基于深度学习的无监督KPI异常检测

发布时间：2021-03-16 12:33

　　【目的】关键性能指标（Key Performance Indicator,KPI）异常检测作为互联网智能运维的基础,对快速故障发现和修复具有重要意义。【文献范围】本文重点调研国内外基于深度生成模型的无监督KPI异常检测方法。【方法】系统地阐述了Donut、Bagel和Buzz三种无监督KPI异常检测方法的理论模型,并分析了它们在准确性和效率等方面的优势与不足。【结果】本文基于生产环境中的KPI数据验证了三个方法的性能。【局限】基于深度生成模型的KPI异常检测方法仍在不断地演进,未来将探索更多该领域的新方法。【结论】针对不同特征的KPI数据,需要采用不同的深度生成模型:对于时间信息敏感的KPI数据,需要采用Bagel进行异常检测;对于非周期性的复杂KPI数据,需要采用Buzz检测其异常行为。 

【文章来源】：数据与计算发展前沿. 2020,2(03)

【文章页数】：14 页

【部分图文】：

异常检测算法步骤

Donut的网络结构

Bagel模型整体结构


本文编号：3086044