[发明专利]用于识别数据异常的方法、装置、服务器和介质

权利要求书

1.一种用于识别数据异常的方法，包括：

获取预设时间段内的目标数据序列；

确定所述目标数据序列对应的预测值；

基于所述目标数据序列和所述预测值，提取数据特征指标；

将所述数据特征指标输入至预先训练的自主学习模型，生成用于表征是否存在数据异常的提示信息。

2.根据权利要求1所述的方法，其中，所述获取预设时间段内的目标数据序列，包括：

获取所述预设时间段内的各子时间段对应的原始数据序列；

对所述原始数据序列进行预处理，生成所述预设时间段内的目标数据序列。

3.根据权利要求2所述的方法，其中，所述对所述原始数据序列进行预处理，生成所述预设时间段内的目标数据序列，包括：

获取与所述原始数据序列对应的最小可统计阈值；

确定所述原始数据序列的参考值；

响应于确定所述参考值小于所述最小可统计阈值，执行以下时间段聚合步骤：将所述原始数据序列中每目标数目个相邻的子时间段对应的原始数据进行求和，生成新的原始数据序列；确定所述新的原始数据序列的参考值；

响应于确定所述新的原始数据序列的参考值小于所述最小可统计阈值，继续执行所述时间段聚合步骤；

响应于确定所述新的原始数据序列的参考值不小于所述最小可统计阈值，将所述新的原始数据序列确定为所述预设时间段内的目标数据序列。

4.根据权利要求2所述的方法，其中，所述对所述原始数据序列进行预处理，生成所述预设时间段内的目标数据序列，包括：

确定所述原始数据序列的参考值；

基于所述原始数据序列中各原始数据与所述参考值之间的比较，对所述原始数据序列中的原始数据进行重映射，生成映射后的数据；

基于映射后的数据，生成所述预设时间段内的目标数据序列。

5.根据权利要求1所述的方法，其中，所述确定所述目标数据序列对应的预测值，包括：

将所述目标数据序列输入至预先训练的时序预测模型，得到对应的预测值，其中，所述时序预测模型基于目标训练样本训练得到，所述目标训练样本中包括时间跨度不小于所述目标数据序列对应的时间跨度的样本数据。

6.根据权利要求1所述的方法，其中，所述基于所述目标数据序列和所述预测值，提取数据特征指标，包括：

获取与所述预设时间段匹配的至少一个历史数据序列，其中，历史数据序列对应的历史时间段与所述预设时间段相匹配；

基于所述目标数据序列和所述至少一个历史数据序列，提取第一数据特征指标，其中，所述第一数据特征指标用于指示预设时间段内的目标数据与历史时间段内的数据之间的差异；

基于所述目标数据序列中的数据与对应的预测值，提取第二数据特征指标，其中，所述第二数据特征指标用于指示同一时间段内的数据与对应的预测值之间的差异；

基于所述目标数据序列和所述至少一个历史数据序列，提取第三数据特征指标，其中，所述第三数据特征指标用于指示时间段内的数据变化趋势。

7.根据权利要求1-6之一所述的方法，其中，所述方法还包括：

响应于确定所述提示信息用于表征存在数据异常，向目标端发送告警信息；

接收所述目标端反馈的告警处理反馈信息，其中，所述告警处理反馈信息包括以下至少一项：异常数据严重等级，告警响应时间；

基于所述告警处理反馈信息，生成用于训练异常分级模型的训练样本，其中，所述训练样本包括用于表征异常严重程度的标注值。