[发明专利]一种检测设备异常的方法及装置

说明书

本申请实施例提供了一种检测设备异常的方法及装置，涉及计算机技术领域。该方法包括：获取属于同一设备类型的目标设备的多个样本特征向量；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；通过训练样本集合对初始神经网络模型进行训练，得到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，将待检测特征向量输入至异常检测模型，得到目标设备的异常检测结果，待检测特征向量由同一采样时间点采集到的任一目标设备的多个运行指标构成。采用本申请可以提高检测设备异常的准确度。

技术领域

本申请涉及计算机技术领域，特别是涉及一种检测设备异常的方法及装置。

背景技术

随着互联网技术的发展，网络服务已经深入到社会的各个领域，人们可以使用互联网进行搜索、购物、付款、娱乐等。因此，保障网络中的网络设备运行的稳定性越来越重要。

网络设备的运行状态可以通过各种运行指标反映出来，比如cpu占用率、内存占用率、数据访问量、数据访问时间等。相关技术中，网络中可以设置有运维服务器，运维服务器可以采集网络设备的各运行指标，并进行显示。例如，可以通过折线图的形式进行显示。这样，运维人员通过观察网络设备的各运行指标，确定网络设备是否发生异常。

然而，上述方案的人工成本较高，并且容易发生误判的情况。

发明内容

本申请实施例的目的在于提供一种检测设备异常的方法及装置，以实现提高检测设备异常的准确度的技术效果。具体技术方案如下：

第一方面，提供了一种检测设备异常的方法，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。

可选的，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。

可选的，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。

可选的，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；