申请/专利权人：平安科技(深圳)有限公司

申请日：2020-11-19

公开（公告）日：2024-03-19

公开（公告）号：CN112380098B

主分类号：G06F11/30

分类号：G06F11/30;G06F11/34;G06N3/0464;G06N3/088

优先权：

专利状态码：有效-授权

法律状态：2024.03.19#授权;2021.11.19#实质审查的生效;2021.02.19#公开

摘要：本发明公开了一种时序异常检测方法、装置、计算机设备及存储介质，方法包括：利用第一卷积神经网络对时序数据样本进行卷积处理，得到局部邻近时间步关联的时序特征；利用注意力机制对时序特征的全局时间步进行关联，得到全局时间步关联的时序特征；利用变分自编码算法对全局时间步关联的时序特征进行编码和解码，得到重构的时序特征；利用第二卷积神经网络对重构的时序特征进行卷积处理，得到时序还原数据；利用时序数据样本与所述时序还原数据的差异检测所述时序数据样本的异常值，完成时序异常检测模型的构建；利用所述时序异常检测模型对待测时序数据进行检测，得到所述待测时序数据的异常值。本发明提高了模型适用性和准确率。

主权项：1.一种时序异常检测方法，其特征在于，包括：利用第一卷积神经网络对运维系统的时序数据样本进行卷积处理，得到局部邻近时间步关联的时序特征；利用注意力机制对所述时序特征的全局时间步进行关联，得到全局时间步关联的时序特征；利用变分自编码算法对所述全局时间步关联的时序特征进行编码和解码，得到重构的时序特征；利用第二卷积神经网络对所述重构的时序特征进行卷积处理，得到时序还原数据；利用所述时序数据样本与所述时序还原数据的差异检测所述时序数据样本的异常值，完成时序异常检测模型的构建；利用所述时序异常检测模型对待测时序数据进行检测，得到所述待测时序数据的异常值；所述利用第一卷积神经网络对运维系统的时序数据样本进行卷积处理，得到局部邻近时间步关联的时序特征，包括：利用所述第一卷积神经网络中的第一卷积层对所述时序数据样本进行卷积处理，得到第一中间特征；利用所述第一卷积神经网络中的第二卷积层对所述第一中间特征进行卷积处理，得到局部邻近时间步关联的时序特征；所述利用注意力机制对所述时序特征的全局时间步进行关联，得到全局时间步关联的时序特征，包括：将局部邻近时间步关联的时序特征作为输入数据，根据所述输入数据分别构建查询矩阵、键矩阵和值矩阵；将所述查询矩阵乘以所述键矩阵，并利用激活函数对乘积结果进行激活，得到注意力权重；将所述注意力权重与所述值矩阵相乘，并与输入数据进行连接，输出得到全局时间步关联的时序特征。

全文数据：

权利要求：

百度查询： 平安科技(深圳)有限公司 一种时序异常检测方法、装置、计算机设备及存储介质

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