一种基于Grubbs和孤立森林的多维序列异常检测方法

摘要

传统的异常检测是针对单维指标进行异常判别,及时发现故障或隐患。随着计算机技术的发展,异常检测的方式也发生改变,逐渐发展为面向实时性更强、信息更加丰富的大数据场景的多维序列异常检测。同时,太多的维度以及数据量会导致检测速度变慢,累积更多的错判和漏判,很难发现相关联的异常指标数据,不利于整体分析问题。基于此,提出了一种基于Grubbs和孤立森林的多维序列异常检测算法,对采集到的多维数据使用优化的孤立森林算法进行异常检测,最后得出相关异常值发生的时间点以及相关联的异常数据。实验结果表明,该方法可获得较高的准确率和计算效率。