(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211314781.2 (22)申请日 2022.10.26 (71)申请人 北京必示科技有限公司 地址 100083 北京市海淀区东升大厦B座 516室 (72)发明人 温希道　曹立　汤汝鸣　聂晓辉　 程世文　 (74)专利代理 机构 北京中知法苑知识产权代理 有限公司 1 1226 专利代理师 陈俊由 (51)Int.Cl. G06K 9/62(2022.01) G06N 3/08(2006.01) (54)发明名称 一种异常变更检测方法、 装置、 设备及存储 介质 (57)摘要 本发明公开了一种异常变更检测方法、 装 置、 设备及存储介质。 该方法包括： 根据历史指标 数据中历史同期数据样本和随机时刻前后数据 样本， 生成原始数据样本集； 向所述原始数据样 本集中原始样本注入噪声， 得到训练样本集； 将 所述训练样本集中训练样本进行组对得到训练 样本对， 并根据所述训练样本对中训练样本所注 入噪声的噪声属性值确定所述训练样本对的训 练标签； 根据所述训练样本对和训练标签对孪生 网络模型进行训练， 并根据训练完成的孪生网络 模型对待检测指标数据进行处理， 得到变更的异 常检测结果。 本发明实施例可以提高异常变更的 检测准确性， 并提高训练样本标注效率。 权利要求书2页 说明书10页 附图3页 CN 115392403 A 2022.11.25 CN 115392403 A 1.一种异常变更检测方法， 其特 征在于， 所述方法包括： 根据历史指标数据中历史同期数据样本和随机时刻前后数据样本， 生成原始数据样本 集； 向所述原 始数据样本集中原 始样本注入噪声， 得到训练样本集； 将所述训练样本集中训练样本进行组对得到训练样本对， 并根据 所述训练样本对中训 练样本所注入噪声的噪声属性 值确定所述训练样本对的训练标签； 根据所述训练样本对和训练标签对孪生网络模型进行训练， 并根据训练完成的孪生网 络模型对待检测指标 数据进行处 理， 得到变更的异常检测结果。 2.根据权利要求1所述的方法， 其特征在于， 所述将所述训练样本集中训练样本进行组 对得到训练样本对， 并根据所述训练样本对中训练样本所注入噪声的噪声属性值确定所述 训练样本对的训练标签包括： 从训练样本集获取第一原始样本、 第 二原始样本、 第 一增强样本和第 二增强样本； 所述 第一原始样本和所述第二原始样本互为历史同期数据或随机时刻前后数据； 所述第一增强 样本通过向第一原始样本注入第一噪声得到， 第二增强样本通过向第二原始样本注入第二 噪声得到； 将所述第一原始样本与第 二原始样本组合为训练样本对， 并将该训练样本对的训练标 签确定为相似负例； 将所述第一原始样本与第一增强样本、 所述第二原始样本与第一增强样本、 第一原始 样本与第二增强样本和第二原始样本与第二增强样本分别组合为待标注训练样本对， 并根 据第一噪声或第二噪声的噪声属性 值确定所述待标注训练样本对的训练标签。 3.根据权利要求2所述的方法， 其特征在于， 所述噪声属性值至少包括下述至少一项： 噪声幅度、 噪声位置和噪声种类。 4.根据权利要求2所述的方法， 其特征在于， 若所述噪声属性值为噪声幅度， 则所述根 据第一噪声或第二噪声的噪声属性 值确定所述待标注训练样本对的训练标签包括： 获取原始样本的目标噪声等级， 并确定所述目标噪声等级的目标 标准噪声幅度； 若所述第一噪声的噪声幅度 大于所述目标标准噪声幅度， 则将存在第 一噪声的待标注 训练样本对的训练标签， 确定为 不相似正例； 若所述第一噪声的噪声幅度不大于所述目标标准噪声幅度， 则将存在第 一噪声的待标 注训练样本对的训练标签， 确定为相似负例； 若所述第二噪声的噪声幅度 大于所述目标标准噪声幅度， 则将存在第 二噪声的待标注 训练样本对的训练标签， 确定为 不相似正例； 若所述第二噪声的噪声幅度不大于所述目标标准噪声幅度， 则将存在第 二噪声的待标 注训练样本对的训练标签， 确定为相似负例。 5.根据权利要求 4所述的方法， 其特 征在于， 所述获取原 始样本的目标噪声等级包括： 获取指标历史数据中原始样本的历史数据， 并根据 所述历史数据确定所述原始样本所 属指标数据的历史波动幅度； 根据所述历史波动幅度确定所述原 始样本的目标噪声等级。 6.根据权利要求4所述的方法， 其特征在于， 所述待检测指标数据为目标噪声等级的指 标数据， 所述孪生网络模型为目标噪声等级的目标孪生网络模型。权　利　要　求　书 1/2 页 2 CN 115392403 A 27.根据权利要求4所述的方法， 其特征在于， 所述根据历史指标数据中历史同期数据样 本和随机时刻前后数据样本， 生成原 始数据样本集包括： 选取目标噪声等级的指标 数据， 作为原 始指标数据； 在任一原始指标数据中随机抽取原始序列片段， 并获取该原始序列片段的历史同期数 据和随机时刻前或后数据， 得到原 始数据样本; 在分别从各原 始指标数据中获取 预设数量的原 始数据样本后， 生成原 始数据样本集。 8.一种异常变更检测装置， 其特 征在于， 所述装置包括： 原始样本生成模块， 用于根据历史指标数据中历史同期数据样本和随机时刻前后数据 样本， 生成原 始数据样本集； 训练样本生成模块， 用于向所述原始数据样本集中原始样本注入噪声， 得到训练样本 集； 训练样本标注模块， 用于将所述训练样本集中训练样本进行组对得到训练样本对， 并 根据所述训练样本对中训练样本所注入噪声的噪声属 性值确定所述训练样本对的训练标 签； 变更异常检测模块， 用于根据所述训练样本对和训练标签对孪生网络模型进行训练， 并根据训练完成的孪生网络模型对待检测指标 数据进行处 理， 得到变更的异常检测结果。 9.一种电子设备， 其特 征在于， 所述电子设备包括： 至少一个处 理器； 以及与所述至少一个处 理器通信连接的存 储器； 其中， 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权利要求1 ‑7中任一项所述的 异常变更检测方法。 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 ‑7中任一项所述的异常变更检测 方法。权　利　要　求　书 2/2 页 3 CN 115392403 A 3