公开(公告)号：CN111507376B

公开(公告)日：2023-04-28

申请号：CN202010200442.6

申请日：2020-03-20

Applicant: 厦门大学

Inventor： 方匡南 ,  张庆昭 ,  何佳玉 ,  李泽为

IPC: G06F18/23 ,  G06N3/044 ,  G06N3/0464 ,  G06N3/08

Abstract: 一种基于多种无监督方法融合的单指标异常检测方法，涉及智能运维异常检测领域。包括以下步骤：1)提取分析数据：将存储在数据库中的数据，按分钟级取数，并返回所需的数据格式；2)对步骤1)提取的数据采用无监督方法进行初步把关筛选，从海量的数据中以较大把握过滤筛选出一批正常数据集输出为正常，其余样本输出为疑似异常；3)训练模型：对于步骤2)中识别出的正常样本构建模型；4)进行模型的评估；5)输出最终的模型，部署在线上模块进行实时的异常检测。不仅能够解决传统异常检测方法效率低的问题，还能够在与新的有监督方法的对比中占据优势，达到较高的识别精度。既满足效率方面的要求，又能够节省人力打标的成本。

公开(公告)号：CN111507376A

公开(公告)日：2020-08-07

申请号：CN202010200442.6

申请日：2020-03-20

Applicant: 厦门大学

Inventor： 方匡南 ,  张庆昭 ,  何佳玉 ,  李泽为

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 一种基于多种无监督方法融合的单指标异常检测方法，涉及智能运维异常检测领域。包括以下步骤：1)提取分析数据：将存储在数据库中的数据，按分钟级取数，并返回所需的数据格式；2)对步骤1)提取的数据采用无监督方法进行初步把关筛选，从海量的数据中以较大把握过滤筛选出一批正常数据集输出为正常，其余样本输出为疑似异常；3)训练模型：对于步骤2)中识别出的正常样本构建模型；4)进行模型的评估；5)输出最终的模型，部署在线上模块进行实时的异常检测。不仅能够解决传统异常检测方法效率低的问题，还能够在与新的有监督方法的对比中占据优势，达到较高的识别精度。既满足效率方面的要求，又能够节省人力打标的成本。