背景技术:
1、异常检测可以发现时序(time series)数据中的异常的或不期望的事件。在本文中,时序数据指按时间顺序记录的数据序列,该数据序列中的数据点反映了特定现象、指标、事物等随时间变化的状态或程度。对于一个特定的观测实体或对象,可能同时获得多个时序数据。例如,对于观测实体“汽车”,可能获得分别对应于车速、发动机转速、油量等的多个时序数据。例如,对于观测实体“网站”,可能获得分别对应于网页点击率、下行数据传输速率、上行数据传输速率等的多个时序数据。来自同一观测实体的多个时序数据可以被视为关联于该观测实体的多个单变量时序数据,并且这些单变量时序数据可以形成一个多变量时序数据。与在单个的单变量时序数据的级别上执行异常检测相比,多变量时序数据异常检测可以直接使用多变量时序数据而在实体级别上执行异常检测,由此,异常检测结果将能够更准确地反映观测实体的整体状态。
技术实现思路
1、提供本
技术实现要素:
以便介绍一组概念,这组概念将在以下的具体实施方式中做进一步描述。本发明内容并非旨在标识所保护主题的关键特征或必要特征,也不旨在用于限制所保护主题的范围。
2、本公开的实施例提出了用于为多变量时序数据异常检测提供解释性的方法、装置和计算机程序产品。所述多变量时序数据异常检测可以是通过多变量时序数据异常检测模型、针对由多个时序数据所形成的多变量时序数据来执行的。可以从所述多变量时序数据异常检测模型处获得至少指示了异常时段的异常检测结果。可以确定所述多个时序数据在所述异常时段内的异常时段相关性度量。可以确定所述多个时序数据在所述异常时段之前的回溯时段内的回溯时段相关性度量。可以基于所述异常时段相关性度量与所述回溯时段相关性度量之间的差异,从所述多个时序数据中识别在所述异常时段内具有异常相关性的至少一个时序数据对。可以提供针对所述异常检测结果的解释性内容,所述解释性内容至少指示所述至少一个时序数据对。
3、应当注意,以上一个或多个方面包括以下详细描述以及权利要求中具体指出的特征。下面的说明书及附图详细提出了所述一个或多个方面的某些说明性特征。这些特征仅仅指示可以实施各个方面的原理的多种方式,并且本公开旨在包括所有这些方面和其等同变换。
1.一种用于为多变量时序数据异常检测提供解释性的方法,所述多变量时序数据异常检测是通过多变量时序数据异常检测模型、针对由多个时序数据所形成的多变量时序数据来执行的,所述方法包括:
2.如权利要求1所述的方法,其中,所述确定异常时段相关性度量包括:
3.如权利要求2所述的方法,其中,所述计算异常时段平均相关性度量包括:
4.如权利要求2所述的方法,其中,所述确定回溯时段相关性度量包括:
5.如权利要求4所述的方法,其中,所述计算回溯时段平均相关性度量包括:
6.如权利要求5所述的方法,其中,
7.如权利要求4所述的方法,其中,
8.如权利要求7所述的方法,其中,
9.如权利要求1所述的方法,还包括,对于每个时序数据:
10.如权利要求9所述的方法,其中,
11.如权利要求9所述的方法,还包括,对于每个时间点:
12.如权利要求11所述的方法,其中,
13.如权利要求1所述的方法,其中,
14.一种用于为多变量时序数据异常检测提供解释性的装置,所述多变量时序数据异常检测是通过多变量时序数据异常检测模型、针对由多个时序数据所形成的多变量时序数据来执行的,所述装置包括:
15.如权利要求14所述的装置,其中,所述确定异常时段相关性度量包括:
16.如权利要求15所述的装置,其中,所述确定回溯时段相关性度量包括:
17.如权利要求16所述的装置,其中,
18.如权利要求14所述的装置,其中,所述计算机可执行指令在被执行时还使得所述至少一个处理器,对于每个时序数据:
19.如权利要求18所述的装置,其中,所述计算机可执行指令在被执行时还使得所述至少一个处理器,对于每个时间点:
20.一种用于为多变量时序数据异常检测提供解释性的计算机程序产品,所述多变量时序数据异常检测是通过多变量时序数据异常检测模型、针对由多个时序数据所形成的多变量时序数据来执行的,所述计算机程序产品包括计算机程序,所述计算机程序被至少一个处理器运行用于: