时序异常检测预训练工作流

功能介绍

使用设备历史正常数据对时序异常检测大模型进行全量训练，使其更好地学习并重构正常数据的潜在特征分布。在推理阶段，利用模型对输入样本的重构误差作为异常判别依据：若重构效果显著下降，则表明该样本偏离正常模式，具有潜在异常趋势，从而实现对异常数据的有效检测与区分。

若为零样本直推模型或预训练工作流产物（正常数据学习）模型，根据指定异常分计算方式返回异常分+重构值，共有以下三种计算方式：

重构误差：计算多次重构的均值，计算与真实值的偏差值记作异常分。
重构方差（推荐）：计算多次重构的方差，记作异常分。
重构误差+方差：异常分计算方式a)+b)，记作异常分。

授权信息

账号具备所有API的调用权限，如果使用账号下的IAM用户调用当前API，该IAM用户需具备调用API所需的权限，具体权限要求请参见权限和授权项。

URI

POST /

获取URI方式请参见请求URI。

请求参数

使用Token认证方式的请求Header参数见表1。

表1 请求Header参数（Token认证）
参数	是否必选	参数类型	描述
X-Auth-Token	是	String	参数解释：用户Token。用于获取操作API的权限。如图4中响应消息头中X-Subject-Token的值即为Token。约束限制：不涉及取值范围：不涉及默认取值：不涉及
Content-Type	是	String	参数解释：发送的实体的MIME类型。约束限制：不涉及取值范围：不涉及默认取值： application/json

使用API Key认证方式的请求Header参数见表2。

表2 请求Header参数（API Key认证）
参数	是否必选	参数类型	描述
X-Apig-AppCode	是	String	参数解释： API Key值。用于获取操作API的权限。API Key认证响应消息头中X-Apig-AppCode的值即为API Key。约束限制：不涉及取值范围：不涉及默认取值：不涉及
Content-Type	是	String	参数解释：发送的实体的MIME类型。约束限制：不涉及取值范围：不涉及默认取值： application/json

表3 请求Body参数
参数	是否必选	参数类型	描述
data	是	Array	参数解释：时序异常检测批处理数据。约束限制：盘古时序预测分类任务的输入数据内容，用字典承载。输入数据字典中，键对应特征列名，值为列表承载的序列数据具体内容，单条时序数据窗口长度需大于等于100。取值范围：输入数据中的一组数据。默认取值：预测大模型在训练完成后，可以在训练日志页面，“模型训练”日志节点中获取推理api所用的示例数据。填写请求Body时可以参考该示例填写。
option	否	String	参数解释：选择异常分计算模式，可选择模式包括["err"，"var", "mix"]，分别代表["重构误差"，"重构方差", "重构误差+方差"]三种计算模式，推荐使用重构方差("var")：重构误差("err")：计算多次重构的均值，计算与真实值的偏差值记作异常分。重构方差("var")：计算多次重构的方差，记作异常分。重构误差+方差("mix")：异常分计算方式a)+b)，记作异常分。约束限制：无取值范围： {"err", "var", "mix"} 默认取值： var

响应参数

状态码： 200

表4 响应Body参数
参数	参数类型	描述
data	LIST<OutputMeta>	参数解释：时序预测结果的列表。同时返回各个特征的异常分以及重构值，分别以"anomaly_score"以及"reconstruction"两个键值承载。约束限制：不涉及取值范围：不涉及默认取值：不涉及
time_cost	JSON	参数解释：当启动服务时，本次请求服务各阶段耗时情况。约束限制：不涉及取值范围：不涉及默认取值：不涉及

状态码： 400

表5 响应Body参数
参数	参数类型	描述
error_code	String	错误码。
error_msg	String	错误信息。

请求示例

{
  "option": "var", #可选模式包括["err"，"var", "mix"]
  "data": [
    {
      "context": {
        "feature_0": [ 864.1618041992188, 493.91827392578125, 252.7724151611328,...],
        "feature_1": [ 864.1618041992188, 493.91827392578125, 252.7724151611328,...],
        "feature_2": [ 864.1618041992188, 493.91827392578125, 252.7724151611328,...],
        "feature_3": [ 864.1618041992188, 493.91827392578125, 252.7724151611328,...]   
      }
    },
    {
      "context": {
        "feature_0": [ 864.1618041992188, 493.91827392578125, 252.7724151611328,...],
        "feature_1": [ 864.1618041992188, 493.91827392578125, 252.7724151611328,...],
        "feature_2": [ 864.1618041992188, 493.91827392578125, 252.7724151611328,...],
        "feature_3": [ 864.1618041992188, 493.91827392578125, 252.7724151611328,...]
      }
    },
    {...},
    {...}
  ]
}

响应示例

{
  "data": [
    {
        # 异常分
        "anomaly_score":{
            "feature_0": [ 864.1618041992188, 493.91827392578125, 252.7724151611328,...],
            "feature_1": [ 864.1618041992188, 493.91827392578125, 252.7724151611328,...],
            "feature_2": [ 864.1618041992188, 493.91827392578125, 252.7724151611328,...],
            "feature_3": [ 864.1618041992188, 493.91827392578125, 252.7724151611328,...]   
        },
        # 重构结果
        "reconstruction":{
            "feature_0": [ 864.1618041992188, 493.91827392578125, 252.7724151611328,...],
            "feature_1": [ 864.1618041992188, 493.91827392578125, 252.7724151611328,...],
            "feature_2": [ 864.1618041992188, 493.91827392578125, 252.7724151611328,...],
            "feature_3": [ 864.1618041992188, 493.91827392578125, 252.7724151611328,...]   
        }
    },
    {...},
    {...},
    {...}
  ],
  "time_cost": {
    "infer_cost_time": "82.609 ms",
    "postprocess_cost_time": "0.29 ms",
    "preprocess_cost_time": "0.1332 ms",
    "service_cost_total_time": "84.965 ms"
  }
}