[发明专利]一种系统异常检测方法、装置及电子设备

权利要求书

1.一种系统异常检测方法，所述方法包括：

获取系统当前时间周期内出现的业务请求的所有类别和所有类别的业务请求中每一类业务请求的数量信息；

根据历史业务请求记录，获取所述每一类业务请求的历史特征数据，其中，所述历史特征数据表征每一类业务请求出现的周期性信息；

根据所述每一类业务请求的类别和历史特征数据，通过预先训练好的异常请求检测模型预测获得所述每一类业务请求的异常概率；

根据所有类别的业务请求中每一类业务请求的异常概率和数量信息，计算获得所述当前时间周期内异常业务请求的占比；

根据所述当前时间周期内异常业务请求的占比和所述当前时间周期之前预设时间段内各个时间周期内的异常业务请求的占比，获得所述当前时间周期内异常业务请求的占比增长参数，包括：根据所述当前时间周期之前各个时间周期内异常业务请求的占比，获取所述当前时间周期之前预设时间段内异常业务请求的占比的均值和标准差；获取所述当前时间周期异常业务请求的占比与所述均值的差值，及所述差值与所述标准差之间的比值，将所述比值作为所述占比增长参数；

若所述占比增长参数大于设定阈值，确定所述系统异常并报警。

2.如权利要求1所述的方法，所述根据所有类别的业务请求中每一类业务请求的异常概率和数量信息，计算获得所述当前时间周期异常业务请求的占比，包括：

其中，r_j表示所述当前时间周期异常业务请求的占比，N表示所述当前时间周期业务请求的种类数，w_i表示所有类别的业务请求中第i类业务请求的异常概率，h_i表示所述第i类业务请求的量级，i∈[1,N]。

3.如权利要求1所述的方法，根据历史业务请求记录，获取所述每一类业务请求的历史特征数据，包括：

根据历史业务请求记录，获取所述当前时间周期之前的第k个预设时间周期内每一类业务请求出现的天数和量级，k≥1；和/或

根据历史业务请求记录，获取当前时间周期之前的第k个预设时间周期内第t天每一类业务请求的量级占比，t∈[1,k]。

4.如权利要求1-3任一所述的方法，所述异常请求检测模型的训练方法包括：

根据历史业务请求记录获取样本集合，所述样本集合中每个样本包含一类业务请求的类别、历史特征数据和异常概率；

将所述样本集合中每个样本的类别数据、历史特征数据作为分类模型的输入数据、异常概率作为分类模型的标定结果进行模型训练，获得所述异常请求检测模型。

5.一种异常请求检测模型的训练方法，应用于如权利要求1-4中任一项所述的系统异常检测方法之前，包括：

根据历史业务请求记录获取样本集合，所述样本集合中每个样本包含一类业务请求的类别数据、历史特征数据和异常概率，其中，所述历史特征数据表征每一类业务请求出现的周期性信息，所述异常概率根据同类业务请求在后续预设时间周期内是否出现进行标定；

将所述样本集合中每个样本的类别、历史特征数据作为分类模型的输入数据、异常概率作为分类模型的标定结果进行模型训练，获得所述异常请求检测模型。

6.如权利要求5所述的方法，所述历史特征数据的获取方法包括：

根据历史业务请求记录，获取样本所处时间周期T之前的第k个预设时间周期内每一类业务请求出现的天数和量级，k≥1；和/或，

根据历史业务请求记录，获取样本所处时间周期T之前的第k个预设时间周期内第t天每一类业务请求出现的量级占比，t∈[1,k]。