CN119475182A 一种设备异常数据检测方法、装置、设备及存储介质 （郑州云海信息技术有限公司）

大小及时间尺度序列数据计算各时间尺度的异并基于敏感度中的最大值计算异常数据检测阈备的待检测数据的异常得分，得到当前异常得2按照不同的时间尺度，对当前时刻前预设时长内目标设备的历史时基于预设滑动窗口大小及所述时间尺度序列数据分基于所述第一异常得分和预设分数阈值计算各时间尺度的敏感度，基于所述预设滑动窗口大小，计算当前时刻所述目标设备的待检测数据的异常得分，根据所述当前异常得分与所述异常数据检测阈值之间的比较结果确定所述待检测数大小及所述时间尺度序列数据分别计算各时间尺度的异常得分，得到多个第一异常得分，基于预设滑动窗口大小及所述时间尺度序列数据分别计算各时间尺度的移动平均值，基于所述时间尺度序列数据、所述移动标准差及所述移动平均值计分别计算各所述时间尺度序列数据中多个数据的和值，计算所述第一和值与所述第一统计结果的比值，得到第一于预设滑动窗口大小及所述第一比值分别计算各时计算所述目标差值的绝对值，并计算所述绝对值与所述获取所述预设时长内各时间尺度对应的多个所述第一异常得分中大于预设分数阈值3确定多个时间尺度对应的多个所述敏感度中的最大值，并确定所述最大值对应的目标时间尺度，并获取与所述目标计算所述目标标准差与预设可调参数的乘积，并计算所述乘积与所述目标均值的和得分与所述异常数据检测阈值之间的比较结果确定所述待检测数据是否为异常数据，包若所述当前异常得分大于所述异常数据检测阈值，则判定所述待检测数据为异常数若所述当前异常得分不大于所述异常数据检测阈值，则判得分与所述异常数据检测阈值之间的比较结果确定所述待检测数据是否为异常数据之后，若所述待检测数据为异常数据，则统计预设时间计算所述第二数量与所述第一数量的比值，得到第二比值若所述第二比值大于所述预设误报阈值，则调小所述预设按照分钟时间尺度、小时时间尺度、天时间尺度和周时间尺度对所预设时长内服务器中待监测组件的历史运行数据和/或历史状态数据，得到历史时间序列获取当前时刻前预设时长内按照预设采集周期记录的服务器中CPU的使用率，得到历常得分与所述异常数据检测阈值之间的比较结果确定所述待检测数据是否为异常数据之4所述当前异常得分与所述异常数据检测阈值之间的比较结果确定所述待检测数据是否为若所述待检测数据为异常数据，则生成包含所述异常数据、被处理器执行时实现如权利要求1至12任一项所述的设备异常器中保存的计算机程序时实现如权利要求1至12任一项所述的设备序被处理器执行时实现如权利要求1至12任一项所述的5[0004]而当前主流的设备异常数据检测方法如基于统计的异常检测方法和基于机器学习的异常检测方法也存在一些缺陷，例如，基于统计的异常检测方法中的移动平均法数据的平均值之间的偏差来识别异常，但通常只在单一时间尺度上进行分析（即时间尺度固定因此可能会忽视其他尺度上的异常，并且，该方法使用的固定阈值可能不适应数据算法，这种方法通过构建决策树来识别异常点，具体是通过随机选择特征和分割点来构建在决策树中的平均路径长度以及预设的阈值，将得分高于阈值的点标记为异常点，然而这视了数据的时序信息和多尺度特性。[0008]基于预设滑动窗口大小及所述时间尺度序列数据分别计算各时间尺度的异常得6[0011]根据所述当前异常得分与所述异常数据检测阈值之间的比较结果确定所述待检[0013]基于预设滑动窗口大小及所述时间尺度序列数据分别计算各时间尺度的移动平法基于预设滑动窗口大小及所述第一比值分别计算各时间[0021]可选的，所述基于所述第一异常得分和预设分数阈值计[0022]获取所述预设时长内各时间尺度对应的多个所述第一异常得分中大于预设分数7[0033]若所述待检测数据为异常数据，则统计预设时间内被判定为所述异常数据的数[0040]可选的，所述获取当前时刻前预设时长内服务器中待监测组件的历史运行数据[0041]获取当前时刻前预设时长内按照预设采集周期记录的服务器中CPU的使用率，得[0043]若所述待检测数据为异常数据，则判断所述待检测数据是否大于预设使用率阈机程序/指令被处理器执行时实现前述的设备异常数执行所述存储器中保存的计算机程序时实现前述的设备8所述计算机程序被处理器执行时实现前述的设备异常数同时间尺度的序列数据，通过将单一的时间序列数据转换为多个不同时间尺度的序列数史时间序列数据，如服务器中每隔5分钟记录的CPU（中央处理器，CentralProcessing9算这12*24*7个数据的均值得到周时间尺度对应的1个[0060]步骤S12：基于预设滑动窗口大小及所述时间尺度序列数据分别计算各时间尺度口大小k及上述时间尺度序列数据分别计算各个时间尺度的异常得分，得到形相应的多个滑动窗口大小k和时间尺度序列数据分别计算各个时间尺度的移动平均值，然后基于上述值与统计结果的比值；其中，小时时间尺度对应的比值计算公式为X_h(t)=Σ(X_m(t)[0068]具体的，所述基于所述第一异常得分和预设分数阈值计时间尺度对应的多个所述第一异常得分中大于预设分数阈值的得分，得到第二异常得分，w})，然后计算最大值Best_scale对应的第一异常得分Score_s(t)在预设时长内（如一周预设可调参数α的乘积，再计算所述乘积与目标均值μ的和值，得到异常数据检测阈值[0070]需要指出的是，对于预设分数阈值（threshold是通过对初始分数阈值[0074]步骤S15：根据所述当前异常得分与所述异常数据检测阈值之间的比较结果确定常得分与上述异常数据检测阈值之间的比较结果直接确定出当前待检测数据是否为异常判定当前待检测数据为异常数据；如果不小于（即Score_Best_scale(t)<Threshold_dynamic(t)或Score_Best_scale(t)=Threshold_dynamic(t)则判定当前待检测数据为大小及所述时间尺度序列数据分别计算各时间尺度的异常得分，得到多个第一异常得分，预设时长内按照预设采集周期记录的服务器中CPU的使用率，得到历史时间序列数据。例[0086]步骤S23：基于预设滑动窗口大小及所述时间尺度序列数据分别计算各时间尺度间尺度序列数据生成小时级时间尺度序列数据（通过计算每小时12个数据点的平均值得每周7天数据的平均值得到再对每个时间尺度，使用24小时的滑动窗口k计算移动平均[0090]例如，通过对预设时长内（一周内）的数据进行分析，并基于敏感度计算公式[0092]步骤S27：根据所述当前异常得分与所述异常数据检测阈值之间的比较结果确定所述待检测数据是否大于预设使用率阈值；若所述待检测数据大于所述预设使用率阈值，异常检测的异常数据检测阈值。本申请实施例通过在多个时间尺度上同时进行异常检测，取外界输入数据或向外界输出数据，其具体的接口类型可以根据具体应用需要进行选取，[0102]其中，操作系统221用于管理与控制电子设备20上的各硬件设备以及计算机程序完成前述任一实施例公开的由电子设备20