一种多元时间序列异常检测方法和装置

本发明公开了一种多元时间序列异常检测方法，同时提供了相应的装置。该方法通过融合神经网络的优势，引入对抗性训练的思想，实现对多元时序数据的特征提取、数据重构和异常检测。具体如下：首先通过GRU网络获取当前时序数据X的隐藏状态信息，继而将采样点的状态值输入到注意力网络，提取时序特征；随后输入到编码器E网络，计算低维均值和方差，并从潜在分布中采样输入到解码器D1和D2网络，对应得到预测值和。接着再次将预测值输入GRU网络、自注意力网络、E网络和D2网络，生成新的预测值。最后利用预测值、和原始数据X之间的均方误差计算异常分数，通过比较异常分数是否超过设定阈值，判定是否异常。该方法具有良好重构能力、泛化能力，以及更好的稳定性，提供了更加灵活和高效的异常检测。