比，V(t)为数据量，t为数据量对应的时间点，n为预设的异常访问周期。步骤S304，若数据异常百分比大于第一预设阈值，确定数据异常百分比对应的访问数据为异常访问数据。本申请上述步骤S304中，第一预设阈值一般而言是经验值，其根据不同的业务场景而不同。例如，若M小于等于第一预设阈值，则可以确定是正常的访问数据，若M大于第一预设阈值，则说明M对应的访问数据为异常访问数据，进而将它性历史访问数据中去除。步骤S306，从历史访问数据中去除异常访问数据。上述步骤S302至步骤S306提供了一种历史访问数据的清洗方法(即从历史访问数据中去除异常的访问数据)，以排除异常的历史访问数据对分析数据集的干扰。具体地，判定一个历史时间点上得数据是否是为异常访问数据，可以采用拿它和临近的两个时间点做比较，例如判定第t天数据V(t),可以拿它与V(t-1)和V(t+5)的均值来做比较，但是这取决异常访问周期是多少，这里假定异常访问周期是4天，如一个数据从t至t+4天都是异常数据，从t+5天开始问题得到解决数据回归正常的范围内，显然在判定V(t)的时候拿V(t+1)至V(t+4)来和V(t-1)来做比较都是不合适的。如果(V(t)-(V(t+5)-V(t-1))/2)/V(t)<＝5％,则可以判定V(t)是正常的数据，否则将它从历史访问数中移除，这里，5％是经验值根据不同的业务场景而不同。可选地，如图4所示，在确定实际数据量异常之前，本实施例的检测数据访问异常的方法还包括：步骤S402，依据历史访问数据，得出用于表示时间点与数据量之间的关系的第二线性函数。本申请上述步骤S402中，还可以通过数据统计，根据历史访问数据得出第二线性函数，与上述步骤S204至步骤S206不同的是，第二线性函数是依据整个历史访问数 据(或者已去除异常访问数据的历史访问数据)经过数据统计得出的，即得到第一线性函数和第二线性函数所采用的样本不同。步骤S404，通过第二线性函数得到待检测时间点对应的第二预测数据量。其中，若待检测时间点对应的实际数据量大于第一预测数据量，确定实际数据量异常包括：若待检测时间点对应的实际数据量大于第一预测数据量及第二预测数据量，确定实际数据量异常。上述步骤S402至步骤S404，用历史访问数据(也可以是清洗过的历史访问数据)进行拟合，通过全量数据统计得出数据关于时间的第二线性函数，如V(t)＝c+dt，进而利用第二线性函数得出待检测时间点上的拟合值(即第二预测数据量)为V2。需要说明的是，上述步骤S402至步骤S404与步骤S204至步骤S206之间没有时间顺序的限定。可选地，如图5所示，在确定实际数据量异常之前，本实施例的检测数据访问异常的方法还包括：步骤S502，根据待检测时间点的前一时间点对应的数据量，获取待检测时间点对应的第三预测数据量。本申请上述步骤S502中，待检测时间点的前一时间点对应的数据量可以是与待检测时间点对应的数据量相关的数据量。例如，第三方软件调用应用A的调用量直接与应用A的订单量和该第三方软件的点击量直接相关，待检测时间点上的调用量比前一天增长了A个百分点，那么待检测时间点上的拟合值(相当于第三预测数据量)V3为待检测时间点的前一时间点对应的调用量×(1+A％)，和/或待检测时间点上的拟合值V3(相当于第三预测数据量)为待检测时间点的前一时间点对应的点击量×(1+A％)。其中，若待检测时间点对应的实际数据量大于第一预测数据量，确定实际数据量异常包括：若待检测时间点对应的实际数据量大于第一预测数据量及第三预测数据量，确定实际数据量异常。可选地，根据待检测时间点的前一时间点对应的数据量，获取待检测时间点对应的第三预测数据量包括：通过公式Q＝W(t-1)×(1+A％)，计算得到第三预测数据量，其中，Q为第三预测数据量，W(t-1)为待检测时间点的前一时间点对应的数据量，A％为待检测时间点的数据量相比于前一时间点的数据量增长的百分点。需要补充的是，在获取到第一预测数据量、第二预测数据量以及第三预测数据量的情况下，本实施例的检测数据访问异常的方法可以取第一预测数据量、第二预测数 据量以及第三预测数据量中的最大值V＝max(V1,V2,V3)和实际数据量做比较，如果实际数据量≤V，则可以认为在该待检测时间点上的数据量的振幅在合理的区间内，否则确定实际数据量异常。需要说明的是，上述步骤S502与步骤S202至步骤S206之间没有时间顺序的限定。由此可知，现有技术存在的数据访问检测准确性较差，对于一组持续随增长的数据集而言，历史数据的均值对当前时间点新产生的数据已经不具有代表性的情况下，对于新产生的数据是否异常的判断就会有偏差；基于当前时间点新产生的数据和前一个时间点的数据做比较得出的检测结果又容易因为前一个时间点的数据已经异常的情况(连续的数据出现异常)而出现误判的问题，本申请提出一种基于历史访问数据中提取与待检测时间点属于相同时间周期的第一访问数据来进行异常数据检测的方法，通过拟合出待检测时间点对应的第一预测数据量，进而确定待检测时间点对应的实际数据量是否异常，达到了准确进行业务预警的目的，从而实现了提高检测数据访问异常的准确性的技术效果。需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。实施例2根据本申请实施例，还提供了一种用于实施上述方法实施例的装置实施例，本申请上述实施例所提供的装置可以在计算机终端上运行。图6是根据本申请实施例的检测数据访问异常的装置的结构示意图。如图6所示，该检测数据访问异常的装置可以包括第一获取单元602、提取单元604、第一确定单元606以及检测单元608。其中，第一获取单元602，用于获取待检测时间点的历史访问数据，其中，所述历史访问数据包含访问参数的数据量及所述数据量对应的时间点；提取单元604，用于按照预先划分的时间周期，确定所述待检测时间点所属的第一时间周期，并从所述历史访问数据中提取处于所述第一时间周期内的第一访问数据，其中，所述第一访问数据包含所述第一时间周期内的数据量及所述第一时间周期内的数据量对应的时间点；第一确定单元606，用于依据所述第一时间周期内的数据量及所述第一时间周期内的数据量对应的时间点，确定所述待检测时间点对应的第一预测数据量；检测单元608，用于若所述待检测时间点对应的实际数据量大于所述第一预测数据量，确定所述实际数据量异常。由上可知，本申请上述实施例二所提供的方案，通过从历史访问数据中提取与待检测时间点属于相同时间周期的第一访问数据，依据第一访问数据确定待检测时间点对应的第一预测数据量，进而确定待检测时间点对应的实际数据量是否异常，达到了准确进行业务预警的目的，从而实现了提高检测数据访问异常的准确性的技术效果，进而解决了由于现有的数据访问异常检测方法易产生偏差或误判造成的准确性较低的技术问题。此处需要说明的是，上述第一获取单元602、提取单元604、第一确定单元606以及检测单元608对应于实施例一中的步骤S202至步骤S208，四个模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例一所公开的内容。需要说明的是，上述模块作为装置的一部分可以运行在实施例一提供的计算机终端10中，可以通过软件实现，也可以通过硬件实现。可选地，如图7所示，检测数据访问异常的装置还包括：第二获取单元702、判断单元704以及处理单元706。其中，第二获取单元702，用于获取所述历史访问数据的数据异常百分比，其中，所述数据异常百分比用于表示所述历史访问数据中的数据量与相邻时间点的数据量之间的变化率；判断单元704，用于若所述数据异常百分比大于第一预设阈值，确定所述数据异常百分比对应的访问数据为异常访问数据；处理单元706，用于从所述历史访问数据中去除所述异常访问数据。此处需要说明的是，上述第二获取单元702、判断单元704以及处理单元706对应于实施例一中的步骤S302至步骤S306，三个模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例一所公开的内容。需要说明的是，上述模块作为装置的一部分可以运行在实施例一提供的计算机终端10中，可以通过软件实现，也可以通过硬件实现。可选地，所述第二获取单元702用于执行以下步骤获取所述历史访问数据的数据异常百分比：通过公式M＝(V(t)-(V(t+n+1)-V(t-1))/2)/V(t)，计算得到所述数据异常百分比，其中，M为所述数据异常百分比，V(t)为数据量，t为数据量对应的时间点，n为预设的异常访问周期。可选地，所述第一确定单元606用于执行以下步骤依据所述第一时间周期内的数据量及所述第一时间周期内的数据量对应的时间点，确定所述待检测时间点对应的第一预测数据量：根据所述第一时间周期内的数据量及所述第一时间周期内的数据量对应的时间点，确定第一线性函数；通过所述第一线性函数确定所述待检测时间点对应的第一预测数据量。可选地，如图8所示，检测数据访问异常的装置还包括：第二确定单元802。其中，第二确定单元802，用于依据所述历史访问数据，得出用于表示时间点与数据量之间的关系的第二线性函数；通过所述第二线性函数得到所述待检测时间点对应的第二预测数据量；其中，所述检测单元608，用于若所述待检测时间点对应的实际数据量大于所述第一预测数据量及所述第二预测数据量，确定所述实际数据量异常。此处需要说明的是，上述第二确定单元802对应于实施例一中的步骤S402至步骤S404，该模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例一所公开的内容。需要说明的是，上述模块作为装置的一部分可以运行在实施例一提供的计算机终端10中，可以通过软件实现，也可以通过硬件实现。可选地，如图9所示，检测数据访问异常的装置还包括：第三获取单元902。其中，第三获取单元902，用于根据所述待检测时间点的前一时间点对应的数据量，获取所述待检测时间点对应的第三预测数据量；其中，所述检测单元608，用于若所述待检测时间点对应的实际数据量大于所述第一预测数据量及所述第三预测数据量，确定所述实际数据量异常。此处需要说明的是，上述第三获取单元902对应于实施例一中的步骤S502，该模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例一所公开的内容。需要说明的是，上述模块作为装置的一部分可以运行在实施例一提供的计算机终端10中，可以通过软件实现，也可以通过硬件实现。可选地，所述第三获取单元902用于执行以下步骤根据所述待检测时间点的前一时间点对应的数据量，获取所述待检测时间点对应的第三预测数据量：通过公式Q＝W(t-1)×(1+A％)，计算得到所述第三预测数据量，其中，Q为所述第三预测数据量，W(t-1)为所述待检测时间点的前一时间点对应的数据量，A％为所述待检测时间点的数 据量相比于所述前一时间点的数据量增长的百分点。由此可知，现有技术存在的数据访问检测准确性较差，对于一组持续随增长的数据集而言，历史数据的均值对当前时间点新产生的数据已经不具有代表性的情况下，对于新产生的数据是否异常的判断就会有偏差；基于当前时间点新产生的数据和前一个时间点的数据做比较得出的检测结果又容易因为前一个时间点的数据已经异常的情况(连续的数据出现异常)而出现误判的问题，本申请提出一种基于历史访问数据中提取与待检测时间点属于相同时间周期的第一访问数据来进行异常数据检测的方法，通过拟合出待检测时间点对应的第一预测数据量，进而确定待检测时间点对应的实际数据量是否异常，达到了准确进行业务预警的目的，从而实现了提高检测数据访问异常的准确性的技术效果。实施例3本申请的实施例还提供了一种存储介质。可选地，在本实施例中，上述存储介质可以用于保存上述实施例一所提供的检测数据访问异常的方法所执行的程序代码。可选地，在本实施例中，上述存储介质可以位于计算机网络中计算机终端群中的任意一个计算机终端中，或者位于移动终端群中的任意一个移动终端中。可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：获取待检测时间点的历史访问数据，其中，所述历史访问数据包含访问参数的数据量及所述数据量对应的时间点；按照预先划分的时间周期，确定所述待检测时间点所属的第一时间周期，并从所述历史访问数据中提取处于所述第一时间周期内的第一访问数据，其中，所述第一访问数据包含所述第一时间周期内的数据量及所述第一时间周期内的数据量对应的时间点；依据所述第一时间周期内的数据量及所述第一时间周期内的数据量对应的时间点，确定所述待检测时间点对应的第一预测数据量；若所述待检测时间点对应的实际数据量大于所述第一预测数据量，确定所述实际数据量异常。可选地，存储介质还被设置为存储用于执行以下步骤的程序代码：获取所述历史访问数据的数据异常百分比，其中，所述数据异常百分比用于表示所述历史访问数据中的数据量与相邻时间点的数据量之间的变化率；若所述数据异常百分比大于第一预设阈值，确定所述数据异常百分比对应的访问数据为异常访问数据；从所述历史访问数据中去除所述异常访问数据。可选地，存储介质还被设置为存储用于执行以下步骤的程序代码：通过公式M＝(V(t)-(V(t+n+1)-V(t-1))/2)/V(t)，计算得到所述数据异常百分比，其中，M为所 述数据异常百分比，V(t)为数据量，t为数据量对应的时间点，n为预设的异常访问周期。可选地，存储介质还被设置为存储用于执行以下步骤的程序代码：根据所述第一时间周期内的数据量及所述第一时间周期内的数据量对应的时间点，确定第一线性函数；通过所述第一线性函数确定所述待检测时间点对应的第一预测数据量。可选地，存储介质还被设置为存储用于执行以下步骤的程序代码：依据所述历史访问数据，得出用于表示时间点与数据量之间的关系的第二线性函数；通过所述第二线性函数得到所述待检测时间点对应的第二预测数据量；其中，所述若所述待检测时间点对应的实际数据量大于所述第一预测数据量，确定所述实际数据量异常包括：若所述待检测时间点对应的实际数据量大于所述第一预测数据量及所述第二预测数据量，确定所述实际数据量异常。可选地，存储介质还被设置为存储用于执行以下步骤的程序代码：根据所述待检测时间点的前一时间点对应的数据量，获取所述待检测时间点对应的第三预测数据量；其中，所述若所述待检测时间点对应的实际数据量大于所述第一预测数据量，确定所述实际数据量异常包括：若所述待检测时间点对应的实际数据量大于所述第一预测数据量及所述第三预测数据量，确定所述实际数据量异常。可选地，存储介质还被设置为存储用于执行以下步骤的程序代码：通过公式Q＝W(t-1)×(1+A％)，计算得到所述第三预测数据量，其中，Q为所述第三预测数据量，W(t-1)为所述待检测时间点的前一时间点对应的数据量，A％为所述待检测时间点的数据量相比于所述前一时间点的数据量增长的百分点。可选地，在本实施例中，上述存储介质可以包括但不限于：U盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，RandomAccessMemory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。可选地，本实施例中的具体示例可以参考上述实施例1中所描述的示例，本实施例在此不再赘述。上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。在本申请的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。在本申请所提供的几个实施例中，应该理解到，所揭露的订单信息的处理装置，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述 单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，RandomAccessMemory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。以上所述仅是本申请的优选实施方式，应当指出，对于本
技术领域：
的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。当前第1页1 2 3