数据检测方法、装置及存储介质与流程

技术特征：
1.一种数据检测方法，其特征在于，包括：获取当前数据集合；所述当前数据集合包括：同一业务的多个当前数据；分别利用多个类别识别模型对所述多个当前数据进行检测，确定出所述多个当前数据的目标曲线类别；所述目标曲线类别对应与多个当前数据的数据特性相同的历史数据构建的曲线图谱的类别；利用所述目标曲线类别对应的目标异常检测模型，对所述多个当前数据进行检测，确定出所述多个当前数据对应的当前数据集合的检测结果；其中，所述多个类别识别模型和所述目标异常检测模型是基于从不同方向上提取出多个历史数据中的样本数据，并利用所述样本数据进行训练得到的。2.根据权利要求1所述的数据检测方法，其特征在于，所述分别利用多个类别识别模型对所述多个当前数据进行检测，确定出所述多个当前数据的目标曲线类别之前，所述方法还包括：获取历史时间段内的历史数据集合；所述历史数据集合包括：不同业务的多个历史数据；根据所述多个历史数据的数据特性，确定出所述多个历史数据中的多个曲线类别；在所述每个曲线类别对应的多个同类历史数据中，从不同方向上提取出多个样本数据；利用所述多个样本数据分别对初始类别识别模型和初始异常检测模型进行训练，直至得到所述每个曲线类别对应的类别识别模型和异常检测模型，进而得到所述多个曲线类别对应的多个类别识别模型和多个异常检测模型。3.根据权利要求2所述的数据检测方法，其特征在于，所述根据所述多个历史数据的数据特性，确定出所述多个历史数据中的多个曲线类别，包括：根据所述多个历史数据的数据特性，构建出对应所述不同业务的多个曲线图谱；基于所述多个曲线图谱分别对应的曲线特征，确定出所述多个曲线类别。4.根据权利要求3所述的数据检测方法，其特征在于，所述数据特性包括:对应历史数据的时间特性和数值特性；所述根据所述多个历史数据的数据特性，构建出对应所述不同业务的多个曲线图谱，包括：以时间轴为横轴，以数值轴为纵轴，构建出时间
‑
数值图谱；根据所述不同业务对应的历史数据的时间特性和数值特性，在所述时间
‑
数值图谱中标记出所述不同业务对应的历史数据，进而得到所述不同业务对应的多个曲线图谱。5.根据权利要求3或4所述的数据检测方法，其特征在于，所述曲线特性包括：形态特性、量级特性和抖动特性；所述量级特性表征对应曲线图谱的历史数据的数值分布特性；所述抖动特性表征对应曲线图谱中的历史数据偏离对应曲线图谱轴线的程度特性；所述基于所述多个曲线图谱分别对应的曲线特征，确定出所述多个曲线类别，包括：基于所述多个曲线图谱分别对应的所述形态特性、所述量级特性和所述抖动特性，确定出所述多个曲线类别。6.根据权利要求5所述的数据检测方法，其特征在于，所述基于所述多个曲线图谱分别对应的所述形态特性、所述量级特性和所述抖动特性，确定出所述多个曲线类别，包括：
将所述多个曲线图谱分别对应的所述形态特性相同的曲线图谱分别归类，得到n个曲线类别；将所述多个曲线图谱分别对应的所述量级特性相同的曲线图谱分别归类，得到m个曲线类别；将所述多个曲线图谱分别对应的所述抖动特性相同的曲线图谱分别归类，得到z个曲线类别；将所述n个曲线类别、m个曲线类别和z个曲线类别组合，得到所述多个曲线类别。7.根据权利要求2
‑
6任一项所述的数据检测方法，其特征在于，所述在所述每个曲线类别对应的多个同类历史数据中，从不同方向上提取出多个样本数据，包括：将所述每个曲线类别对应的曲线图谱与对应的往期同类曲线图谱进行比对，根据同时间坐标下多个基本历史数据与对应的多个参考历史数据的偏离程度，从不同方向上提取出多个样本数据；所述多个基本历史数据归属于所述每个曲线类别对应的曲线图谱；所述多个参考历史数据归属于所述往期同类曲线图谱。8.根据权利要求7所述的数据检测方法，其特征在于，所述多个样本数据包括：多个正样本数据和多个负样本数据；所述将所述每个曲线类别对应的曲线图谱与对应的往期同类曲线图谱进行比对，根据同时间坐标下多个基本历史数据与对应的多个参考历史数据的偏离程度，从不同方向上提取出多个样本数据，包括：将同时间坐标下的所述多个基本历史数据，与对应所述多个参考历史数据进行比对，确定出在所述多个参考历史数据的预设数值范围内的所述多个正样本数据，和预设数值范围外的所述多个负样本数据。9.根据权利要求8所述的数据检测方法，其特征在于，所述利用所述多个样本数据分别对初始类别识别模型和初始异常检测模型进行训练，直至得到所述每个曲线类别对应的类别识别模型和异常检测模型，进而得到所述多个曲线类别对应的多个类别识别模型和多个异常检测模型，包括：利用所述多个正样本数据对初始类别识别模型进行训练，直至得到所述每个曲线类别对应的类别识别模型，进而得到所述多个曲线类别对应的所述多个类别识别模型；利用所述多个正样本数据和所述多个负样本数据对初始异常检测模型进行训练，直至得到所述每个曲线类别对应的异常检测模型，进而得到所述多个曲线类别对应的多个异常检测模型。10.一种数据检测装置，其特征在于，包括：数据获取单元，用于获取当前数据集合；所述当前数据集合包括：同一业务的多个当前数据；第一检测单元，用于分别利用多个类别识别模型对所述多个当前数据进行检测，确定出所述多个当前数据的目标曲线类别；所述目标曲线类别对应与多个当前数据的数据特性相同的历史数据构建的曲线图谱的类别；第二检测单元，用于利用所述目标曲线类别对应的目标异常检测模型，对所述多个当前数据进行检测，确定出所述多个当前数据对应的当前数据集合的检测结果；其中，所述多个类别识别模型和所述目标异常检测模型是基于从不同方向上提取出多个历
史数据中的样本数据，并利用所述样本数据进行训练得到的。11.一种数据检测装置，其特征在于，包括存储器和处理器，所述存储器存储有可在处理器上运行的计算机程序，所述处理器执行所述程序时实现权利要求1至9任一项所述方法中的步骤。12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至9任一项所述方法中的步骤。

技术总结
本发明提供了一种数据检测方法、装置及存储介质，通过获取当前数据集合。分别利用多个类别识别模型对多个当前数据进行检测，确定出多个当前数据的目标曲线类别；利用目标曲线类别对应的目标异常检测模型对多个当前数据进行检测，确定出多个当前数据对应的当前数据集合的检测结果。多个类别识别模型和目标异常检测模型是基于从不同方向上提取出多个历史数据中的样本数据，并利用样本数据进行训练得到的。通过多个类别识别模型和该曲线类别对应的目标异常检测模型分别从两个维度检测多个当前数据，所以提高了对监控数据的检测准确性。所以提高了对监控数据的检测准确性。所以提高了对监控数据的检测准确性。


技术研发人员：黄轩 梁增海 吴毓群
受保护的技术使用者：北京京东世纪贸易有限公司
技术研发日：2021.08.12
技术公布日：2021/11/14