[发明专利]基于时间序列的异常检测方法

摘要

本发明公开了一种基于时间序列的异常检测方法，包括节点内数据相关性分析和节点间数据相关性分析：节点内数据相关性描述的是传感器节点数据的时间相关性，计算当前数据与历史数据之间的数据相关性；节点间数据相关性描述的是不同传感器节点之间的空间数据相关性，计算传感器节点数据与其邻居节点数据之间的数据相关性。本发明提供的基于时间序列的异常检测方法，能有效地检测出异常数据，而且在有错误数据的影响下仍能保持良好的性能；同时本发明应用了一种时间序列数据的近似方法，能够有效地压缩时间序列数据，并给出了压缩时间序列之间相似性的度量方法，用于时间序列的聚类分析，从而实现基于时间序列的异常检测。

主权项

基于时间序列的异常检测方法，其特征在于：包括如下步骤：（1）各个节点获取自身的检测数据，进入步骤（2）；（2）各节点对本地数据进行时间相关性分析，即计算节点当前时间窗口内数据与历史时间窗口内数据的欧几里德距离：若计算结果小于给定距离阈值，则当前时间窗口内数据与历史时间窗口内数据满足时间相关性，为正常数据，返回步骤（1）；否则当前时间窗口内数据与历史时间窗口内数据不满足时间相关性，为不正常数据，进入步骤（3）；（3）各节点将当前窗口内数据进行近似压缩，并将压缩后的数据发送至邻居节点，进入步骤（4）；（4）各节点进行空间相关性计算，计算本节点当前时间窗口内的压缩数据与接收到的邻居节点压缩数据之间的近似欧几里德距离或下界距离：若计算结果小于给定距离阈值，则本节点当前时间窗口内的压缩数据与接收到的邻居节点压缩数据满足空间相关性；否则本节点当前时间窗口内的压缩数据与接收到的邻居节点压缩数据不满足空间相关性；本节点将判定结果反馈给压缩数据发送方节点，进入步骤（5）；（5）各节点根据邻居节点的反馈结果，对本节点的不正常数据进行审查，判别其为异常数据或是错误数据：若存在一定数量的邻居节点与本节点的不正常数据存在相关性，则该不正常数据为异常数据；若不存在邻居节点与本节点的不正常数据具有相关性，则该不正常数据为错误数据。