时序数据异常检测方法、电子设备及计算机存储介质_亚信科技.pdf
10墨值下载
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号
(43)申请公布日
(21)申请号 202210583443.2
(22)申请日 2022.05.25
(71)申请人 亚信科技（中国）有限公司
地址 100193 北京市海淀区西北旺东路10
号院东区19号楼1层101
(72)发明人 韦强申 宋勇 叶晓舟 欧阳晔
(74)专利代理机构 北京市立方律师事务所
11330
专利代理师 张筱宁
(51)Int.Cl .
G06K
9/62
(2022 .01)
G06F
16/2458
(2019 .01)
G06N
3/04
(2006 .01)
G06N
3/08
(2006 .01)
(54)发明名称
时序数据异常检测方法、电子设备及计算机
存储介质
(57)摘要
本申请实施例提供了一种时序数据异常检
测方法、电子设备及计算机存储介质，涉及人工
智能领域。该方法包括：对待检测的原始时序数
据进行预处理，得到第一时序数据；接着，基于核
密度估计KDE算法，对第一时序数据进行编码处
理，得到对应的时序编码序列；接着，确定时序编
码序列的编码向量和位置向量，并对编码向量和
位置向量进行嵌入Embedding处理，得到处理后
的向量序列；接着，通过预训练的异常检测模型
确定处理后的向量序列中每个编码对应的概率
值，来确定第一时序数据中的异常数据，其中，异
常检测模型为包括膨胀门卷积神经网络DGCNN和
注意力Attention网络的网络模型。该方法可以
提高异常检测准确率，改善检测效果。
权利要求书2页 说明书11页 附图3页
CN 114970717 A
2022.08.30
CN 114970717 A
1 .一种时序数据异常检测方法，其特征在于，包括：
对待检测的原始时序数据进行预处理，得到第一时序数据；
基于核密度估计KDE算法，对所述第一时序数据进行编码处理，得到对应的时序编码序
列；
确定所述时序编码序列的编码向量和位置向量，并对所述编码向量和所述位置向量进
行嵌入Embedding处理，得到处理后的向量序列；
通过预训练的异常检测模型确定所述处理后的向量序列中每个编码对应的概率值，来
确定所述第一时序数据中的异常数据，其中，所述异常检测模型为包括膨胀门卷积神经网
络DGCNN和注意力Attention网络的网络模型。
2.根据权利要求1所述的方法，其特征在于，所述对待检测的原始时序数据进行预处
理，包括以下至少一项：
通过按照采集频率对时间进行归一化处理，从所述原始时序数据中剔除时间重复的时
序数据；
依据分位数法，将所述原始时序数据中高于预定阈值的时序数据替换为分位值；
利用线性差值法填充所述原始时序数据中的空值。
3 .根据权利要求1所述的方法，其特征在于，所述基于核密度估计KDE算法，对所述第一
时序数据进行编码处理，包括：
计算所述第一时序数据的自相关系数，并根据所述自相关系数确定所述第一时序数据
是否具有周期性；
若确定所述第一时序数据具有周期性，则基于核密度估计KDE算法，对所述第一时序数
据进行编码处理。
4 .根据权利要求3所述的方法，其特征在于，所述根据所述自相关系数确定所述第一时
序数据是否具有周期性，包括：
根据所述自相关系数分析确定所述第一时序数据的周期；
根据所述周期对所述第一时序数据进行周期分解，并基于周期分解的结果，确定所述
第一时序数据的周期分量、趋势分量和残差分量；
计算所述周期分量与所述残差分量的分布差异，并根据所述分布差异确定所述第一时
序数据是否具有周期性。
5 .根据权利要求1‑4任一项所述的方法，其特征在于，所述基于核密度估计KDE算法，对
所述第一时序数据进行编码处理，包括：
利用所述KDE算法，将训练数据集中的训练数据进行等间距切分，并对同一间距内的训
练数据进行编码映射处理；
根据所述编码映射处理的结果，对所述第一时序数据进行编码处理，并将所述第一时
序数据转化为时序编码序列。
6 .根据权利要求1‑4任一项所述的方法，其特征在于，所述通过预训练的异常检测模型
确定所述处理后的向量序列中每个编码对应的概率值，来确定所述第一时序数据中的异常
数据，包括：
将所述处理后的向量序列输入至所述预训练的异常检测模型，并通过所述DGCNN对所
述处理后的向量序列进行处理，得到第一处理结果；
权 利 要 求 书
1/2 页
2
CN 114970717 A
2
将所述第一处理结果输入至所述Attention网络，并通过Softmax对所述第一处理结果
进行处理，得到所述向量序列中每个编码对应的概率值；
通过确定所述概率值是否为异常概率，来确定所述每个编码对应的所述第一时序数据
中的时序数据是否为异常数据。
7 .根据权利要求1或6所述的方法，其特征在于，所述DGCNN的最大膨胀率为 p
>1为所述第一时序数据的周期分量。
8.一种时序数据异常检测装置，其特征在于，包括：
预处理模块，用于对待检测的原始时序数据进行预处理，得到第一时序数据；
第一处理模块，用于基于核密度估计KDE算法，对所述第一时序数据进行编码处理，得
到对应的时序编码序列；
第二处理模块，确定所述时序编码序列的编码向量和位置向量，并对所述编码向量和
所述位置向量进行嵌入Embedding处理，得到处理后的向量序列；
确定模块，用于通过预训练的异常检测模型确定所述处理后的向量序列中每个编码对
应的概率值，来确定所述第一时序数据中的异常数据，其中，所述异常检测模型为包括膨胀
门卷积神经网络DGCNN和注意力Attention网络的网络模型。
9.一种电子设备，包括存储器、处理器及存储在存储器上的计算机程序，其特征在于，
所述处理器执行所述计算机程序以实现权利要求1‑7任一项所述方法的步骤。
10 .一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序
被处理器执行时实现权利要求1‑7任一项所述的方法的步骤。
11 .一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执
行时实现权利要求1‑7任一项所述方法的步骤。
权 利 要 求 书
2/2 页
3
CN 114970717 A
3
of 17
10墨值下载
【版权声明】本文为墨天轮用户原创内容，转载时必须标注文档的来源（墨天轮），文档链接，文档作者等基本信息，否则作者和墨天轮有权追究责任。如果您发现墨天轮中有涉嫌抄袭或者侵权的内容，欢迎发送邮件至：contact@modb.pro进行举报，并提供相关证据，一经查实，墨天轮将立刻删除相关内容。
下载排行榜
1
2
9-数据库人的进阶之路：从PG分区、SQL优化到拥抱AI未来（罗敏）.pptx
3
1-PG版本兼容性案例（彭冲）.pptx
4
2-TDSQL PG在复杂查询场景中的挑战与实践-opensource.pdf
5
6-PostgreSQL 哈希索引原理浅析（文一）.pdf
6
3-AI时代的变革者-面向机器的接口语言(MOQL)_吕海波.pptx
7
8-基于PG向量和RAG技术的开源知识库问答系统MaxKB.pptx
8
4-IvorySQL V4：双解析器架构下的兼容性创新实践.pptx
9
7-拉起PG好伙伴DifySupaOdoo.pdf
10
《云原生安全攻防启示录》李帅臻.pdf
文档被以下合辑收录
相关文档
评论