[发明专利]一种时间序列异常检测系统及方法

说明书

本申请提供一种时间序列异常检测系统及方法，初始化伪标签生成单元对无标签的时序数据集中的部分数据自动标注伪标签，将携带有伪标签的部分数据确定为初始化伪标签数据集，迭代自训练单元利用伪标签数据集对迭代自训练单元进行训练，将时序数据集输入至训练后的迭代自训练单元，得到更新后的伪标签数据集，利用更新后的伪标签数据集继续对迭代自训练单元进行训练，继续将时序数据集输入至训练后的迭代自训练单元，重复得到更新后的伪标签数据集的过程，将迭代自训练单元最后一次输出结果作为时间序列异常检测结果，本申请实施例无需人工标注标签，利用自动标注的伪标签指导迭代自训练单元进行无监督学习，有效进行时间序列异常检测。

技术领域

本发明涉及金融领域，特别涉及一种时间序列异常检测系统及方法。

背景技术

时间序列异常检测是采用一定方法从一段给定的时间序列中将存在异常情况的时间点识别出来的过程，对于网络入侵数据、医疗数据、日志数据等领域有着重要意义，异常随时可能发展成为严重故障，因此准确及时的异常检测可以帮助企业尽早采取措施。随着近年来人工智能技术的不断发展，机器学习技术已成为时间序列异常检测中的重要手段，机器学习技术可以分为监督学习和无监督学习，监督学习较为成熟，准确度更高，但是对海量时序数据进行标注需要花费大量的时间和资源。无监督学习，虽然无需标注标签，但由于缺少标签指导训练过程，往往存在准确度不足的问题。

也就是说，如何在不需要为时序数据手工标注异常标签的情况下，充分利用时序数据，进行有效的时间序列异常检测，是急需解决的问题。

因此，现在亟需一种有效的时间序列异常检测方法。

发明内容

有鉴于此，本申请的目的在于提供一种时间序列异常检测系统及方法，能够对时间序列进行异常检测。

本申请实施例提供一种时间序列异常检测系统，所述系统包括：初始化伪标签生成单元和迭代自训练单元；

所述初始化伪标签生成单元用于对无标签的时序数据集中的部分数据自动标注伪标签，将所述携带有伪标签的部分数据确定为初始化伪标签数据集；

所述迭代自训练单元用于获取所述初始化伪标签数据集和所述时序数据集，利用所述伪标签数据集对所述迭代自训练单元进行训练，将所述时序数据集输入至所述训练后的迭代自训练单元，得到更新后的伪标签数据集，利用所述更新后的伪标签数据集继续对所述迭代自训练单元进行训练，继续将所述时序数据集输入至所述训练后的迭代自训练单元，重复得到更新后的伪标签数据集的过程，直到所述迭代自训练单元的训练次数达到预设次数，将所述迭代自训练单元最后一次对所述时序数据集进行处理的输出结果作为时间序列异常检测结果。

本申请实施例提供一种时间序列异常检测方法，所述方法包括：

对无标签的时序数据集中的部分数据自动标注伪标签，将所述携带有伪标签的部分数据确定为初始化伪标签数据集；

获取所述初始化伪标签数据集和所述时序数据集，利用所述伪标签数据集对迭代自训练单元进行训练，将所述时序数据集输入至所述训练后的迭代自训练单元，得到更新后的伪标签数据集，利用所述更新后的伪标签数据集继续对所述迭代自训练单元进行训练，继续将所述时序数据集输入至所述训练后的迭代自训练单元，重复得到更新后的伪标签数据集的过程，直到所述迭代自训练单元的训练次数达到预设次数，将所述迭代自训练单元最后一次对所述时序数据集进行处理的输出结果作为时间序列异常检测结果。