一种数据处理方法、装置、电子设备及存储介质与流程

摘要: 本申请属于数据处理,尤其涉及一种数据处理方法、装置、电子设备及存储介质。背景技术:1、随着网络技术的迅速发展,网络环境的规模逐渐复杂,因此,为确保网络环境的稳定...
一种数据处理方法、装置、电子设备及存储介质与流程

本申请属于数据处理,尤其涉及一种数据处理方法、装置、电子设备及存储介质。

背景技术:

1、随着网络技术的迅速发展,网络环境的规模逐渐复杂,因此,为确保网络环境的稳定运行,可以通过预设的检测条件的方式来检测网络环境中网络特征的运行数据是否异常,其中,网络环境包括通信网络和通信设备,网络特征包括通信网络的网络特征和通信设备的网络特征。

2、在相关技术中,预设的检测条件通常可以为预设的检测阈值,然而,检测阈值通常是固定,无法适应网络环境的复杂变化,容易对部分异常的运行数据漏检或误判,降低了检测网络环境中网络特征的运行数据是否异常的准确性。

技术实现思路

1、本申请实施例提供一种数据处理方法、装置、电子设备及存储介质,能够解决检测网络环境中网络特征的运行数据是否异常的准确性较低的问题。

2、第一方面,本申请实施例提供一种数据处理方法,该数据处理方法包括:

3、获取网络特征在第一时间段内的第一实测运行数据;

4、将第一实测运行数据分别输入异常检测模型和数据预测模型,通过异常检测模型,确定第一实测运行数据中的候选异常运行数据;

5、通过数据预测模型,确定网络特征在第二时间段内的第二预测运行数据;

6、根据第二预测运行数据和网络特征在第二时间段内的第二实测运行数据,对第一实测运行数据中的候选异常运行数据进行校验,得到网络特征的运行数据的检测结果。

7、第二方面,本申请实施例提供了一种数据处理装置,该数据处理装置包括:

8、获取模块,用于获取网络特征在第一时间段内的第一实测运行数据;

9、确定模块,用于将第一实测运行数据分别输入异常检测模型和数据预测模型,通过异常检测模型,确定第一实测运行数据中的候选异常运行数据;

10、确定模块,还用于通过数据预测模型,确定网络特征在第二时间段内的第二预测运行数据;

11、校验模块,用于根据第二预测运行数据和网络特征在第二时间段内的第二实测运行数据,对第一实测运行数据中的候选异常运行数据进行校验,得到网络特征的运行数据的检测结果。

12、第三方面,本申请实施例提供一种计算机设备,该计算机设备包括:处理器以及存储有计算机程序指令的存储器;处理器执行计算机程序指令时实现如第一方面任意一项的数据处理方法。

13、第四方面,本申请实施例提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序指令,计算机程序指令被处理器执行时实现如第一方面任意一项的数据处理方法。

14、第五方面,本申请实施例提供了一种计算机程序产品,该计算机程序产品包括计算机程序或指令,计算机程序或指令被处理器执行时实现如第一方面任意一项的数据处理方法。

15、本申请实施例的数据处理方法,可以获取网络特征在第一时间段内的第一实测运行数据,并将第一实测运行数据分别输入异常检测模型和数据预测模型,通过异常检测模型,确定第一实测运行数据中的候选异常运行数据,进而,可以通过数据预测模型,确定网络特征在第二时间段内的第二预测运行数据,并根据第二预测运行数据和网络特征在第二时间段内的第二实测运行数据,对第一实测运行数据中的候选异常运行数据进行校验,得到网络特征的运行数据的检测结果。

16、由此,上述数据处理方法可以先通过异常检测模型确定出第一实测运行数据中的候选异常运行数据,进而基于数据预测模型确定出的预测运行数据,对异常检测模型确定出的候选异常运行数据进行校验,通过该方式可以减少异常检测模型误检或漏检的情况,提升了检测网络特征的运行数据中是否存在异常的数据的准确性。并且,由于数据预测模型可以很好地捕捉到第一实测运行数据的周期性特征,从而在对候选异常运行数据进行校验的过程中,可以确定出超出周期性波动之外的异常的运行数据,降低网络运行状态数据的周期性特征对检测异常数据时的干扰,进一步提升了检测网络特征的运行数据中是否存在异常的数据的准确性。

1.一种数据处理方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,所述通过所述数据预测模型,确定所述网络特征在第二时间段内的第二预测运行数据,包括:

3.根据权利要求1所述的方法,其特征在于,所述根据所述第二预测运行数据和所述网络特征在所述第二时间段内的第二实测运行数据,对所述第一实测运行数据中的候选异常运行数据进行校验,得到所述网络特征的运行数据的检测结果,包括:

4.根据权利要求3所述的方法,其特征在于,所述第一实测运行数据包括至少两个实测运行数据,所述第二实测运行数据包括至少两个实测运行数据;所述通过自相关性算法,根据所述第一实测运行数据和所述第二实测运行数据,确定所述第一实测运行数据和所述第二实测运行数据之间的线性关系,包括:

5.根据权利要求3所述的方法,其特征在于,所述根据所述线性关系,确定与所述候选异常运行数据所在的异常时间的对应的映射时间,包括:

6.根据权利要求3所述的方法,其特征在于,所述根据所述第一残差数据序列和所述第二残差数据,对所述候选异常运行数据进行校验,得到所述网络特征的运行数据的检测结果,包括:

7.根据权利要求3所述的方法,其特征在于,所述映射时间包括至少两个映射时间,所述第二残差数据包括至少两个第二残差数据;

8.根据权利要求1所述的方法,其特征在于,所述第一实测运行数据包括所述第一时间段内n个时间点的实测运行数据,n为正整数;所述通过所述异常检测模型,确定所述第一实测运行数据中的候选异常运行数据,包括:

9.根据权利要求8所述的方法,其特征在于,所述通过所述异常检测模型,根据所述第一实测运行数据,计算所述n个时间点中的每个时间点的实测运行数据的拟合损失函数值,包括:

10.根据权利要求1所述的方法,其特征在于,所述网络特征为第一区域的网络环境中的网络特征;所述将所述第一实测运行数据分别输入异常检测模型和数据预测模型之前,所述方法还包括:

11.一种数据处理装置,其特征在于,所述装置包括:

12.一种计算机设备,其特征在于,所述计算机设备包括:处理器以及存储有计算机程序指令的存储器;

13.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现如权利要求1-10任意一项所述的数据处理方法。

14.一种计算机程序产品,其特征在于,所述计算机程序产品中的指令由电子设备的处理器执行时,使得所述电子设备能够执行如权利要求1-10任意一项所述的数据处理方法。