一种通信终端的异常检测方法、装置、设备及介质与流程

技术特征：
1.一种通信终端的异常检测方法，其特征在于，包括：获取各通信终端的数据；根据所述数据实时更新gbm模型；其中，所述gbm模型构建步骤包括：根据所述通信终端的历史数据以及用户需求确定检测所述通信终端的问题类型；根据所述问题类型构建对应的所述gbm模型，所述gbm模型引入本地学习器的局部损失和所述gbm模型的全局损失；利用更新后的所述gbm模型对所述数据进行异常检测，以确定所述通信终端是否处于异常状态。2.根据权利要求1所述的通信终端的异常检测方法，其特征在于，所述根据所述数据实时更新gbm模型包括：根据所述数据确定调节参数；根据所述调节参数得到残差；根据所述残差确定所述局部损失；根据所述局部损失确定所述全局损失；更新所述gbm模型。3.根据权利要求1所述的通信终端的异常检测方法，其特征在于，在所述根据所述数据实时更新gbm模型之后，在所述利用更新后的所述gbm模型对所述数据进行异常检测之前，还包括：对所述gbm模型进行模型评估，并得到评估结果；根据所述评估结果判断更新后的所述gbm模型是否达到检测标准；若是，则进入所述利用更新后的所述gbm模型对所述数据进行异常检测的步骤；若否，则返回至所述根据所述数据实时更新gbm模型的步骤。4.根据权利要求1所述的通信终端的异常检测方法，其特征在于，所述根据所述通信终端的历史数据以及用户需求确定检测所述通信终端的问题类型包括：选取特征分类方法对所述数据进行特征提取，并得到各类特征，其中，所述特征分类方法分别为过滤法、封装法、嵌入法；根据所述特征确定所述问题类型，其中，所述问题类型至少包括回归问题和分类问题。5.根据权利要求2所述的通信终端的异常检测方法，其特征在于，所述更新所述gbm模型包括：利用梯度下降法更新所述gbm模型。6.根据权利要求1所述的通信终端的异常检测方法，其特征在于，在所述获取各通信终端的数据之后，在所述根据所述数据实时更新gbm模型之前，还包括：对所述数据进行预处理，所述预处理至少包括删除脏数据、数据清洗。7.根据权利要求2所述的通信终端的异常检测方法，其特征在于，在所述根据所述数据确定调节参数之前，还包括：初始化所述数据。8.一种通信终端的异常检测装置，其特征在于，包括：获取模块，用于获取各通信终端的数据；第一更新模块，用于根据所述数据实时更新gbm模型；其中，所述gbm模型构建步骤包括：根据所述通信终端的历史数据以及用户需求确定检测所述通信终端的问题类型；根据
所述问题类型构建对应的所述gbm模型，所述gbm模型引入本地学习器的局部损失和所述gbm模型的全局损失；检测模块，用于利用更新后的所述gbm模型对所述数据进行异常检测，以确定所述通信终端是否处于异常状态。9.一种通信终端的异常检测设备，其特征在于，包括：存储器，用于存储计算机程序；处理器，用于执行所述计算机程序时实现如权利要求1至7任意一项所述的通信终端的异常检测方法的步骤。10.一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，所述计算机程序被处理器执行时实现如权利要求1至7任意一项所述的通信终端的异常检测方法的步骤。

技术总结
本申请公开了一种通信终端的异常检测方法、装置、设备及介质，涉及物联网技术领域。方法包括：获取各通信终端的数据并实时更新GBM模型；其中，根据通信终端的历史数据和用户需求确定检测问题类型并构建对应的GBM模型，GBM模型引入局部损失和全局损失；利用更新后的GBM模型对数据进行异常检测。可以理解为：获取到10个数据时，根据局部损失和全局损失确定第1个数据在模型中学习到70％时，立即输入第2个数据；第2个数据在模型中学习到50％时立即输入第3个数据，直到学习完全部数据，以此实现并行训练且提高数据检测速度；GBM模型可以根据数据实时更新，实现对GBM模型的在线更新并进行异常检测，保证异常检测的准确度。保证异常检测的准确度。保证异常检测的准确度。


技术研发人员：王泓清 邱庆举 丁晟
受保护的技术使用者：青岛上合航天科技有限公司 浙江吉利控股集团有限公司
技术研发日：2022.08.17
技术公布日：2022/11/11