本发明公开了一种基于差分多分辨率分解的时间序列异常检测方法，包括：利用快速傅里叶变换对输入的时间序列进行周期性分析，得到时间序列的周期成分及每个周期成分对应的权重；构建多分辨率分解网络，以分解的方式将不同周期成分分离，将每一层分离出的周期成分的重构表示聚合得到最终的重构表示；其中，在多分辨率分解网络中，基于差分法按周期大小将时间序列分解为差分序列和残差序列两部分，差分序列包含着对应周期的周期性；再通过双路对比学习架构分别对残差序列和差分序列进行时序依赖建模，利用细粒度对比学习方法得到相应的时间表示，组合得到每个周期成分的重构表示。本发明能够有效处理时间序列异常检测中的异常过度泛化问题。