[发明专利]多元KPI时间序列的检测方法、装置、设备及存储介质

说明书

本发明涉及人工智能技术领域，公开了一种多元KPI时间序列的检测方法、装置、计算机设备及计算机可读存储介质，该方法包括：通过根据预置切分策略和待训练的多元KPI时间序列，得到对应的待训练的多段子多元KPI时间序列，其中，待训练的子多元KPI时间序列为无标签；根据待训练的子多元KPI时间序列训练预置模型，生成对应的确定性模型；获取待检测的多元KPI时间序列；根据待检测的多元KPI时间序列和确定性模型，获取待检测的多元KPI时间序列中待检测数值的重建概率值；根据预置阈值和待检测数值的重建概率值，确定待检测数值对应的时刻是否为异常点，实现通过无标签的多元KPI时间序列生成确定性模型，增强了模型的鲁棒性，并提高了检测的准确率。

技术领域

本申请涉及人工智能技术领域，尤其涉及一种多元KPI时间序列的检测方法、装置、计算机设备及计算机可读存储介质。

背景技术

工业设备，例如服务器、航天器、机器人辅助系统、引擎等通常会产生多个时间序列指标，以便可以及时检测到每个设备的行为异常。来自同一设备或同一个实体的多个单变量时间序列形成一个多元KPI时间序列。通常，直接使用多元KPI时间序列在实体级别检测实体异常的效果会优于多个单变量时间序列的异常检测效果。

多元KPI时间序列的异常检测主要分为基于确定性模型和基于随机性模型，基于确定性模型的主要是重建“正常”时间序列行为，并使用重建误差进行多传感器异常检测。但确定性模型需要大量的带标签时间序列进行训练；而基于随机性模型获取历史多元KPI时间序列的数值范围，通过该数值范围检测当前多元KPI时间序列是否异常，检测的准确率较低。

发明内容

本申请的主要目的在于提供一种多元KPI时间序列的检测方法、装置、计算机设备及计算机可读存储介质，旨在解决现有的确定性模型需要大量的带标签时间序列进行训练，而随机性模型通过数值范围检测当前多元KPI时间序列是否异常，导致检测的准确率较低的技术问题。

第一方面，本申请提供一种多元KPI时间序列的检测方法，所述多元KPI时间序列的检测方法包括以下步骤：

根据预置切分策略和待训练的多元KPI时间序列，确定对应的待训练的多段子多元KPI时间序列，其中，所述待训练的子多元KPI时间序列为无标签；

根据所述待训练的子多元KPI时间序列训练预置模型，生成对应的确定性模型；

获取待检测的多元KPI时间序列；

根据所述待检测的多元KPI时间序列和所述确定性模型，获取所述待检测的多元KPI时间序列中待检测数值的重建概率值；

根据预置阈值和所述待检测数值的重建概率值，确定所述待检测数值对应的时刻是否为异常点。

第二方面，本申请还提供一种多元KPI时间序列的检测装置，所述多元KPI时间序列的检测装置包括：

得到模块，用于根据预置切分策略和待训练的多元KPI时间序列，得到对应的待训练的多段子多元KPI时间序列，其中，所述待训练的子多元KPI时间序列为无标签；

生成模块，用于根据所述待训练的子多元KPI时间序列训练预置模型，生成对应的确定性模型；

第一获取模块，用于获取待检测的多元KPI时间序列；

第二获取模块，用于根据所述待检测的多元KPI时间序列和所述确定性模型，获取所述待检测的多元KPI时间序列中待检测数值的重建概率值；

确定模块，用于根据预置阈值和所述待检测数值的重建概率值，确定所述待检测数值对应的时刻是否为异常点。