模型训练方法、异常检测方法、介质、产品及计算机设备

本申请涉及一种模型训练方法、异常检测方法、介质、产品及计算机设备，通过待训练的网络模型，获取正常数据样本和异常数据样本分别映射到高维球型空间的处理结果；基于高维球型空间中正常数据样本对应的超球体及处理结果，确定网络模型的损失，以通过损失对网络模型进行训练得到目标模型，所述目标模型用于进行异常检测。由于引入异常数据样本，能够强化正常数据和异常数据之间的差异，提升目标模型的鲁棒性和通用性，能够在正常数据和异常数据之间找到合适的边界，使得目标模型能够平衡异常检测虚警率和漏检率，提高了异常检测的准确率。