微软的时间序列异常检测服务
机器学习
2019-06-11 v1 机器学习
摘要
大型公司需要实时监控其应用与服务的各种指标（例如页面浏览量和收入）。在微软，我们开发了一种时间序列异常检测服务，帮助客户持续监控时间序列并及时告警潜在事故。在本文中，我们介绍了我们异常检测服务的流水线与算法，其设计目标是准确、高效且通用。该流水线包含三个主要模块，包括数据摄取、实验平台和在线计算。为解决时间序列异常检测问题，我们提出了一种基于谱残差（SR）和卷积神经网络（CNN）的新算法。我们的工作首次尝试将 SR 模型从视觉显著性检测领域借鉴到时间序列异常检测中。此外，我们创新性地将 SR 与 CNN 结合以提升 SR 模型的性能。在公开数据集和微软生产数据上，我们的方法相比最先进的基线均取得了优越的实验结果。
引用
@article{arxiv.1906.03821,
title = {Time-Series Anomaly Detection Service at Microsoft},
author = {Hansheng Ren and Bixiong Xu and Yujing Wang and Chao Yi and Congrui Huang and Xiaoyu Kou and Tony Xing and Mao Yang and Jie Tong and Qi Zhang},
journal= {arXiv preprint arXiv:1906.03821},
year = {2019}
}
备注
KDD 2019