公开(公告)号：CN116431432A

公开(公告)日：2023-07-14

申请号：CN202310220669.0

申请日：2023-03-09

Applicant: 哈尔滨工业大学

Inventor： 舒燕君 ,  左德承 ,  张展 ,  高天润 ,  冯懿 ,  封威 ,  温东新 ,  董剑 ,  罗丹彦

IPC: G06F11/30 ,  G06N3/048

Abstract: 一种KPI异常检测方法，属于数据处理与安全领域。为解决对KPI序列的各种模式以及多个KPI的度量和时间依赖性进行建模的问题。本发明将采集到的关键性能指标的时间序列数据进行修正，修正后的KPI时间序列数据输入到GAT图注意力网络，对修正后的KPI时间序列数据中的多维KPI时间序列数据处理度量间依赖，得到GAT处理后的KPI时间序列数据输入到GRU和时间序列预测模型处理时间依赖，得到KPI异常检测模型，输出KPI异常检测模型序列的预测值和真实值，根据预测值和真实值的差异输出每个时间点的异常分数，并根据真实标签设定阈值来进行KPI异常检测。本发明在单变量或多变量时间序列数据集上同样表现出良好性能。

公开(公告)号：CN117932309A

公开(公告)日：2024-04-26

申请号：CN202410135011.4

申请日：2024-01-31

Applicant: 哈尔滨工业大学

Inventor： 舒燕君 ,  左德承 ,  张展 ,  高天润 ,  温东新 ,  董剑 ,  冯懿 ,  封威

IPC: G06F18/213 ,  G06F18/211 ,  G06F18/23 ,  G06F18/2433 ,  G06F11/30 ,  G06F123/02

Abstract: 基于度量间和时间维度选择的KPI数据降维方法、电子设备及存储介质，属于异常检测处理技术领域。为在多维KPI异常检测中提高精度和效率，本发明多维KPI数据集进行低方差过滤处理，得到预处理的多维KPI数据集；进行度量间维度选择处理，包括使用时间序列编码压缩KPI序列，然后使用均值漂移聚类保留相关性维度，得到度量间维度选择的多维KPI数据集；对预处理的多维KPI数据集进行时间维度选择处理，包括使用3‑sigma标注各维度KPI数据的离群值，然后使用样本熵选择离群值符合真实异常分布的维度，得到时间维度选择的多维KPI数据集；将两个数据集取并集得到基于度量间和时间维度选择的KPI数据降维数据集。

公开(公告)号：CN117932309B

公开(公告)日：2025-02-25

申请号：CN202410135011.4

申请日：2024-01-31

Applicant: 哈尔滨工业大学

Inventor： 舒燕君 ,  左德承 ,  张展 ,  高天润 ,  温东新 ,  董剑 ,  冯懿 ,  封威

IPC: G06F18/213 ,  G06F18/211 ,  G06F18/23 ,  G06F18/2433 ,  G06F11/30 ,  G06F123/02

Abstract: 基于度量间和时间维度选择的KPI数据降维方法、电子设备及存储介质，属于异常检测处理技术领域。为在多维KPI异常检测中提高精度和效率，本发明多维KPI数据集进行低方差过滤处理，得到预处理的多维KPI数据集；进行度量间维度选择处理，包括使用时间序列编码压缩KPI序列，然后使用均值漂移聚类保留相关性维度，得到度量间维度选择的多维KPI数据集；对预处理的多维KPI数据集进行时间维度选择处理，包括使用3‑sigma标注各维度KPI数据的离群值，然后使用样本熵选择离群值符合真实异常分布的维度，得到时间维度选择的多维KPI数据集；将两个数据集取并集得到基于度量间和时间维度选择的KPI数据降维数据集。