本發(fā)明公開了一種基于多變量時間序列預測的魯棒性異常檢測方法和設(shè)備，方法包括：獲取互聯(lián)網(wǎng)服務(wù)性能歷史數(shù)據(jù)，構(gòu)建多變量時間序列；通過小波變換將多變量時間序列分解為多個子分量，并去噪濾除噪音；將濾除噪音后的子分量輸入到LSTM網(wǎng)絡(luò)中，并訓練網(wǎng)絡(luò)，得到LSTM分量預測模型；根據(jù)LSTM分量預測值構(gòu)建線性回歸模型，并利用歷史數(shù)據(jù)估計線性參數(shù)；將新產(chǎn)生的互聯(lián)網(wǎng)服務(wù)性能數(shù)據(jù)輸入LSTM分量預測模型，將得到的子分量預測值輸入線性回歸模型中，計算得到互聯(lián)網(wǎng)服務(wù)性能時間序列的預測值；當計算得到的預測值與真實值的誤差值大于預設(shè)的異常閾值時，判斷為互聯(lián)網(wǎng)服務(wù)出現(xiàn)異常。本發(fā)明可提高互聯(lián)網(wǎng)服務(wù)性能檢測準確度和魯棒性。