(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111478505.5 (22)申请日 2021.12.0 6 (71)申请人 北京达佳互联信息技 术有限公司 地址 100085 北京市海淀区上地西路6号1 幢1层101D1-7 (72)发明人 苏亚　张凌昕　马茗　郭君健　 (74)专利代理 机构 北京铭硕知识产权代理有限 公司 11286 代理人 刘超　苏银虹 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 10/06(2012.01) G06N 20/00(2019.01) H04L 43/16(2022.01) (54)发明名称 性能指标的异常检测方法、 异常检测装置、 电子设备和存 储介质 (57)摘要 本公开提供一种性能指标的异常检测方法、 异常检测装置、 电子设备、 存储介质以及程序产 品。 所述异常检测方法可包括以下步骤： 获取应 用的多个性能指标在历史时间内的历史指标数 据， 其中， 指标数据是性能指标值随时间变化的 时间序列； 确定所述多个性能指标中的每个性能 指标的历史指标数据的特征； 根据所述特征， 确 定与所述多个性能指标分别对应的多个预测模 型； 基于所述每个性能指标的历史指标数据和对 应的预测模 型， 预测得到所述多个性能指标在未 来时间分别对应的多个异常阈值； 利用所述多个 异常阈值检测所述多个性能指标在所述未来时 间的异常状态。 权利要求书3页 说明书16页 附图4页 CN 114169604 A 2022.03.11 CN 114169604 A 1.一种性能指标的异常检测方法， 包括： 获取应用的多个性能指标在历史时间内的历史指标数据， 其中， 指标数据是性能指标 值随时间变化的时间序列； 确定所述多个性能指标中的每 个性能指标的历史指标 数据的特 征； 根据所述特 征， 确定与所述多个性能指标分别对应的多个预测模型； 基于所述每个性 能指标的历史指标数据和对应的预测模型， 预测得到所述多个性能指 标在未来时间分别对应的多个异常阈值； 利用所述多个异常阈值检测所述多个性能指标在所述未来时间的异常状态。 2.根据权利要求1所述的异常检测方法， 其特征在于， 所述根据所述特征， 确定与所述 多个性能指标分别对应的多个预测模型， 包括： 若所述性 能指标的历史指标数据的特征包括具有周期性和具有平滑性， 则确定所述性 能指标对应的预测模型为基于时间序列分解的模型； 若所述性 能指标的历史指标数据的特征包括具有周期性和不具有平滑性， 则确定所述 性能指标对应的预测模型为基于高峰低谷区间的极值理论模型； 若所述性 能指标的历史指标数据的特征包括不具有周期性， 则确定所述性能指标对应 的预测模型为基于分位数的箱线模型。 3.根据权利要求2所述的异常检测方法， 其特征在于， 所述确定所述多个性能指标中的 每个性能指标的历史指标 数据的特 征， 包括： 获取所述性能指标的历史指标 数据的自相关结果和可信度结果； 若所述自相关结果大于所述可信度 结果， 则确定所述性 能指标的历史指标数据的特征 包括具有周期性； 若所述自相关结果小于或等于所述可信度 结果， 则确定所述性 能指标的历史指标数据 的特征包括不具有周期性。 4.根据权利要求2所述的异常检测方法， 其特征在于， 所述确定所述多个性能指标中的 每个性能指标的历史指标 数据的特 征， 包括： 获取对所述 性能指标的历史指标 数据拟合得到的期望指标 数据； 确定所述历史指标 数据与所述期望指标 数据之间的偏离比率； 若所述偏离比率小于偏离 阈值， 则确定所述性能指标的历史指标数据的特征包括具有 平滑性； 若所述偏离比率大于或者等于偏离 阈值， 则确定所述性 能指标的历史指标数据的特征 包括不具有平 滑性。 5.根据权利要求1至4任一项所述的异常检测方法， 其特征在于， 所述基于所述每个性 能指标的历史指标数据和对应的预测模型， 预测得到所述多个性能指标在未来时间分别对 应的多个异常阈值， 包括： 所述性能指标对应的预测模型为基于时间序列分解的模型的情况下， 通过所述基于时 间序列分解的模型对所述性能指标的历史指标数据进 行采样拟合得到相应拟合数据， 基于 所述性能指标的历史指标数据与所述相应拟合数据之 间在预设时间粒度的平均偏离比率， 确定所述 性能指标在所述未来时间对应的异常阈值； 所述性能指标对应的预测模型为基于高峰低谷区间的极值理论模型的情况下， 通过所权　利　要　求　书 1/3 页 2 CN 114169604 A 2述基于高峰低谷区间的极值理论模型计算所述性能指标 的历史指标数据在预设时间粒度 的平均指标值， 基于所述平均指标值确定所述性能指标的历史指标数据的多类时段区间， 根据所述性能指标的历史指标数据在各类时段区间中的极值部 分数据分布特征， 确定所述 性能指标在所述未来时间对应的异常阈值； 所述性能指标对应的预测模型为基于分位数的箱线模型的情况下， 通过所述基于分位 数的箱线模型计算所述性能指标的历史指标数据的箱线特征， 根据所述箱线 特征确定所述 性能指标在所述未来时间对应的异常阈值。 6.根据权利要求5所述的异常检测方法， 其特征在于， 所述基于所述性 能指标的历史指 标数据与所述相应拟合数据之 间在预设时间粒度的平均偏离比率， 确定所述性能指标在所 述未来时间对应的异常阈值， 包括： 针对所述未来时间内的每 个未来时间点： 当所述性能指标的历史指标数据中与未来时间点对应的历史时间点的平均偏离比率 大于或等于第一值时， 将所述相应拟合数据的第一预设分位数和 第二预设分位数作为所述 未来时间点的异常阈值； 当所述性能指标的历史指标数据中与未来时间点对应的历史时间点的平均偏离比率 小于第一值且大于第二值时， 将所述相应拟合数据的第三预设分位数和 第四预设分位数作 为所述未来时间点的异常阈值； 当所述性能指标的历史指标数据中与未来时间点对应的历史时间点的平均偏离比率 小于或等于第二值时， 将所述相应拟合数据的第五预设分位数和 第六预设分位数作为所述 未来时间点的异常阈值。 7.根据权利要求1至4任一项所述的异常检测方法， 其特 征在于， 还 包括： 基于所述每个性 能指标的历史指标数据和对应的预测模型， 预测得到所述多个性能指 标在所述未来时间分别对应的多个指标预测值； 其中， 所述指标预测值用于当所述性能指 标发生异常时确定报警等级。 8.一种性能指标的异常检测装置， 包括： 获取模块， 被配置为获取应用的多个性能指标在历史时间内的历史指标数据， 其中， 指 标数据是性能指标值随时间变化的时间序列； 分析模块， 被配置为确定所述多个性能指标中的每个性能指标的历史指标数据的特 征； 预测模块， 被配置为根据所述特征， 确定与所述多个性能指标分别对应的多个预测模 型； 并且基于所述每个性能指标 的历史指标数据和对应的预测模型， 预测得到所述多个性 能指标在未来时间分别对应的多个异常阈值； 检测模块， 被配置为利用所述多个异常阈值检测所述多个性能指标在所述未来时间的 异常状态。 9.一种电子设备， 其特 征在于， 包括： 至少一个处 理器； 至少一个存 储计算机可 执行指令的存 储器， 其中， 所述计算机可执行指令在被所述至少一个处理器运行时， 促使所述至少一个处 理器执行如权利要求1到7中的任一项权利要求所述的性能指标的异常检测方法。权　利　要　求　书 2/3 页 3 CN 114169604 A 3