申请/专利权人：山东九州信泰信息科技股份有限公司

申请日：2019-10-23

公开（公告）日：2020-03-20

公开（公告）号：CN110895598A

主分类号：G06F17/16(20060101)

分类号：G06F17/16(20060101);G06N3/04(20060101)

优先权：

专利状态码：有效-授权

法律状态：2021.09.14#授权;2020.04.14#实质审查的生效;2020.03.20#公开

摘要：一种基于多源预测的实时异常检测并行化方法，实现了通用场景下针对多通道时间序列的无监督异常检测，底层的门控循环单元网络模型经训练后能够连续做出准确的序列推理，即预测给定帧的后续序列取值。采用多源预测的方式一方面提高了时序异常检测的鲁棒性，另一方面为上层检测算法的高度并行化提供支撑。其完全基于矩阵运算的、可高度并行化的、以多源预测结果为基础的时间序列异常检测算法，算法的输入、中间结果以矩阵形式存储，计算过程基于矩阵运算进行，适用于多线程的计算场景，结合现有的矩阵计算并行化方法容易实现高加速比，可大大降低复杂时间序列的异常检测开销。

主权项：1.一种基于多源预测的实时异常检测并行化方法，其特征在于，包括如下步骤：a通过公式构建非线性函数φxt,θt；L功能的循环神经网络，式中t为该时刻对应的时间帧，xt为t时刻的时间帧向量，θt为网络状态，L为探测距离，式中为t时刻之后下一帧向量取值的预测，为t时刻之后的第2帧的向量取值的预测，为t时刻之后第L帧的向量取值的预测；b通过公式建立一组局部序列预测的集合Z，式中k＝t-L+1,2,...,t，为t时刻的时间帧向量预测，为k时刻的时间帧向量预测；c通过公式将集合Z中的每一个预测序列基于行进行矩阵化存储，式中q为第k时刻的前一帧，即q≡k-1；d通过公式计算得到帧i的预测，其中标示帧i的第j个分量，m为目标时间序列的通道数，j＝1,2,...,m；e通过公式k＝t-L+1,2,...,t，将集合Z中每一个预测序列进行矩阵存储，提取以k时刻的帧为左端点，t时刻的帧为右端点的目标序列Sk,t＝xk,...,xt，其中xi＝x1i,x2i,...,xmi，i＝k,k+1,...,t，通过公式k＝t-L+1,2,...,t，将集合Z中局部序列Sk,t进行矩阵存储；f通过公式计算局部序列Sk,t与局部序列的预测的差异Dk,t，式中dk-1i,j为帧i在第j维分量上的预测值与实际值的差，即g通过公式Q＝{Dt-L+1,t,Dt-L+2,t,...,Dt,t}得到一组距离集合Q，Dt-L+1,t,Dt-L+2,t,...,Dt,t的计算方式采用并行计算；h通过公式将集合Q用矩阵G表示，利用公式P＝Pt-L,Pt-L+1,...,Pt-1记录距离集合Q中各预测源所对应的异常概率；i利用公式pt＝PG计算得到检测结果，pt即帧t的异常概率。

全文数据：

权利要求：

百度查询： 山东九州信泰信息科技股份有限公司 基于多源预测的实时异常检测并行化方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD