[发明专利]一种异常检测的方法及装置

说明书

本申请公开了一种异常检测的方法及装置，在通过STL方法进行检测之前，先对时间序列进行频谱分析，确定时间序列的周期，之后针对每个周期，确定该周期中包含的干扰数据，再根据各周期包含的业务数据，对该周期包含的干扰数据进行调整，最后通过STL方法对调整后的时间序列进行异常检测。

技术领域

本申请涉及信息技术领域，尤其涉及一种异常检测的方法及装置。

背景技术

目前，随着线上业务的快速发展，使得线上业务的业务量在不断增加。而业务量的增加对运维工作(如，及时发现业务执行过程中的异常，并采取相应的应对措施)提出了较高要求。

在现有技术中，当需要监控的线上业务的业务量较大时，若对每个业务均进行监控，会导致资源耗费过多。因此，通常采用时间序列分析(Seasonal and Trenddecomposition using Loess，STL)方法，对业务量较大的线上业务是否出现异常进行监测。

具体的，STL方法是基于社会活动存在规律这一假设的。由于用户的活动在时间上是存在规律的(例如，工作日存在上下班高峰期，人们需要吃午饭和晚饭)，因此由用户发起的业务在时间上也存在规律(如，购买公交车票的业务在上下班高峰期时的业务量会较高，其余时间业务量较少，餐饮业在中午和晚间业务量较高，而其余时间业务量较少)。于是，STL方法可根据业务数据存在的规律，来判断业务是否出现异常。

现有STL方法，将确定的业务数据在时间上的分布(即，时间序列)进行分解，得到该时间序列对应的趋势性部分、周期性部分以及随机部分，之后通过删除周期性部分，根据对趋势性部分以及随机部分进行假设检验，对时间序列中的异常点排查。

但是，现有STL方法的检测准确率较低，因此本说明书提供一种新的异常检测方法。

发明内容

本说明书实施例提供一种异常检测的方法及装置，用于解决现有STL方法，检测准确率低的问题。

本说明书实施例采用下述技术方案：

一种异常检测的方法，包括：

确定业务数据对应的时间序列；

对所述时间序列进行频谱分析，确定所述时间序列的周期；

针对每个周期，确定该周期包含的干扰数据；

根据该周期包含的各业务数据和/或其他周期包含的各业务数据，调整该周期包含的干扰数据；

通过时间序列分析STL方法，对调整干扰数据后的时间序列进行异常检测。

一种异常检测的装置，包括：

时间序列确定模块，确定业务数据对应的时间序列；

周期确定模块，对所述时间序列进行频谱分析，确定所述时间序列的周期；

干扰确定模块，针对每个周期，确定该周期包含的干扰数据；

数据处理模块，根据该周期包含的各业务数据和/或其他周期包含的各业务数据，调整该周期包含的干扰数据；

异常检测模块，通过时间序列分析STL方法，对调整干扰数据后的时间序列进行异常检测。

一种服务器，其中，所述服务器包括：一个或多个处理器及存储器，存储器存储有程序，并且被配置成由一个或多个处理器执行以下步骤：

确定业务数据对应的时间序列；

对所述时间序列进行频谱分析，确定所述时间序列的周期；

针对每个周期，确定该周期包含的干扰数据；

根据该周期包含的各业务数据和/或其他周期包含的各业务数据，调整该周期包含的干扰数据；