时序异常检测方法、装置、终端设备以及存储介质与流程

本申请涉及数据处理领域，尤其涉及一种时序异常检测方法、装置、终端设备以及存储介质。

背景技术：

1、在运维领域存在大量的时序数据，需要对这些时序数据进行分析，以便捕捉异常趋势，并及时发现监控对象的异常行为。

2、目前针对异常检测主要有两种方式，一种方式是用户直接使用目前开源的异常检测方案如egads(extensible generic anomaly detection system,可扩展通用异常检测系统)，虽然部署成本较低，但由于用户需求的检测场景中时序指标多，监控场景多和模式多,而开源的异常检测方案中配置的异常检测算法单一，因而开源的异常检测方案很难满足用户自身需求，导致得到的检测结果误报率和漏报率都非常高；另外一种方式是用户根据自身需求部署定制化异常检测程序，但对开发能力要求高，而且维护的成本非常高。

技术实现思路

1、本申请的主要目的在于提供一种时序异常检测方法、装置、终端设备以及存储介质，旨在以低成本提高时序异常检测效果。

2、为实现上述目的，本申请提供一种时序异常检测方法，所述时序异常检测方法包括：

3、通过预设的指标平台，获取监控对象的待检测时序数据；

4、通过预设的多基线模型对所述待检测时序数据进行基线匹配和异常判定，得到异常指标，其中，所述指标平台和所述多基线模型通过预设的中间件进行交互；

5、可选地，所述通过预设的多基线模型对所述待检测时序数据进行基线匹配和异常判定，得到异常指标的步骤之前还包括：

6、创建所述多基线模型，具体步骤包括：

7、通过所述指标平台，获取样本时序数据和样本时序指标异常点；

8、基于预设的模型训练平台，对所述样本时序数据和所述样本时序指标异常点进行训练，得到所述多基线模型，其中，所述模型训练平台、所述指标平台和所述多基线模型通过所述中间件进行交互。

9、可选地，所述对所述样本时序数据和所述样本时序指标异常点进行训练，得到所述多基线模型的步骤包括：

10、基于若干个初始基线算法，对所述样本时序数据和所述样本时序指标异常点进行训练，得到若干个初始基线模型；

11、基于预设的算法验证评分平台，对所述若干个初始基线模型进行调整和筛选，得到所述多基线模型，其中，所述算法验证评分平台和所述模型训练平台和所述多基线模型通过所述中间件进行交互。

12、可选地，所述对所述若干个初始基线模型进行调整和筛选，得到所述多基线模型的步骤包括：

13、根据所述样本时序数据和所述样本时序指标异常点，获得标准样本指标走势；

14、对所述若干个初始基线模型进行验证，得到若干个验证指标走势和若干个验证指标；

15、对比所述若干个验证指标走势和所述标准样本指标走势，得到若干个对比走势图；

16、分析所述若干个对比走势图和所述若干个验证指标，得到验证结果；

17、根据所述验证结果，对所述若干个初始基线模型进行调整和筛选，得到所述多基线模型。

18、可选地，所述多基线模型包括若干个可选基线算法，所述通过预设的多基线模型对所述待检测时序数据进行基线匹配和异常判定，得到异常指标的步骤包括：

19、基于所述若干个可选基线算法对所述待检测时序数据进行基线匹配，得到若干个算法指标；

20、根据所述若干个算法指标，对所述若干个可选基线算法进行筛选，得到最终基线算法；

21、基于所述最终基线算法对所述待检测时序数据进行异常判定，得到所述异常指标。

22、可选地，所述通过预设的多基线模型对所述待检测时序数据进行基线匹配和异常判定，得到异常指标的步骤之后还包括：

23、若所述异常指标满足预设的告警阈值条件，则进行告警。

24、可选地，所述若所述异常指标满足预设的告警阈值条件，则进行告警的步骤之后还包括：

25、获取标准指标；

26、根据所述标准指标绘制标准走势；

27、根据所述异常指标，绘制异常走势；

28、结合所述标准走势和所述异常走势，制定检测走势图。

29、本申请实施例还提出一种时序异常检测装置，所述时序异常检测装置包括：

30、信息获取模块，用于通过预设的指标平台，获取监控对象的待检测时序数据；

31、异常检测模块，用于通过预设的多基线模型对所述待检测时序数据进行基线匹配和异常判定，得到异常指标，其中，所述指标平台和所述多基线模型通过预设的中间件进行交互。

32、本申请实施例还提出一种终端设备，所述终端设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的时序异常检测程序，所述时序异常检测程序被所述处理器执行时实现如上所述的时序异常检测方法的步骤。

33、本申请实施例还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有时序异常检测程序，所述时序异常检测程序被处理器执行时实现如上所述的时序异常检测方法的步骤。

34、本申请实施例提出的时序异常检测方法、装置、终端设备以及存储介质，通过预设的指标平台，获取监控对象的待检测时序数据；通过预设的多基线模型对所述待检测时序数据进行基线匹配和异常判定，得到异常指标，其中，所述指标平台和所述多基线模型通过预设的中间件进行交互。通过指标平台获取监控对象的待检测时序数据，再通过多基线模型中的若干条基线对待检测时序数据进行基线匹配后，对待检测时序数据进行异常检测，得到异常指标，根据异常指标进行检测进行告警。可以理解地，通过指标平台即可获取监控对象的待检测时序数据，而且指标平台和多基线模型通过中间件进行交互，可以在免除部署模型的基本上直接获取待检测时序数据进行检测，从而降低开发成本和运维成本；结合多基线模型包含了若干个可选基线算法，可以根据实际应用情况选择最合适的基线算法进行时序检测，能有效对监控对象进行检测，从而提高检测效果，最终低成本提高了时序异常检测效果。

技术特征：

1.一种时序异常检测方法，其特征在于，所述时序异常检测方法包括：

2.根据权利要求1所述的时序异常检测方法，其特征在于，所述通过预设的多基线模型对所述待检测时序数据进行基线匹配和异常判定，得到异常指标的步骤之前还包括：

3.根据权利要求2所述的时序异常检测方法，其特征在于，所述对所述样本时序数据和所述样本时序指标异常点进行训练，得到所述多基线模型的步骤包括：

4.根据权利要求3所述的时序异常检测方法，其特征在于，所述对所述若干个初始基线模型进行调整和筛选，得到所述多基线模型的步骤包括：

5.根据权利要求1所述的时序异常检测方法，其特征在于，所述多基线模型包括若干个可选基线算法，所述通过预设的多基线模型对所述待检测时序数据进行基线匹配和异常判定，得到异常指标的步骤包括：

6.根据权利要求1所述的时序异常检测方法，其特征在于，所述通过预设的多基线模型对所述待检测时序数据进行基线匹配和异常判定，得到异常指标的步骤之后还包括：

7.根据权利要求6所述的时序异常检测方法，其特征在于，所述若所述异常指标满足预设的告警阈值条件，则进行告警的步骤之后还包括：

8.一种时序异常检测装置，其特征在于，所述时序异常检测装置包括：

9.一种终端设备，其特征在于，所述终端设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的时序异常检测程序，所述时序异常检测程序被所述处理器执行时实现如权利要求1-7中任一项所述的时序异常检测方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有时序异常检测程序，所述时序异常检测程序被处理器执行时实现如权利要求1-7中任一项所述的时序异常检测方法的步骤。

技术总结
本申请公开了时序异常检测方法、装置、终端设备以及存储介质，涉及数据处理领域，其方法包括：通过预设的指标平台，获取监控对象的待检测时序数据；通过预设的多基线模型对所述待检测时序数据进行基线匹配和异常判定，得到异常指标，其中，所述指标平台和所述多基线模型通过预设的中间件进行交互。本发明以低成本提高了时序异常检测效果。

技术研发人员：李雄飞
受保护的技术使用者：招商银行股份有限公司
技术研发日：
技术公布日：2024/1/16