本技術(shù)涉及網(wǎng)絡(luò)安全，尤其涉及一種異常檢測(cè)、異常檢測(cè)模型訓(xùn)練方法、裝置及電子設(shè)備。

背景技術(shù)：

1、隨著物聯(lián)網(wǎng)技術(shù)的飛速發(fā)展，物聯(lián)網(wǎng)技術(shù)已廣泛應(yīng)用于智能家居、智能城市、工業(yè)、醫(yī)療健康等領(lǐng)域。但由于物聯(lián)網(wǎng)設(shè)備的安全機(jī)制薄弱，成為了網(wǎng)絡(luò)攻擊的主要對(duì)象之一。因此，如何提高物聯(lián)網(wǎng)設(shè)備的安全性已成為當(dāng)前亟需解決的技術(shù)問題。

技術(shù)實(shí)現(xiàn)思路

1、本技術(shù)提供一種異常檢測(cè)、異常檢測(cè)模型訓(xùn)練方法、裝置及電子設(shè)備，用于提高物聯(lián)網(wǎng)設(shè)備的安全性。

2、第一方面，本技術(shù)實(shí)施例提供一種異常檢測(cè)方法，包括：采集預(yù)設(shè)時(shí)間窗口內(nèi)目標(biāo)物聯(lián)網(wǎng)設(shè)備的網(wǎng)絡(luò)流量數(shù)據(jù)；從所述網(wǎng)絡(luò)流量數(shù)據(jù)中提取第一特征數(shù)據(jù)集，所述第一特征數(shù)據(jù)集包括m對(duì)數(shù)據(jù)組合的第一特征數(shù)據(jù)子集，一對(duì)數(shù)據(jù)組合對(duì)應(yīng)所述網(wǎng)絡(luò)流量數(shù)據(jù)中的一個(gè)維度的流量數(shù)據(jù)，m為正整數(shù)；將所述第一特征數(shù)據(jù)集輸入訓(xùn)練后的異常檢測(cè)模型中，獲得所述異常檢測(cè)模型輸出的檢測(cè)值，所述檢測(cè)值用于指示所述網(wǎng)絡(luò)流量數(shù)據(jù)與參考網(wǎng)絡(luò)流量數(shù)據(jù)之間的差異程度；根據(jù)所述檢測(cè)值，確定所述目標(biāo)物聯(lián)網(wǎng)設(shè)備是否異常；其中，所述異常檢測(cè)模型是基于樣本特征數(shù)據(jù)集訓(xùn)練得到的，所述樣本特征數(shù)據(jù)集是從樣本網(wǎng)絡(luò)流量數(shù)據(jù)中提取第二特征數(shù)據(jù)集并對(duì)所述第二特征數(shù)據(jù)集進(jìn)行加噪處理后得到的，所述樣本特征數(shù)據(jù)集包括至少一種異常情況。

3、在本技術(shù)實(shí)施例中，由于在訓(xùn)練時(shí)對(duì)第二特征數(shù)據(jù)集進(jìn)行了加噪處理，使得獲得的樣本特征數(shù)據(jù)集中包括的噪聲種類更加豐富，能夠更加真實(shí)地模擬現(xiàn)實(shí)場(chǎng)景中網(wǎng)絡(luò)流量數(shù)據(jù)中存在的各種異常情況。進(jìn)而基于該樣本特征數(shù)據(jù)集訓(xùn)練得到的異常檢測(cè)模型，能夠在實(shí)際使用時(shí)，更好地識(shí)別和處理網(wǎng)絡(luò)流量數(shù)據(jù)中的噪聲，以及提高對(duì)正常網(wǎng)絡(luò)流量數(shù)據(jù)的重構(gòu)能力，從而使其對(duì)異常網(wǎng)絡(luò)流量數(shù)據(jù)的檢測(cè)更加準(zhǔn)確，即有利于提高對(duì)物聯(lián)網(wǎng)設(shè)備異常檢測(cè)的準(zhǔn)確性，從而有利于提高物聯(lián)網(wǎng)設(shè)備的安全性。

4、在一種可能的實(shí)施方式中，從所述網(wǎng)絡(luò)流量數(shù)據(jù)中提取第一特征數(shù)據(jù)集，包括：根據(jù)預(yù)配置的業(yè)務(wù)需求，確定用于生成所述第一特征數(shù)據(jù)集的m對(duì)數(shù)據(jù)組合；根據(jù)所述網(wǎng)絡(luò)流量數(shù)據(jù)，確定所述m對(duì)數(shù)據(jù)組合中每對(duì)數(shù)據(jù)組合在所述預(yù)設(shè)時(shí)間窗口的單位時(shí)間內(nèi)產(chǎn)生的數(shù)據(jù)統(tǒng)計(jì)值；根據(jù)所述每對(duì)數(shù)據(jù)組合在所述預(yù)設(shè)時(shí)間窗口的單位時(shí)間內(nèi)產(chǎn)生的數(shù)據(jù)統(tǒng)計(jì)值，確定所述每對(duì)數(shù)據(jù)組合在單位時(shí)間內(nèi)的特征向量，并組成為所述每對(duì)數(shù)據(jù)組合在所述預(yù)設(shè)時(shí)間窗口內(nèi)的第一特征數(shù)據(jù)子集；根據(jù)所述m對(duì)數(shù)據(jù)組合在所述預(yù)設(shè)時(shí)間窗口內(nèi)的第一特征數(shù)據(jù)子集，確定所述第一特征數(shù)據(jù)集。

5、在一種可能的實(shí)施方式中，所述m對(duì)數(shù)據(jù)組合包括以下的一對(duì)或多對(duì)數(shù)據(jù)組合：所述網(wǎng)絡(luò)流量數(shù)據(jù)在單位時(shí)間內(nèi)的數(shù)據(jù)包量和數(shù)據(jù)包大小的平均值；所述網(wǎng)絡(luò)流量數(shù)據(jù)在單位時(shí)間內(nèi)所有數(shù)據(jù)協(xié)議中每種數(shù)據(jù)協(xié)議分別對(duì)應(yīng)的數(shù)據(jù)量和每種數(shù)據(jù)協(xié)議分別對(duì)應(yīng)的使用頻率；所述網(wǎng)絡(luò)流量數(shù)據(jù)在單位時(shí)間內(nèi)的加密流量在總流量中的占比和所述目標(biāo)物聯(lián)網(wǎng)設(shè)備輸出的加密流量的數(shù)據(jù)量；所述目標(biāo)物聯(lián)網(wǎng)設(shè)備在預(yù)設(shè)時(shí)間窗口的單位時(shí)間內(nèi)連接的互聯(lián)網(wǎng)協(xié)議ip地址的數(shù)量和連接ip地址失敗的頻率。

6、在一種可能的實(shí)施方式中，所述方法還包括：從所述樣本網(wǎng)絡(luò)流量數(shù)據(jù)中，提取所述第二特征數(shù)據(jù)集，所述第二特征數(shù)據(jù)集包括n對(duì)數(shù)據(jù)組合的第二特征數(shù)據(jù)子集，n為正整數(shù)；根據(jù)所述n對(duì)數(shù)據(jù)組合中每對(duì)數(shù)據(jù)組合的第二特征數(shù)據(jù)子集和預(yù)設(shè)計(jì)算規(guī)則，確定所述每對(duì)數(shù)據(jù)組合的第二特征數(shù)據(jù)子集的方差和/或稀疏值；根據(jù)所述每對(duì)數(shù)據(jù)組合的第二特征數(shù)據(jù)子集的方差和/或稀疏值，確定所述每對(duì)數(shù)據(jù)組合對(duì)應(yīng)的噪聲參數(shù)；根據(jù)所述每對(duì)數(shù)據(jù)組合對(duì)應(yīng)的噪聲參數(shù)，對(duì)所述每對(duì)數(shù)據(jù)組合的第二特征數(shù)據(jù)子集進(jìn)行加噪處理，獲得樣本特征數(shù)據(jù)集；根據(jù)所述樣本特征數(shù)據(jù)集對(duì)初始異常檢測(cè)模型進(jìn)行訓(xùn)練，獲得所述初始異常檢測(cè)模型的檢測(cè)結(jié)果；根據(jù)所述檢測(cè)結(jié)果與參考數(shù)據(jù)集之間的誤差值，調(diào)整所述初始異常檢測(cè)模型的模型參數(shù)，直至所述誤差值小于預(yù)設(shè)誤差值，獲得所述訓(xùn)練后的異常檢測(cè)模型。

7、在一種可能的實(shí)施方式中，根據(jù)所述每對(duì)數(shù)據(jù)組合的第二特征數(shù)據(jù)子集的方差和/或稀疏值，確定所述每對(duì)數(shù)據(jù)組合對(duì)應(yīng)的噪聲參數(shù)，包括：根據(jù)所述每對(duì)數(shù)據(jù)組合的第二特征數(shù)據(jù)子集的方差和稀疏值、以及預(yù)設(shè)策略，確定所述每對(duì)數(shù)據(jù)組合對(duì)應(yīng)的噪聲類型，所述稀疏值用于指示所述每對(duì)數(shù)據(jù)組合的第二特征數(shù)據(jù)子集的稀疏性；其中，所述噪聲類型包括：高斯噪聲、椒鹽噪聲和掩蓋噪聲；根據(jù)所述每對(duì)數(shù)據(jù)組合對(duì)應(yīng)的噪聲類型，將所述每對(duì)數(shù)據(jù)組合的第二特征數(shù)據(jù)子集的方差或稀疏值確定為第一參數(shù)；根據(jù)所述每對(duì)數(shù)據(jù)組合對(duì)應(yīng)的噪聲類型、所述第一參數(shù)以及與所述噪聲類型對(duì)應(yīng)的第一公式，確定所述每對(duì)數(shù)據(jù)組合對(duì)應(yīng)的噪聲參數(shù)。

8、在一種可能的實(shí)施方式中，所述預(yù)設(shè)策略包括第一閾值和第二閾值；根據(jù)所述每對(duì)數(shù)據(jù)組合的第二特征數(shù)據(jù)子集的方差和稀疏值、以及預(yù)設(shè)策略，確定所述每對(duì)數(shù)據(jù)組合對(duì)應(yīng)的噪聲類型，包括：若所述每對(duì)數(shù)據(jù)組合的第二特征數(shù)據(jù)子集的方差大于所述第一閾值，則確定與所述每對(duì)數(shù)據(jù)組合對(duì)應(yīng)的噪聲類型為高斯噪聲；若所述每對(duì)數(shù)據(jù)組合的第二特征數(shù)據(jù)子集的方差未超過所述第一閾值且所述稀疏值大于所述第二閾值，則確定與所述每對(duì)數(shù)據(jù)組合對(duì)應(yīng)的噪聲類型為椒鹽噪聲；若所述每對(duì)數(shù)據(jù)組合的第二特征數(shù)據(jù)子集的方差未超過所述第一閾值且所述稀疏值未超過所述第二閾值，則確定與所述每對(duì)數(shù)據(jù)組合對(duì)應(yīng)的噪聲類型為掩蓋噪聲。

9、第二方面，本技術(shù)實(shí)施例提供一種異常檢測(cè)模型訓(xùn)練方法，包括：從樣本網(wǎng)絡(luò)流量數(shù)據(jù)中，提取第二特征數(shù)據(jù)集，所述第二特征數(shù)據(jù)集包括n對(duì)數(shù)據(jù)組合的第二特征數(shù)據(jù)子集，n為正整數(shù)；根據(jù)所述n對(duì)數(shù)據(jù)組合中每對(duì)數(shù)據(jù)組合的第二特征數(shù)據(jù)子集和預(yù)設(shè)計(jì)算規(guī)則，確定所述每對(duì)數(shù)據(jù)組合的第二特征數(shù)據(jù)子集的方差和/或稀疏值；根據(jù)所述每對(duì)數(shù)據(jù)組合的第二特征數(shù)據(jù)子集的方差和/或稀疏值，確定所述每對(duì)數(shù)據(jù)組合對(duì)應(yīng)的噪聲參數(shù)；根據(jù)所述每對(duì)數(shù)據(jù)組合對(duì)應(yīng)的噪聲參數(shù)，對(duì)所述每對(duì)數(shù)據(jù)組合的第二特征數(shù)據(jù)子集進(jìn)行加噪處理，獲得樣本特征數(shù)據(jù)集，所述樣本特征數(shù)據(jù)集包括至少一種異常情況；根據(jù)所述樣本特征數(shù)據(jù)集對(duì)初始異常檢測(cè)模型進(jìn)行訓(xùn)練，獲得所述初始異常檢測(cè)模型的檢測(cè)結(jié)果；根據(jù)所述檢測(cè)結(jié)果與參考數(shù)據(jù)集之間的誤差值，調(diào)整所述初始異常檢測(cè)模型的模型參數(shù)，直至所述誤差值小于預(yù)設(shè)誤差值，獲得訓(xùn)練后的異常檢測(cè)模型，所述訓(xùn)練后的異常檢測(cè)模型用于根據(jù)目標(biāo)物聯(lián)網(wǎng)設(shè)備的網(wǎng)絡(luò)流量數(shù)據(jù)，確定所述目標(biāo)物聯(lián)網(wǎng)設(shè)備是否異常。

10、在一種可能的實(shí)施方式中，根據(jù)所述每對(duì)數(shù)據(jù)組合的第二特征數(shù)據(jù)子集的方差和/或稀疏值，確定所述每對(duì)數(shù)據(jù)組合對(duì)應(yīng)的噪聲參數(shù)，包括：根據(jù)所述每對(duì)數(shù)據(jù)組合的第二特征數(shù)據(jù)子集的方差和稀疏值、以及預(yù)設(shè)策略，確定所述每對(duì)數(shù)據(jù)組合對(duì)應(yīng)的噪聲類型，所述稀疏值用于指示所述每對(duì)數(shù)據(jù)組合的第二特征數(shù)據(jù)子集的稀疏性；其中，所述噪聲類型包括：高斯噪聲、椒鹽噪聲和掩蓋噪聲；根據(jù)所述每對(duì)數(shù)據(jù)組合對(duì)應(yīng)的噪聲類型，將所述每對(duì)數(shù)據(jù)組合的第二特征數(shù)據(jù)子集的方差或稀疏值確定為第一參數(shù)；根據(jù)所述每對(duì)數(shù)據(jù)組合對(duì)應(yīng)的噪聲類型、所述第一參數(shù)以及與所述噪聲類型對(duì)應(yīng)的第一公式，確定所述每對(duì)數(shù)據(jù)組合對(duì)應(yīng)的噪聲參數(shù)。

11、在一種可能的實(shí)施方式中，所述預(yù)設(shè)策略包括第一閾值和第二閾值；根據(jù)所述每對(duì)數(shù)據(jù)組合的第二特征數(shù)據(jù)子集的方差和稀疏值、以及預(yù)設(shè)策略，確定所述每對(duì)數(shù)據(jù)組合對(duì)應(yīng)的噪聲類型，包括：若所述每對(duì)數(shù)據(jù)組合的第二特征數(shù)據(jù)子集的方差大于所述第一閾值，則確定與所述每對(duì)數(shù)據(jù)組合對(duì)應(yīng)的噪聲類型為高斯噪聲；若所述每對(duì)數(shù)據(jù)組合的第二特征數(shù)據(jù)子集的方差未超過所述第一閾值且所述稀疏值大于所述第二閾值，則確定與所述每對(duì)數(shù)據(jù)組合對(duì)應(yīng)的噪聲類型為椒鹽噪聲；若所述每對(duì)數(shù)據(jù)組合的第二特征數(shù)據(jù)子集的方差未超過所述第一閾值且所述稀疏值未超過所述第二閾值，則確定與所述每對(duì)數(shù)據(jù)組合對(duì)應(yīng)的噪聲類型為掩蓋噪聲。

12、第三方面，本技術(shù)實(shí)施例提供一種異常檢測(cè)裝置，包括：采集模塊，用于采集預(yù)設(shè)時(shí)間窗口內(nèi)目標(biāo)物聯(lián)網(wǎng)設(shè)備的網(wǎng)絡(luò)流量數(shù)據(jù)；提取模塊，用于從所述網(wǎng)絡(luò)流量數(shù)據(jù)中提取第一特征數(shù)據(jù)集，所述第一特征數(shù)據(jù)集包括m對(duì)數(shù)據(jù)組合的第一特征數(shù)據(jù)子集，一對(duì)數(shù)據(jù)組合對(duì)應(yīng)所述網(wǎng)絡(luò)流量數(shù)據(jù)中的一個(gè)維度的流量數(shù)據(jù)，m為正整數(shù)；檢測(cè)模塊，用于將所述第一特征數(shù)據(jù)集輸入訓(xùn)練后的異常檢測(cè)模型中，獲得所述異常檢測(cè)模型輸出的檢測(cè)值，所述檢測(cè)值用于指示所述網(wǎng)絡(luò)流量數(shù)據(jù)與參考網(wǎng)絡(luò)流量數(shù)據(jù)之間的差異程度；所述檢測(cè)模塊，還用于根據(jù)所述檢測(cè)值，確定所述目標(biāo)物聯(lián)網(wǎng)設(shè)備是否異常；其中，所述異常檢測(cè)模型是基于樣本特征數(shù)據(jù)集訓(xùn)練得到的，所述樣本特征數(shù)據(jù)集是從樣本網(wǎng)絡(luò)流量數(shù)據(jù)中提取第二特征數(shù)據(jù)集并對(duì)所述第二特征數(shù)據(jù)集進(jìn)行加噪處理后得到的，所述樣本特征數(shù)據(jù)集包括至少一種異常情況。

13、在一種可能的實(shí)施方式中，所述提取模塊，具體用于：根據(jù)預(yù)配置的業(yè)務(wù)需求，確定用于生成所述第一特征數(shù)據(jù)集的m對(duì)數(shù)據(jù)組合；根據(jù)所述網(wǎng)絡(luò)流量數(shù)據(jù)，確定所述m對(duì)數(shù)據(jù)組合中每對(duì)數(shù)據(jù)組合在所述預(yù)設(shè)時(shí)間窗口的單位時(shí)間內(nèi)產(chǎn)生的數(shù)據(jù)統(tǒng)計(jì)值；根據(jù)所述每對(duì)數(shù)據(jù)組合在所述預(yù)設(shè)時(shí)間窗口的單位時(shí)間內(nèi)產(chǎn)生的數(shù)據(jù)統(tǒng)計(jì)值，確定所述每對(duì)數(shù)據(jù)組合在單位時(shí)間內(nèi)的特征向量，并組成為所述每對(duì)數(shù)據(jù)組合在所述預(yù)設(shè)時(shí)間窗口內(nèi)的第一特征數(shù)據(jù)子集；根據(jù)所述m對(duì)數(shù)據(jù)組合在所述預(yù)設(shè)時(shí)間窗口內(nèi)的第一特征數(shù)據(jù)子集，確定所述第一特征數(shù)據(jù)集。

14、在一種可能的實(shí)施方式中，所述m對(duì)數(shù)據(jù)組合包括以下的一對(duì)或多對(duì)數(shù)據(jù)組合：所述網(wǎng)絡(luò)流量數(shù)據(jù)在單位時(shí)間內(nèi)的數(shù)據(jù)包量和數(shù)據(jù)包大小的平均值；所述網(wǎng)絡(luò)流量數(shù)據(jù)在單位時(shí)間內(nèi)所有數(shù)據(jù)協(xié)議中每種數(shù)據(jù)協(xié)議分別對(duì)應(yīng)的數(shù)據(jù)量和每種數(shù)據(jù)協(xié)議分別對(duì)應(yīng)的使用頻率；所述網(wǎng)絡(luò)流量數(shù)據(jù)在單位時(shí)間內(nèi)的加密流量在總流量中的占比和所述目標(biāo)物聯(lián)網(wǎng)設(shè)備輸出的加密流量的數(shù)據(jù)量；所述目標(biāo)物聯(lián)網(wǎng)設(shè)備在預(yù)設(shè)時(shí)間窗口的單位時(shí)間內(nèi)連接的互聯(lián)網(wǎng)協(xié)議ip地址的數(shù)量和連接ip地址失敗的頻率。

15、在一種可能的實(shí)施方式中，所述異常檢測(cè)裝置還包括訓(xùn)練模塊，所述訓(xùn)練模塊，用于從所述樣本網(wǎng)絡(luò)流量數(shù)據(jù)中，提取所述第二特征數(shù)據(jù)集，所述第二特征數(shù)據(jù)集包括n對(duì)數(shù)據(jù)組合的第二特征數(shù)據(jù)子集，n為正整數(shù)；根據(jù)所述n對(duì)數(shù)據(jù)組合中每對(duì)數(shù)據(jù)組合的第二特征數(shù)據(jù)子集和預(yù)設(shè)計(jì)算規(guī)則，確定所述每對(duì)數(shù)據(jù)組合的第二特征數(shù)據(jù)子集的方差和/或稀疏值；根據(jù)所述每對(duì)數(shù)據(jù)組合的第二特征數(shù)據(jù)子集的方差和/或稀疏值，確定所述每對(duì)數(shù)據(jù)組合對(duì)應(yīng)的噪聲參數(shù)；根據(jù)所述每對(duì)數(shù)據(jù)組合對(duì)應(yīng)的噪聲參數(shù)，對(duì)所述每對(duì)數(shù)據(jù)組合的第二特征數(shù)據(jù)子集進(jìn)行加噪處理，獲得樣本特征數(shù)據(jù)集；根據(jù)所述樣本特征數(shù)據(jù)集對(duì)初始異常檢測(cè)模型進(jìn)行訓(xùn)練，獲得所述初始異常檢測(cè)模型的檢測(cè)結(jié)果；根據(jù)所述檢測(cè)結(jié)果與參考數(shù)據(jù)集之間的誤差值，調(diào)整所述初始異常檢測(cè)模型的模型參數(shù)，直至所述誤差值小于預(yù)設(shè)誤差值，獲得所述訓(xùn)練后的異常檢測(cè)模型。

16、在一種可能的實(shí)施方式中，所述訓(xùn)練模塊，具體用于：根據(jù)所述每對(duì)數(shù)據(jù)組合的第二特征數(shù)據(jù)子集的方差和稀疏值、以及預(yù)設(shè)策略，確定所述每對(duì)數(shù)據(jù)組合對(duì)應(yīng)的噪聲類型，所述稀疏值用于指示所述每對(duì)數(shù)據(jù)組合的第二特征數(shù)據(jù)子集的稀疏性；其中，所述噪聲類型包括：高斯噪聲、椒鹽噪聲和掩蓋噪聲；根據(jù)所述每對(duì)數(shù)據(jù)組合對(duì)應(yīng)的噪聲類型，將所述每對(duì)數(shù)據(jù)組合的第二特征數(shù)據(jù)子集的方差或稀疏值確定為第一參數(shù)；根據(jù)所述每對(duì)數(shù)據(jù)組合對(duì)應(yīng)的噪聲類型、所述第一參數(shù)以及與所述噪聲類型對(duì)應(yīng)的第一公式，確定所述每對(duì)數(shù)據(jù)組合對(duì)應(yīng)的噪聲參數(shù)。

17、在一種可能的實(shí)施方式中，所述預(yù)設(shè)策略包括第一閾值和第二閾值；所述訓(xùn)練模塊，具體用于：若所述每對(duì)數(shù)據(jù)組合的第二特征數(shù)據(jù)子集的方差大于所述第一閾值，則確定與所述每對(duì)數(shù)據(jù)組合對(duì)應(yīng)的噪聲類型為高斯噪聲；若所述每對(duì)數(shù)據(jù)組合的第二特征數(shù)據(jù)子集的方差未超過所述第一閾值且所述稀疏值大于所述第二閾值，則確定與所述每對(duì)數(shù)據(jù)組合對(duì)應(yīng)的噪聲類型為椒鹽噪聲；若所述每對(duì)數(shù)據(jù)組合的第二特征數(shù)據(jù)子集的方差未超過所述第一閾值且所述稀疏值未超過所述第二閾值，則確定與所述每對(duì)數(shù)據(jù)組合對(duì)應(yīng)的噪聲類型為掩蓋噪聲。

18、第四方面，本技術(shù)實(shí)施例提供一種異常檢測(cè)模型訓(xùn)練裝置，包括：提取模塊，用于從樣本網(wǎng)絡(luò)流量數(shù)據(jù)中，提取第二特征數(shù)據(jù)集，所述第二特征數(shù)據(jù)集包括n對(duì)數(shù)據(jù)組合的第二特征數(shù)據(jù)子集，n為正整數(shù)；確定模塊，用于根據(jù)所述n對(duì)數(shù)據(jù)組合中每對(duì)數(shù)據(jù)組合的第二特征數(shù)據(jù)子集和預(yù)設(shè)計(jì)算規(guī)則，確定所述每對(duì)數(shù)據(jù)組合的第二特征數(shù)據(jù)子集的方差和/或稀疏值；所述確定模塊，還用于根據(jù)所述每對(duì)數(shù)據(jù)組合的第二特征數(shù)據(jù)子集的方差和/或稀疏值，確定所述每對(duì)數(shù)據(jù)組合對(duì)應(yīng)的噪聲參數(shù)；噪聲處理模塊，用于根據(jù)所述每對(duì)數(shù)據(jù)組合對(duì)應(yīng)的噪聲參數(shù)，對(duì)所述每對(duì)數(shù)據(jù)組合的第二特征數(shù)據(jù)子集進(jìn)行加噪處理，獲得樣本特征數(shù)據(jù)集，所述樣本特征數(shù)據(jù)集包括至少一種異常情況；訓(xùn)練模塊，用于根據(jù)所述樣本特征數(shù)據(jù)集對(duì)初始異常檢測(cè)模型進(jìn)行訓(xùn)練，獲得所述初始異常檢測(cè)模型的檢測(cè)結(jié)果；所述訓(xùn)練模塊，還用于根據(jù)所述檢測(cè)結(jié)果與參考數(shù)據(jù)集之間的誤差值，調(diào)整所述初始異常檢測(cè)模型的模型參數(shù)，直至所述誤差值小于預(yù)設(shè)誤差值，獲得訓(xùn)練后的異常檢測(cè)模型，所述訓(xùn)練后的異常檢測(cè)模型用于根據(jù)目標(biāo)物聯(lián)網(wǎng)設(shè)備的網(wǎng)絡(luò)流量數(shù)據(jù)，確定所述目標(biāo)物聯(lián)網(wǎng)設(shè)備是否異常。

19、在一種可能的實(shí)施方式中，所述確定模塊，具體用于：根據(jù)所述每對(duì)數(shù)據(jù)組合的第二特征數(shù)據(jù)子集的方差和稀疏值、以及預(yù)設(shè)策略，確定所述每對(duì)數(shù)據(jù)組合對(duì)應(yīng)的噪聲類型，所述稀疏值用于指示所述每對(duì)數(shù)據(jù)組合的第二特征數(shù)據(jù)子集的稀疏性；其中，所述噪聲類型包括：高斯噪聲、椒鹽噪聲和掩蓋噪聲；根據(jù)所述每對(duì)數(shù)據(jù)組合對(duì)應(yīng)的噪聲類型，將所述每對(duì)數(shù)據(jù)組合的第二特征數(shù)據(jù)子集的方差或稀疏值確定為第一參數(shù)；根據(jù)所述每對(duì)數(shù)據(jù)組合對(duì)應(yīng)的噪聲類型、所述第一參數(shù)以及與所述噪聲類型對(duì)應(yīng)的第一公式，確定所述每對(duì)數(shù)據(jù)組合對(duì)應(yīng)的噪聲參數(shù)。

20、在一種可能的實(shí)施方式中，所述預(yù)設(shè)策略包括第一閾值和第二閾值；所述確定模塊，具體用于：若所述每對(duì)數(shù)據(jù)組合的第二特征數(shù)據(jù)子集的方差大于所述第一閾值，則確定與所述每對(duì)數(shù)據(jù)組合對(duì)應(yīng)的噪聲類型為高斯噪聲；若所述每對(duì)數(shù)據(jù)組合的第二特征數(shù)據(jù)子集的方差未超過所述第一閾值且所述稀疏值大于所述第二閾值，則確定與所述每對(duì)數(shù)據(jù)組合對(duì)應(yīng)的噪聲類型為椒鹽噪聲；若所述每對(duì)數(shù)據(jù)組合的第二特征數(shù)據(jù)子集的方差未超過所述第一閾值且所述稀疏值未超過所述第二閾值，則確定與所述每對(duì)數(shù)據(jù)組合對(duì)應(yīng)的噪聲類型為掩蓋噪聲。

21、第五方面，本技術(shù)實(shí)施例提供一種電子設(shè)備，包括：至少一個(gè)處理器，以及與所述至少一個(gè)處理器通信連接的存儲(chǔ)器；其中，所述存儲(chǔ)器存儲(chǔ)有可被所述至少一個(gè)處理器執(zhí)行的指令，所述至少一個(gè)處理器通過執(zhí)行所述存儲(chǔ)器存儲(chǔ)的指令實(shí)現(xiàn)如前文第一方面或第二方面及任一可能的實(shí)施方式所述的方法。

22、第六方面，本技術(shù)實(shí)施例提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)有計(jì)算機(jī)指令，當(dāng)所述計(jì)算機(jī)指令在計(jì)算機(jī)上運(yùn)行時(shí)，使得計(jì)算機(jī)執(zhí)行如前文第一方面或第二方面及任一可能的實(shí)施方式所述的方法。

23、第七方面，本技術(shù)實(shí)施例提供一種計(jì)算機(jī)程序產(chǎn)品，包含有計(jì)算機(jī)指令，當(dāng)其在計(jì)算機(jī)上運(yùn)行時(shí)，使得上述如前文第一方面或第二方面及任一可能的實(shí)施方式所述的方法被實(shí)現(xiàn)。

24、關(guān)于第二方面至第七方面的有益效果可參照前文第一方面所述的內(nèi)容，此處不再贅述。