一种异常检测方法、装置、设备、介质及产品与流程

本发明涉及人工智能，尤其涉及一种异常检测方法、装置、设备、介质及产品。

背景技术：

1、随着现代软件技术的发展，软件系统的复杂性急剧增加，给系统运维带来了巨大的挑战。数据中心及云计算等大规模平台每天都会生成海量的指标数据，这些指标数据记录了各种系统事件、操作和可能的错误信息，是确保系统稳定运行不可或缺的资源。然而，人工分析这些庞大的指标数据集不仅耗时耗力，而且难以及时发现系统潜在的问题和异常，直接影响到系统的可靠性。

2、为了提升指标分析的效率，自动化运维技术得到了快速的发展，智能运维(artificial intelligence for it operations，aiops)的概念也随之被提出。aiops旨在使用人工智能技术分析已有的运维数据(指标、监控信息及应用信息等)，进一步提升自动化运维的效果。aiops不依赖于人为指定规则，主张由机器学习算法自动地从海量运维数据中不断地学习，不断地提炼并总结规则。aiops可以快速地分析庞大数量的指标数据，高效地处理异常信息，显著减轻了运维专家的负担。

3、但是，aiops在运维数据的分析和异常处理的水平，是当前aiops领域的关键挑战，并且存在明显的局限性，无法在离线场景下使用。为了保护私有数据中的隐私信息，避免敏感信息泄露，大部分的私有化场景均是离线维护，既不能连接互联网，也不能将指标数据发送到局域网之外。

技术实现思路

1、本发明提供了一种异常检测方法、装置、设备、介质及产品，以提高对服务指标数据异常检测的准确率，保证了隐私环境下的服务指标数据的安全性。

2、根据本发明的第一方面，提供了一种异常检测方法，包括：

3、获取离线大语言模型、待分析指标数据及预构建的判断标准库；

4、基于所述离线大语言模型从所述待分析指标数据中提取指标特征；

5、基于信息检索增强算法从所述判断标准库中，筛选出与所述指标特征相匹配的目标判断标准；

6、根据所述目标判断标准、所述指标特征及所述离线大语言模型，确定异常分析结果。

7、根据本发明的第二方面，提供了一种异常检测装置，包括：

8、信息获取模块，用于获取离线大语言模型、待分析指标数据及预构建的判断标准库；

9、指标提取模块，用于基于所述离线大语言模型从所述待分析指标数据中提取指标特征；

10、规则确定模块，用于基于信息检索增强算法从所述判断标准库中，筛选出与所述指标特征相匹配的目标判断标准；

11、结果确定模块，用于根据所述目标判断标准、所述指标特征及所述离线大语言模型，确定异常分析结果。

12、根据本发明的第三方面，提供了一种电子设备，所述电子设备包括：

13、至少一个处理器；以及

14、与所述至少一个处理器通信连接的存储器；其中，

15、所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的异常检测方法。

16、根据本发明的第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的异常检测方法。

17、根据本发明的第五方面，本发明实施例还提供了一种计算机程序产品，计算机程序产品包括计算机程序，计算机程序在被处理器执行时实现本发明任一实施例的异常检测方法。

18、本发明实施例的技术方案，通过获取离线大语言模型、待分析指标数据及预构建的判断标准库；基于离线大语言模型从待分析指标数据中提取指标特征；基于信息检索增强算法从判断标准库中，筛选出与指标特征相匹配的目标判断标准；根据目标判断标准、指标特征及离线大语言模型，确定异常分析结果。通过在线大语言模型生成的判断标准库，首先检索出与待分析指标数据相匹配的目标判断标准，进而通过离线大语言模型基于目标判断标准对指标特征进行分析，确定异常分析结果。有效增强了离线大语言模型的指标分析能力，解决了在线模型安全隐患和离线模型推理能力不足的问题，有效提升了服务指标分析的精度。

19、应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。

技术特征：

1.一种异常检测方法，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，所述判断标准库的构建步骤包括：

3.根据权利要求2所述的方法，其特征在于，所述对各所述服务指标序列进行分析，确定运行状态信息，包括：

4.根据权利要求1所述的方法，其特征在于，所述基于信息检索增强算法从所述判断标准库中，筛选出与所述指标特征相匹配的目标判断标准，包括：

5.根据权利要求1所述的方法，其特征在于，所述根据所述目标判断标准、所述指标特征及所述离线大语言模型，确定异常分析结果，包括：

6.根据权利要求1所述的方法，其特征在于，在所述根据所述目标判断标准、所述指标特征及所述离线大语言模型，确定异常分析结果之后，还包括：

7.一种异常检测装置，其特征在于，包括：

8.一种电子设备，其特征在于，所述电子设备包括：

9.一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存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-6中任一项所述的异常检测方法。

10.一种计算机程序产品，其特征在于，所述计算机程序产品包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-6中任一项所述的异常检测方法。

技术总结本发明公开了一种异常检测方法、装置、设备、介质及产品。该方法包括：获取离线大语言模型、待分析指标数据及预构建的判断标准库；基于离线大语言模型从待分析指标数据中提取指标特征；基于信息检索增强算法从判断标准库中，筛选出与指标特征相匹配的目标判断标准；根据目标判断标准、指标特征及离线大语言模型，确定异常分析结果。通过在线大语言模型生成的判断标准库，首先检索出与待分析指标数据相匹配的目标判断标准，进而通过离线大语言模型基于目标判断标准对指标特征进行分析，确定异常分析结果。有效增强了离线大语言模型的指标分析能力，解决了在线模型安全隐患和离线模型推理能力不足的问题，有效提升了服务指标分析的精度。技术研发人员：纪鑫,张乐,彭放,陈屹婷,蔡雅洁,王锐,王钧乐,张奎,吴文峻受保护的技术使用者：国家电网有限公司大数据中心技术研发日：技术公布日：2024/9/29