[发明专利]一种检测设备异常的方法及装置

权利要求书

1.一种检测设备异常的方法，其特征在于，所述方法包括：

获取属于同一设备类型的目标设备的多个样本特征向量，其中，一个样本特征向量由同一历史采样时间点采集到的一个目标设备的多个运行指标构成，所述多个样本特征向量包括在所述目标设备运行正常时采集到的正样本特征向量，以及在所述目标设备运行异常时采集到的负样本特征向量；

针对每个负样本特征向量，确定与该负样本特征向量满足预设时空关联度条件的正样本特征向量，将所述负样本特征向量和确定出的正样本特征向量构成训练样本集合；

通过所述训练样本集合对初始神经网络模型进行训练，得到所述目标设备对应的异常检测模型；

当获取到任一目标设备的待检测特征向量时，将所述待检测特征向量输入至所述异常检测模型，得到所述目标设备的异常检测结果，所述待检测特征向量由同一采样时间点采集到的所述任一目标设备的多个运行指标构成。

2.根据权利要求1所述的方法，其特征在于，所述确定与该负样本特征向量满足预设时空关联度条件的正样本特征向量，包括：

根据预先存储的各样本特征向量对应的历史采样时间点，分别确定每个正样本特征向量与该负样本特征向量的时间距离；

确定与该负样本特征向量的时间距离小于第一预设阈值的正样本特征向量。

3.根据权利要求2所述的方法，其特征在于，所述根据预先存储的各样本特征向量对应的历史采样时间点，分别确定每个正样本特征向量与该负样本特征向量的时间距离，包括：

根据预先存储的各样本特征向量对应的历史采样时间点，针对每个正样本特征向量，计算该正样本特征向量对应的历史采样时间点，与该负样本特征向量对应的历史采样时间点之间的时间间隔；

计算所述时间间隔与预设采样周期的比值，将所述比值作为该正样本特征向量与该负样本特征向量的时间距离。

4.根据权利要求1-3任一项所述的方法，其特征在于，所述确定与该负样本特征向量满足预设时空关联度条件的正样本特征向量，包括：

根据预设的空间距离算法，分别确定每个正样本特征向量与该负样本特征向量的空间距离；

确定与该负样本特征向量的空间距离小于第二预设阈值的正样本特征向量。

5.一种检测设备异常的装置，其特征在于，所述装置包括：获取模块、确定模块、训练模块和输入模块；

所述获取模块，用于获取属于同一设备类型的目标设备的多个样本特征向量，其中，一个样本特征向量由同一历史采样时间点采集到的一个目标设备的多个运行指标构成，所述多个样本特征向量包括在所述目标设备运行正常时采集到的正样本特征向量，以及在所述目标设备运行异常时采集到的负样本特征向量；

所述确定模块，用于针对每个负样本特征向量，确定与该负样本特征向量满足预设时空关联度条件的正样本特征向量，将所述负样本特征向量和确定出的正样本特征向量构成训练样本集合；

所述训练模块，用于通过所述训练样本集合对初始神经网络模型进行训练，得到所述目标设备对应的异常检测模型；

所述输入模块，用于当获取到任一目标设备的待检测特征向量时，将所述待检测特征向量输入至所述异常检测模型，得到所述目标设备的异常检测结果，所述待检测特征向量由同一采样时间点采集到的所述任一目标设备的多个运行指标构成。

6.根据权利要求5所述的装置，其特征在于，所述确定模块，具体用于：

根据预先存储的各样本特征向量对应的历史采样时间点，分别确定每个正样本特征向量与该负样本特征向量的时间距离；

确定与该负样本特征向量的时间距离小于第一预设阈值的正样本特征向量。

7.根据权利要求6所述的装置，其特征在于，所述确定模块，具体用于：

根据预先存储的各样本特征向量对应的历史采样时间点，针对每个正样本特征向量，计算该正样本特征向量对应的历史采样时间点，与该负样本特征向量对应的历史采样时间点之间的时间间隔；

计算所述时间间隔与预设采样周期的比值，将所述比值作为该正样本特征向量与该负样本特征向量的时间距离。