数据异常检测方法、装置及设备

本申请涉及机器学习技术领域，公开了一种数据异常检测方法、装置及设备，该方法包括：采集多源异构数据，并对多源异构数据进行折叠操作，获得折叠后数据，通过图联邦学习模型生成动态检测阈值，其中，图联邦学习模型为基于图神经网络算法和联邦学习框架构建的模型，根据动态检测阈值对折叠后数据进行异常检测，获得异常检测结果。本申请结合多源异构数据的采集和折叠操作，全面反映数据的实际情况，减少数据的冗余和复杂性，图神经网络算法和联邦学习框架的引入，提高了异常检测的准确性，且联邦学习框架的使用允许在分布式环境中进行模型训练，避免数据集中存储，解决了数据孤岛问题，有助于保护数据安全。