對于互聯(lián)網服務提供者來說，根據服務系統(tǒng)中部署的多維觀察指標快速準確地發(fā)現(xiàn)系統(tǒng)中出現(xiàn)的異常能夠大大降低損失，確保服務質量。然而，多維指標之間時序特征可能不盡相同，在異常檢測任務中這些特征的不一致性會降低異常檢測效果，導致誤判、漏判異常。我中心科技云部針對該問題提出了一種基于無監(jiān)督學習的多指標實時異常檢測模型CAD。該方法利用卷積網絡捕捉時序指標特征，通過獨立特征選擇方法、雙門控機制和下游任務隔離結構有效解決了特征不一致導致的學習目標沖突問題。實驗表明該方法在多個數(shù)據集上均達到最優(yōu)檢測效果。該檢測方法作為科技云智能運維系統(tǒng)的重要一環(huán)，可以根據科技云運行系統(tǒng)的關鍵性能指標監(jiān)控系統(tǒng)運行狀態(tài)，在發(fā)生異常和故障時及時告警，提高系統(tǒng)運行穩(wěn)定性。?