CN116028255A - 异常检测方法及装置、***、电子设备及存储介质 - Google Patents

Abstract

本公开关于一种异常检测方法、异常检测装置、电子设备及存储介质，涉及数据处理技术领域。所述方法包括：确定用于异常检测的指标；实时获取所述指标的数据，并依据获取所述指标的当前数据及历史数据的时刻确定延迟参数的参数值，其中，所述当前数据为所述指标在当前时刻的实时数据，所述历史数据为在所述当前数据之前一次获取到的所述指标的数据；依据所述延迟参数的参数值实时调整所述指标的数据响应时间，并基于所述数据响应时间获取用于异常检测的所述指标的检测数据；基于所述检测数据进行异常检测，得到异常检测结果。本公开可以自适应地调整获取数据的时间，解决了由于数据延迟忽大忽小而导致异常发现时间过长及异常漏报等问题。

Description

异常检测方法及装置、***、电子设备及存储介质

技术领域

本公开涉及数据处理技术领域，尤其涉及一种异常检测方法、异常检测装置、异常检测***、电子设备及存储介质。

背景技术

异常检测的目标是发现与大部分对象不同的对象，异常对象通常被称为离群点，其在数据的散布图中，通常远离其他数据点。在异常检测的过程中，获取到的检测数据的实时性会影响检测结果的准确性。通常情况下，T时刻的数据需要在下一时刻即T+1时刻获取，但由于网络延迟、资源预算限制、高峰期集群压力等因素，常常会导致数据延迟增加，即T+1时刻仍然不能获取T时刻数据，从而会导致获取不到异常检测数据，影响异常检测效果。

相关技术主要通过以下方法解决上述问题：提高生产数据的数据源算力避免数据源延迟，延长数据获取时间来保证该时刻数据的完整性，或缩短数据获取时间来提高数据的时效性。然而，上述方案会带来以下问题：由于不同时刻生产数据的数据量大小不同，一味提高集群算力会导致数据低峰期时资源的浪费；增大数据获取时间虽然可以保证数据的完整性，但一味延长数据获取时间可能会使发现故障的时间变长，从而导致不能及时止损，使故障影响面变大；减少数据获取时间虽然可以在数据正常的情况下，达到快速发现异常的效果，但是当数据延迟严重时，会导致大量漏报，造成故障的遗漏。

为了解决上述问题，本公开提供了一种异常检测方法、异常检测装置、异常检测***、电子设备及存储介质。

发明内容

本公开提供一种异常检测方法、异常检测装置、异常检测***、电子设备及存储介质，以至少解决相关技术中由于不同时刻生产数据的数据量大小不同，一味提高集群算力会导致数据低峰期时资源的浪费；增大数据获取时间虽然可以保证数据的完整性，但一味延长数据获取时间可能会使发现故障的时间变长，从而导致不能及时止损，使故障影响面变大；减少数据获取时间虽然可以在数据正常的情况下，达到快速发现异常的效果，但是当数据延迟严重时，会导致大量漏报，造成故障的遗漏等问题。本公开的技术方案如下：

根据本公开实施例的第一方面，提供一种异常检测方法，包括：确定用于异常检测的指标；实时获取所述指标的数据，并依据获取所述指标的当前数据及历史数据的时刻，其中，所述当前数据为所述指标在当前时刻的实时数据，所述历史数据为在所述当前数据之前一次获取到的所述指标的数据；依据所述延迟参数的参数值实时调整所述指标的数据响应时间，并基于所述数据响应时间获取用于异常检测的所述指标的检测数据；基于所述检测数据进行异常检测，得到异常检测结果。

可选地，上述实时获取所述指标的数据，包括：确定时间窗口及调度间隔；每隔一个所述调用间隔，以所述时间窗口获取当前时刻下的所述指标的所述当前数据。

可选地，上述依据获取所述指标的当前数据及历史数据的时刻确定延迟参数的参数值，包括：计算当前时刻与前一次调度所述历史数据的时刻的差值，得到所述延迟参数的参数值。

可选地，在所述得到异常检测结果之后，上述方法还包括：依据所述异常检测结果判断是否存在异常事件，若存在所述异常事件，则以预选的通知渠道将所述异常事件通知给用户。

根据本公开实施例的第二方面，提供一种异常检测装置，包括：指标确定模块，用于确定用于异常检测的指标；延迟参数值确定模块，用于依据所述指标的当前数据及历史数据确定延迟参数的参数值，其中，所述当前数据为所述指标在当前时刻的实时数据，所述历史数据为在所述当前数据之前一次获取到的所述指标的数据；检测数据获取模块，用于依据所述延迟参数的参数值实时调整所述指标的数据响应时间，并基于所述数据响应时间获取用于异常检测的所述指标的检测数据；异常检测模块，用于基于所述检测数据进行异常检测，得到异常检测结果。

可选地，上述延迟参数值确定模块具体用于：确定时间窗口及调度间隔；每隔一个所述调用间隔，以所述时间窗口获取当前时刻下的所述指标的所述当前数据；以及计算当前时刻与前一次调度所述历史数据的时刻的差值，得到所述延迟参数的参数值。

可选地，上述检测数据获取模块具体用于：比较所述当前时刻及所述前一时刻的所述延迟参数的参数值，若所述参数值变大，则相应延长所述数据响应时间，若所述参数值变小，则相应缩短所述数据响应时间。

根据本公开实施例的第三方面，提供一种异常检测***，包括：数据提供模块，用于实时计算用于异常检测的指标的当前数据；数据调度模块，用于依据所述指标的当前数据及历史数据确定延迟参数的参数值，并依据所述延迟参数的参数值实时调整所述指标的数据响应时间，以基于所述数据响应时间获取用于异常检测的所述指标的检测数据；算法检测模块，用于根据所述指标的检测数据进行异常检测，得到异常检测结果；异常播报模块，用于依据所述异常检测结果判断是否存在异常事件，若存在异常事件，则进行异常播报。

根据本公开实施例的第四方面，提供一种电子设备，包括：处理器；以及用于存储所述处理器可执行指令的存储器；其中，所述处理器被配置为执行所述指令，以实现上述任意一项所述的方法。

根据本公开实施例的第五方面，提供一种存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行上述任一项所述的方法。

根据本公开实施例的第六方面，提供一种计算机程序产品，所述计算机程序在被处理器执行时实现上述任一项所述的音视频数据展示方法。

本公开的实施例提供的技术方案至少带来以下有益效果：

在本公开实施例提供的异常检测方法中，确定用于异常检测的指标；依据该指标的当前数据及历史数据确定延迟参数的参数值，其中，上述当前数据为上述指标在当前时刻的实时数据，上述历史数据为在当前数据之前一次获取到的上述指标的数据；依据上述延迟参数的参数值实时调整指标的数据响应时间，并基于数据响应时间获取用于异常检测的指标的检测数据；基于检测数据进行异常检测，得到异常检测结果。本公开依据指标的当前数据及历史数据确定延迟参数的参数值，并依据该参数值自适应地调整数据响应时间，可以依据当前的数据延迟状态实时调整获取数据的时间，从而可以同时保证获取检测数据的时效性和完整性。此外，本申请可以依据延迟参数状态实时调整获取检测数据的数据响应时间，减少了异常状态的漏报，以及因数据源延迟导致的发现异常的时长过长，异常漏报等问题。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理，并不构成对本公开的不当限定。

图1是根据一示例性实施例示出的一种异常检测方法的流程图；

图2是根据一示例性实施例示出的一种异常检测装置的框图；

图3是根据一示例性实施例示出的一种异常检测***执行异常检测的整体流程图；

图4是根据一示例性实施例示出的一种异常检测***的数据提供模块的架构示意图；

图5是根据一示例性实施例示出的电子设备的结构示意图。

具体实施方式

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节，从而给出对本公开的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。

此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

异常检测的目标是发现与大部分对象不同的对象，异常对象通常被称为离群点，其在数据的散布图中，通常远离其他数据点。在异常检测的过程中，获取到的检测数据的实时性会影响检测结果的准确性。通常情况下，T时刻的数据需要在下一时刻即T+1时刻获取，但由于网络延迟、资源预算限制、高峰期集群压力等因素，常常会导致数据延迟增加，即T+1时刻仍然不能获取T时刻数据，从而会导致获取不到异常检测数据，影响异常检测效果。

针对上述数据延迟不稳定的情况，相关技术中主要通过以下三种方式解决该问题：方案一：通过提高生产数据的数据源算力来避免数据源延迟；方案二：通过延长数据获取时间来保证该时刻数据的完整性；方案三：通过缩短数据获取时间来提高数据的时效性。然而，上述方案均存在一定的问题，例如，针对方案一，由于不同时刻生产数据的数据量大小不同，一味提高集群算力会导致数据低峰期时资源的浪费；针对方案二，增大数据获取时间虽然可以保证数据的完整性，但一味延长数据获取时间可能会使发现故障的时间变长，从而导致不能及时止损，使故障影响面变大；针对方案三：减少数据获取时间虽然可以在数据正常的情况下，达到快速发现异常的效果，但是当数据延迟严重时，会导致大量漏报，造成故障的遗漏。

为了解决上述方案中存在的问题，本公开提出了一种异常检测方法、异常检测装置、异常检测***、电子设备及存储介质，以下对本公开实施例的技术方案进行详细阐述：

本公开实施例首先提供了一种异常检测方法，参考图1所示，该异常检测方法具体包括以下步骤：

步骤S110：确定用于异常检测的指标。

步骤S120：实时获取上述指标的数据，并依据获取指标的当前数据及历史数据的时刻确定延迟参数的参数值，其中，当前数据为指标在当前时刻的实时数据，历史数据为在当前数据之前一次获取到的指标的数据；

步骤S130：依据延迟参数的参数值实时调整指标的数据响应时间，并基于数据响应时间获取用于异常检测的指标的检测数据；

步骤S140：基于检测数据进行异常检测，得到异常检测结果。

在本公开实施例提供的异常检测方法中，依据指标的当前数据及历史数据确定延迟参数的参数值，并依据该参数值自适应地调整数据响应时间，可以依据当前的数据延迟状态实时调整获取数据的时间，从而可以同时保证获取检测数据的时效性和完整性。此外，本申请可以依据延迟参数状态实时调整获取检测数据的数据响应时间，减少了异常状态的漏报，以及因数据源延迟导致的发现异常的时长过长，异常漏报等问题。

下面，在另一实施例中，对上述步骤进行更加详细的说明。

在步骤S110中，确定用于异常检测的指标。

上述异常检测的目标是发现与大部分对象不同的对象，异常对象通常被称为离群点，其在数据的散布图中，通常远离其他数据点。通过异常检测可以及时发现业务场景中的异常事件，以及时进行处理，减少损失。

在本公开实施例中上述指标为可以用于判断是否存在异常事件的参数，该指标由进行异常检测的实际业务场景确定，该指标可以为一个或多个。例如，在电商场景中，上述指标可以为某个商品的点击率或/和购买率等，本公开实施例对此不做特殊限定。

示例性地，上述确定该用于异常检测的指标的方式可以实现为：依据该指标的计算规则对该指标的实时数据进行运算并存储。具体地，假设上述指标为商品的点击率，则该过程可以为：对该点击率指标的实时数据进行汇聚运算，并将计算得到的数据存入hbase(分布式的面向列的开源数据库)。

在步骤S120中，实时获取上述指标的数据，并依据获取指标的当前数据及历史数据的时刻确定延迟参数的参数值，其中，当前数据为指标在当前时刻的实时数据，历史数据为在当前数据之前一次获取到的指标的数据。

在该步骤中，通过上述指标的实时数据及历史数据确定延迟参数的参数值，其中，上述延迟参数用于表示数据延迟状态，该延迟参数的参数值变大，代表数据延迟变小，该参数值变大，则代表数据延迟变大。上述当前数据为该指标在当前时刻的实时数据，历史数据在获取当前数据之前一次获取到的数据。

示例性地，上述实时获取上述指标的数据的过程可以实现如下：确定时间窗口及调度间隔；每隔一个上述调用间隔，以时间窗口获取当前时刻下上述指标的当前数据。其中，优先地，本公开实施例还可以对获取到的指标数据进行质量检测，以便获取到的数据符合质量要求。

上述依据获取指标的当前数据及历史数据的时刻确定延迟参数的参数值可以实现如下：计算当前时刻与前一次调度历史数据的时刻的差值，得到延迟参数的参数值。

下面，以下表1所示的场景为例，对上述过程进行详细说明：

在表1所示的实际场景中，获取数据的时间窗口为5分钟，***实时调度上述指标的数据的时间间隔为1分钟，例如，***可以依据上述指标的取数逻辑去上述hbase库中获取指标的数据。上述△即为上述延迟参数，其值为当前数据的获取时刻与历史数据的获取时刻的差值，该延迟参数的参数值变大，代表数据延迟变小，该参数值变大，则代表数据延迟变大。例如，第五次调度得到的当前数据相比于第四次调度得到的历史数据，获取到的指标数据未发生变化，则证明数据延迟变大。

对于不稳定的数据源，即数据延迟忽大忽小的数据源，由于不合适的数据获取时刻会导致异常发现时间长，或者异常漏报的问题，故在本公开实施例中，优选地，可以将获取数据的时间作为整个***的时刻，而不是使用现实时间，同时使用变量△来记录数据延迟的状态，以便后续根据变量△自适应地改变***自动调整获取数据的时刻，来减小手动配置数据延迟不准确而导致的异常发现时间长或异常漏报等问题。

在步骤S130中，依据延迟参数的参数值实时调整指标的数据响应时间，并基于数据响应时间获取用于异常检测的指标的检测数据。

在本公开实施例中，上述数据响应时间为获取用于异常检测的检测数据的响应时间。本公开实施例在通过上述步骤确定延迟参数的参数值后，可以依据该延迟参数的参数值实时调整该数据响应时间，并基于该数据响应时间获取检测数据。

以上述表1所示的场景为例，延迟参数的初始值为0，从第1次调度至第4次调度，数据状态正常，延迟为1min，则以1min为间隔获取上述检测数据；第5次调度时，由于△＝0，△变小，表示此时的数据延迟变大，数据延迟为2min。此时获取到的当前数据不是指标的最新数据，则相应延长检测数据的数据响应时间为2min。第6次调度，△＝0，未改变，代表数据延迟恒定，延迟变大1min，延迟为3min，相应延长检测数据的数据响应时间为3min，其他时刻的调度同理，依据延迟参数的参数值实时调整指标的数据响应时间。

在步骤S140中，基于检测数据进行异常检测，得到异常检测结果。

在该步骤中，基于检测数据进行异常检测，得到异常检测结果。示例性地，可以通过异常检测算法对上述检测数据进行运算，得到异常检测结果。其中，本公开实施例对上述异常检测算法不做特殊限定，例如，异常检测可以采用基于模型的技术、基于近邻度的技术或基于密度的技术等。

在另一实施例中，本公开在得到上述异常检测结果后，还可以依据该异常检测结果判定***是否发生异常，并在发生异常时，将异常事件播报给用户，以便对异常事件进行及时处理，减少异常事件带来的损失。具体地，该过程可以为：根据检测结果以及策略组成异常事件，优先地，可以对异常事件进行可读性的可视化渲染，并将渲染之后的结果，根据选择的通知渠道将可视化的信息透传给用户，从而让用户及时发现故障，及时止损。

相应地，本公开实施例还提供了一种异常检测装置的框图。如图2所示，该异常检测装置包括指标确定模块210、延迟参数值确定模块220、检测数据获取模块230及异常检测模块240。其中：

指标确定模块210，用于确定用于异常检测的指标；

延迟参数值确定模块220，用于实时获取上述指标的数据，并依据获取上述指标的当前数据及历史数据的时刻确定延迟参数的参数值，其中，当前数据为指标在当前时刻的实时数据，历史数据为在当前数据之前一次获取到的指标的数据；

检测数据获取模块230，用于依据延迟参数的参数值实时调整指标的数据响应时间，并基于数据响应时间获取用于异常检测的指标的检测数据；

异常检测模块240，用于基于检测数据进行异常检测，得到异常检测结果。

关于上述实施例中的装置，其中各个单元或模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

此外，本公开实施例还提供了一种异常检测***，该***包括以下模块：

数据提供模块，用于实时计算用于异常检测的指标的当前数据；

数据调度模块，用于依据指标的当前数据及历史数据的获取时间确定延迟参数的参数值，并依据延迟参数的参数值实时调整指标的数据响应时间，以基于数据响应时间获取用于异常检测的指标的检测数据；

算法检测模块，用于根据指标的检测数据进行异常检测，得到异常检测结果；

异常播报模块，用于依据异常检测结果判断是否存在异常事件，若存在异常事件，则进行异常播报。

下面，结合图3及图4，在一具体实施例中对上述异常检测***进行详细地说明。其中，图3为上述异常检测***执行上述异常检测方法的整体流程图，如图4为上述数据提供模块的架构示意图。

以电商业务指标为例说明，首先预计算模块(即上述数据提供模块)会根据该电商指标的计算规则将该指标的实时数据计算完毕之后存入hbase，对应于图3中的步骤1；然后，数据调度模块根据***配置获取该电商指标，并根据该指标的取数逻辑去预计算与指标库(hbase)中获取该指标最新的N个点数据(LastN数据)，对应于图3中的步骤2至步骤4；预计算与指标库接受到取数申请，立即提供上述LastN数据，并经由数据质量校验后将数据交给数据调度模块，对应于图3中的步骤5至6；数据调度模块基于通过质量检测的数据进行异常算法检测并存储算法检测结果，即对应于图3的步骤7至8；异常播报模块根据检测结果以及策略组成异常事件，并对异常事件进行可视化渲染，对应于图3中的步骤9至12；将渲染之后的结果根据选择的通知渠道将可视化的信息透传给用户，对应于图3中的步骤13，以便用户对异常事件进行及时处理，减少损失。

应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。

图5为本公开实施例中的一种电子设备的结构示意图。下面具体参考图5，其示出了适于用来实现本公开实施例中的电子设备500的结构示意图。图5示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图5所示，电子设备500可以包括处理装置(例如中央处理器、图形处理器等)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理以实现如本公开所述的实施例的语音控制方法。在RAM 503中，还存储有电子设备500操作所需的各种程序和数据。处理装置501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。

通常，以下装置可以连接至I/O接口505：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置506；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置507；包括例如磁带、硬盘等的存储装置508；以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备500，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码，从而实现如上所述的语音控制方法。在这样的实施例中，该计算机程序可以通过通信装置509从网络上被下载和安装，或者从存储装置508被安装，或者从ROM 502被安装。在该计算机程序被处理装置501执行时，执行本公开实施例的方法中限定的上述功能。

需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。

上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：、

确定用于异常检测的指标；

实时获取上述指标的数据，并依据获取上述指标的当前数据及历史数据的时刻确定延迟参数的参数值，其中，当前数据为指标在当前时刻的实时数据，历史数据为在当前数据之前一次获取到的指标的数据；

依据延迟参数的参数值实时调整指标的数据响应时间，并基于数据响应时间获取用于异常检测的指标的检测数据；

基于检测数据进行异常检测，得到异常检测结果。

可选的，当上述一个或者多个程序被该电子设备执行时，该电子设备还可以执行上述实施例所述的其他步骤。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的***来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上***(SOC)、复杂可编程逻辑设备(CPLD)等等。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。

尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。

Claims (10)

1.一种异常检测方法，其特征在于，包括：

确定用于异常检测的指标；

实时获取所述指标的数据，并依据获取所述指标的当前数据及历史数据的时刻确定延迟参数的参数值，其中，所述当前数据为所述指标在当前时刻的实时数据，所述历史数据为在所述当前数据之前一次获取到的所述指标的数据；

依据所述延迟参数的参数值实时调整所述指标的数据响应时间，并基于所述数据响应时间获取用于异常检测的所述指标的检测数据；

基于所述检测数据进行异常检测，得到异常检测结果。

2.根据权利要求1所述的异常检测方法，其特征在于，所述实时获取所述指标的数据，包括：

确定时间窗口及调度间隔；

每隔一个所述调用间隔，以所述时间窗口获取当前时刻下的所述指标的所述当前数据。

3.根据权利要求2所述的异常检测方法，其特征在于，所述依据获取所述指标的当前数据及历史数据的时刻确定延迟参数的参数值，包括：

计算当前时刻与前一次调度所述历史数据的时刻的差值，得到所述延迟参数的参数值。

4.根据权利要求1所述的异常检测方法，其特征在于，在所述得到异常检测结果之后，所述方法还包括：

依据所述异常检测结果判断是否存在异常事件，若存在所述异常事件，则以预选的通知渠道将所述异常事件通知给用户。

5.一种异常检测装置，其特征在于，包括：

指标确定模块，用于确定用于异常检测的指标；

延迟参数值确定模块，用于实时获取所述指标的数据，并依据获取所述指标的当前数据及历史数据的时刻确定延迟参数的参数值，其中，所述当前数据为所述指标在当前时刻的实时数据，所述历史数据为在所述当前数据之前一次获取到的所述指标的数据；

检测数据获取模块，用于依据所述延迟参数的参数值实时调整所述指标的数据响应时间，并基于所述数据响应时间获取用于异常检测的所述指标的检测数据；

异常检测模块，用于基于所述检测数据进行异常检测，得到异常检测结果。

6.根据权利要求5所述的异常检测装置，其特征在于，所述延迟参数值确定模块具体用于：

确定时间窗口及调度间隔；

每隔一个所述调用间隔，以所述时间窗口获取当前时刻下的所述指标的所述当前数据；以及

计算当前时刻与前一次调度所述历史数据的时刻的差值，得到所述延迟参数的参数值。

7.根据权利要求6所述的异常检测装置，其特征在于，所述检测数据获取模块具体用于：

比较所述当前时刻及所述前一时刻的所述延迟参数的参数值，若所述参数值变大，则相应延长所述数据响应时间，若所述参数值变小，则相应缩短所述数据响应时间。

8.一种异常检测***，其特征在于，包括：

数据提供模块，用于实时计算用于异常检测的指标的当前数据；

数据调度模块，用于依据所述指标的当前数据及历史数据确定延迟参数的参数值，并依据所述延迟参数的参数值实时调整所述指标的数据响应时间，以基于所述数据响应时间获取用于异常检测的所述指标的检测数据；

算法检测模块，用于根据所述指标的检测数据进行异常检测，得到异常检测结果；

异常播报模块，用于依据所述异常检测结果判断是否存在异常事件，若存在异常事件，则进行异常播报。

9.一种电子设备，其特征在于，包括：

处理器；

用于存储所述处理器可执行指令的存储器；

其中，所述处理器被配置为执行所述指令，以实现如权利要求1至4中任一项所述的方法。

10.一种存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如权利要求1至4中任一项所述的方法。

Images