使用葡萄糖来检测异常计算环境行为的制作方法

使用葡萄糖来检测异常计算环境行为


背景技术：

1.本技术要求2020年11月24日提交的、并且名称为“使用葡萄糖来检测异常计算环境行为(detection of anomalous computing environment behavior using glucose)”的美国临时专利申请第63/117,705号的权益，其全部公开内容据此以引用方式并入。
2.背景技术
3.糖尿病是影响数亿人口的代谢疾病，并且是世界范围内死亡的主要原因之一。对于患有i型糖尿病的人来说，获得治疗对于他们的生存是至关重要的，并且它可以减少患有ii型糖尿病的人的不良后果。通过适当的治疗，可以避免由于糖尿病引起的对心脏、血管、眼睛、肾和神经的严重损伤。不管糖尿病的类型如何(例如，i型或ii型)，成功地管理糖尿病涉及监测并时常调节食物和活动以控制人的血糖，以减少人的血糖的严重波动和/或通常降低人的血糖。
4.常规葡萄糖监测系统被用于使用葡萄糖监测装置来监测用户的葡萄糖，并且将葡萄糖测量结果输出给用户。作为这一点的一部分，常规葡萄糖监测系统还可生成各种事件，诸如当用户的葡萄糖水平低于或预测为低于低葡萄糖阈值时可输出的低葡萄糖警报。常规葡萄糖监测系统的用户可能开始依赖于这些事件和警报，以便采取缓解动作来防止危险的葡萄糖相关状况发生。
5.不幸的是，各种不同的情况可能导致常规葡萄糖监测系统不能生成某些事件。此类情况可以包括葡萄糖监测装置与用户的计算装置之间的信号损失、葡萄糖监测装置的问题、操作系统不兼容问题、资源竞争、用户动作等。作为示例，对于特定品牌的移动装置，新操作系统的安装或更新至操作系统的新版本可能导致移动装置与葡萄糖监测装置之间的不兼容问题，这导致葡萄糖监测应用程序未能生成某些事件。
6.常规上，应用程序开发者检测和修复导致葡萄糖监测应用程序遗漏事件的问题的唯一方式是基于用户反馈。例如，葡萄糖监测装置的用户可以注意到他们的葡萄糖监测应用程序未能输出低葡萄糖警报，并且因此提交投诉。当接收到足够的投诉时，可以开始调查以确定对导致遗漏事件的问题的解决方案。然而，这种用于遗漏事件检测的常规过程是缓慢的，并且通常需要大量用户检测到该问题才能发起调查。此外，一些遗漏事件甚至可能不会被用户注意到，并且因此不会基于用户投诉而被检测到。对于依赖于由葡萄糖监测应用程序和装置生成的事件和警报的准确性的用户而言，不能早期检测到遗漏事件可能导致有害的或者甚至威胁生命的问题。因此，尽可能早地检测由葡萄糖监测应用程序生成的遗漏事件是重要的。


技术实现要素：

7.为了克服这些问题，利用葡萄糖来检测异常计算环境行为。异常检测系统在第一时间段期间接收由可穿戴葡萄糖监测装置收集的葡萄糖测量结果以及与葡萄糖测量结果相关联的事件记录。通过使用事件引擎模拟器处理葡萄糖测量结果来识别从第一时间段期间的事件记录中遗漏的遗漏事件。基于第一时间段期间的遗漏事件来生成异常检测模型。
异常检测模型包括非异常的第二时间段期间的遗漏事件的预测范围，其中第二时间段在第一时间段之后。异常检测系统还在第二时间段期间接收由可穿戴葡萄糖监测装置收集的附加葡萄糖测量结果以及与附加葡萄糖测量结果相关联的附加事件记录。通过使用事件引擎模拟器处理附加葡萄糖测量结果来识别从第二时间段期间的附加事件记录中遗漏的遗漏事件。如果从第二时间段期间的事件记录中遗漏的所识别的遗漏事件在异常检测模型的遗漏事件的预测范围之外，则检测到异常行为。
8.这一发明内容以简化的形式介绍一些概念，这些概念将在下面的具体实施方式中进一步描述。因此，这一发明内容不旨在识别要求保护的主题的必要特征，也不旨在用于帮助确定要求保护的主题的范围。
附图说明
9.参考附图描述具体实施方式。
10.图1是可操作以采用本文所述的技术的示例性具体实施中的环境的图示。
11.图2更详细地描绘了图1的可穿戴葡萄糖监测装置的示例。
12.图3描绘了其中图1的异常检测系统通过模拟事件来检测计算环境的异常行为的系统的示例。
13.图4描绘了用户界面的示例性具体实施，该用户界面显示与计算环境相关联的所观察到的行为随时间推移的绘图以及所观察到的行为不异常的范围的可视化。
14.图5描绘了显示所检测到的异常行为的通知的用户界面的示例性具体实施。
15.图6描绘了示例性具体实施中的程序，其中基于在第一时间段期间识别的遗漏事件来生成异常检测模型。
16.图7描绘了示例性具体实施中的程序，其中利用图6中生成的异常检测模型来检测第二时间段期间的异常行为。
17.图8示出了包括示例性装置的各种部件的系统的示例，该示例性装置可被实现为如参考图1至图7所描述和/或利用的任何类型的计算装置以实现本文所述的技术的实施方案。
具体实施方式
18.概述
19.描述了使用葡萄糖来检测异常计算环境行为。异常检测系统在第一时间段期间接收由可穿戴葡萄糖监测装置收集的葡萄糖测量结果以及与葡萄糖测量结果相关联的事件记录。例如，可以从在多个计算装置处实现的葡萄糖监测应用程序接收葡萄糖测量结果和事件记录。这些计算装置从各自收集用户的葡萄糖测量结果的相应葡萄糖监测装置获得葡萄糖测量结果。在一些情况下，例如，葡萄糖监测装置是可穿戴葡萄糖监测装置，其以预定间隔(例如，每五分钟)实时地从用户收集葡萄糖测量结果。
20.葡萄糖监测应用程序的事件引擎被配置成处理葡萄糖测量结果以生成与葡萄糖监测相关联的事件，诸如血糖事件(例如，高血糖和低血糖)、预测的血糖事件(例如，即将到来的低葡萄糖或即将到来的高葡萄糖)等等。所生成的事件可以被输出到用户的计算装置并且还被记录在事件记录中，该事件记录维护由事件引擎生成的所有事件的列表。以举例
的方式，警报和报警可以对应于由事件引擎识别和记录的事件类型。一般来讲，可以针对由事件引擎识别和记录的危险或潜在危险的健康状况来触发警报和报警，其中葡萄糖监测应用程序被配置成响应于此类事件的识别使得经由计算装置或经由一些其他装置输出警报或报警(例如，向用户通知该状况)。
21.在操作中，可穿戴葡萄糖监测装置可被配置成基本上以预定时间间隔(例如，每五分钟一次测量)向计算装置传输葡萄糖测量结果。尽管通常配置成以预定时间间隔传输测量结果，但是葡萄糖监测应用程序以及因此事件引擎可能由于各种原因而不在它们的预定传输时间接收那些测量结果中的一个或多个测量结果，例如，由于计算装置与可穿戴葡萄糖监测装置之间的信号损失，一个或多个测量结果可能不在它们的预定时间被接收(而是相反稍后被接收)。在事件引擎未按照预定时间接收那些葡萄糖测量结果的场景中，事件引擎可能不会生成某些事件，例如，当对应于血糖事件(例如，低血糖或高血糖)的测量结果未被按照预定时间接收时，可能不会生成警报或报警。当事件未由事件引擎生成并且未由葡萄糖监测应用程序输出时，事件引擎也不使得事件被记录在事件记录中。因此，此类事件可能被事件引擎“遗漏”并且从事件记录中“遗漏”。尽管信号丢失被讨论为遗漏事件的一个原因，但是在不脱离所描述的技术的精神或范围的情况下，事件引擎可能由于各种其他原因而遗漏事件，这在一些情况下可能是由于计算装置的资源竞争。
22.常规上，此类遗漏事件只能在大量用户抱怨遗漏事件时被检测到。例如，用户可以注意到他们的葡萄糖监测应用程序未能输出低葡萄糖警报，并且因此以投诉联系葡萄糖监测系统。当接收到足够的投诉时，可以由应用程序开发者或客户服务人员发起调查以确定该问题的解决方案。然而，该过程是缓慢的，并且需要大量用户才能检测问题并提出投诉。特别是在遗漏的事件可能对用户有害或甚至威胁生命的情况下，尽可能早地检测遗漏的事件是重要的。此外，经常地，与低葡萄糖相关的遗漏事件甚至可能不被用户注意到，诸如当那些事件在用户睡眠时被遗漏时。
23.因此，为了解决常规系统的这个问题，通过使用作为事件引擎的复制的事件引擎模拟器来处理葡萄糖测量结果来识别从第一时间段期间的事件记录中遗漏的遗漏事件。事件引擎模拟器可以使用与葡萄糖监测应用程序的事件引擎相同或相似的逻辑(或相同或相似逻辑的一部分)来实现。例如，可以使用与事件引擎相同或类似的源代码中的至少一些源代码来实现事件引擎模拟器。事件引擎模拟器接收与事件引擎相同的葡萄糖测量结果，并且生成模拟事件。然后，将模拟事件与第一时间段期间的事件记录中的实际事件进行比较，以便识别从事件记录中遗漏的事件。因此，遗漏事件对应于在第一时间段期间的事件记录中不具有匹配的实际事件的模拟事件。
24.异常检测系统然后可以鉴于针对在第二时间段之前的第一时间段确定的历史遗漏事件来确定针对第二时间段的遗漏事件是否是异常的。为此，基于在第一时间段期间识别的遗漏事件来生成异常检测模型。例如，可以基于在跨越八周的第一时间段期间识别的遗漏事件来生成异常检测模型，并且然后可以使用该模型来检测跨越一周的第二时间段中的异常行为。异常检测模型包括非异常的第二时间段期间的遗漏事件的预测范围。
25.以类似于识别第一时间段期间的遗漏事件的方式，异常检测系统接收由可穿戴葡萄糖监测装置收集的附加葡萄糖测量结果以及与第二时间段期间的附加葡萄糖测量结果相关联的事件记录。通过使用事件引擎模拟器处理附加葡萄糖测量结果来识别从第二时间
期间的事件记录中遗漏的遗漏事件。例如，事件引擎模拟器在第二时间段期间接收与事件引擎相同的葡萄糖测量结果，并且生成模拟事件。然后，将模拟事件与第二时间段期间的事件记录中的实际事件进行比较，以便识别遗漏事件。
26.如果第二时间段期间的所识别的遗漏事件在异常检测模型的遗漏事件的预测范围之外，则检测到异常行为。例如，在数千甚至数百万用户的群体中，预期有一定数量的遗漏事件。因此，当遗漏事件的数量在异常检测模型的遗漏事件的预测范围之外时，检测到异常事件。以举例的方式，如果由异常检测模型定义的遗漏事件的预测范围是每天10个至30个遗漏事件，则对于给定的一天，如果遗漏事件的数量是40，则异常行为将被识别，从而超过30个遗漏事件的预测范围的阈值上限。相反，如果针对给定的一天识别出20个遗漏事件，则将不会检测到异常行为，因为20个遗漏事件在针对该天的遗漏事件的预测范围内。根据所描述的技术，范围还可以或者另选地按照百分比来描述，例如所有事件占用户群体的百分比。
27.因此，本文讨论的所描述的技术通过在早期自动检测异常行为来解决常规系统的许多问题。即，所描述的技术模拟事件(例如，每天)以便检测可以对应于异常行为的遗漏事件，而不是依赖于大量用户投诉来检测引起遗漏事件的问题。值得注意的是，通过对先前时间段内的遗漏事件的行为进行建模，系统每天容忍一定数量的遗漏事件，这些遗漏事件在遗漏事件的正常范围内。然而，如果遗漏事件的数量在预测范围之外，则异常行为被快速地识别并且可以在引起遗漏事件的问题对用户引起更多遗漏的事件之前起作用。因此，快速识别异常行为的能力使得能够快速解决导致异常行为的问题，这减少了依赖于葡萄糖监测应用程序的用户的健康相关问题的数量。
28.在以下讨论中，首先描述可采用本文所述的技术的示例性环境。然后描述可在示例性环境以及其他环境中执行的具体实施细节和程序的示例。示例性程序的执行不限于示例性环境，并且示例性环境不限于示例性程序的执行。
29.环境的示例
30.图1是可操作以采用本文所述的使用葡萄糖来检测异常计算环境行为的示例性具体实施中的环境100的图示。所示环境100包括被描绘为穿戴可穿戴葡萄糖监测装置104的人102。所示环境100还包括计算装置106、用户群体108中穿戴葡萄糖监测装置104的其他用户以及葡萄糖监测平台110。可穿戴葡萄糖监测装置104、计算装置106、用户群体108和葡萄糖监测平台110通信地耦合，包括经由网络112。
31.另选地或除此之外，可穿戴葡萄糖监测装置104和计算装置106可以以其他方式通信地耦合，诸如使用一个或多个无线通信协议或技术。以举例的方式，可穿戴葡萄糖监测装置104和计算装置106可以使用蓝牙(例如，蓝牙低功耗链路)、近场通信(nfc)、5g等中的一者或多者来彼此通信。
32.根据所描述的技术，可穿戴葡萄糖监测装置104被配置成提供人102的葡萄糖的测量结果。尽管本文讨论了可穿戴葡萄糖监测装置，但是应当理解，可以结合能够提供葡萄糖测量结果的其他装置(例如，非可穿戴葡萄糖装置(诸如需要手指针刺的血糖仪)、贴片等)使用葡萄糖来检测异常计算环境行为。然而，在涉及可穿戴葡萄糖监测装置104的具体实施中，其可以被配置有葡萄糖传感器，该葡萄糖传感器连续地检测指示人102的葡萄糖的分析物并且使得能够生成葡萄糖测量结果。在所示环境100中并且在整个详细描述中，这些测量
结果被表示为葡萄糖测量结果114。
33.在一个或多个具体实施中，可穿戴式葡萄糖监测装置104是连续式葡萄糖监测(“cgm”)系统。如本文所用，结合葡萄糖监测使用的术语“连续”可指装置基本上连续地产生测量结果的能力，使得装置可被配置成响应于与不同装置建立通信耦合(例如，当计算装置106与可穿戴葡萄糖监测装置104建立无线连接以检索测量结果中的一个或多个测量结果时)而以时间间隔(例如，每小时、每30分钟、每5分钟等)产生葡萄糖测量结果114，等等。关于图2更详细地讨论该功能以及可穿戴葡萄糖监测装置104的配置的其他方面。
34.另外，可穿戴葡萄糖监测装置104诸如经由无线连接将葡萄糖测量结果114传输至计算装置106。可穿戴葡萄糖监测装置104可实时传送这些测量结果，例如，当使用葡萄糖传感器产生这些测量结果时。另选地或除此之外，可穿戴葡萄糖监测装置104可以以设定的时间间隔将葡萄糖测量结果114传送至计算装置106。例如，可穿戴葡萄糖监测装置104可被配置成每五分钟(当它们正在被产生时)将葡萄糖测量结果114传送至计算装置106。当然，在不脱离所描述的技术的精神或范围的情况下，传送葡萄糖测量结果114的间隔可以与以上示例不同。根据所描述的技术，测量结果可由可穿戴葡萄糖监测装置104根据其他基础传送至计算装置106，诸如基于来自计算装置106的请求。无论如何，计算装置106可以至少暂时地将人102的葡萄糖测量结果114维持在例如计算装置106的计算机可读存储介质中。
35.除了葡萄糖测量结果114之外，可穿戴葡萄糖监测装置104可以例如经由无线连接产生补充传感器信息(未示出)并将其传输到计算装置106。可穿戴葡萄糖监测装置104可将该信息与葡萄糖测量结果114一起传送，例如，当传送葡萄糖测量结果114时，补充传感器信息也如此。另选地或除此之外，可穿戴葡萄糖监测装置104可以以设定的时间间隔将补充传感器信息传送至计算装置106，该设定的时间间隔在葡萄糖测量结果114被传送至计算装置106时可能匹配或可能不匹配。应当理解，在不脱离所描述的技术的精神或范围的情况下，补充传感器信息可以根据各种其他基础被传送至计算装置106，这些基础在葡萄糖测量结果114被传送到计算装置106时可能匹配或可能不匹配。
36.补充传感器信息可以对应于根据所描述的技术补充葡萄糖测量结果114的各种信息。以举例的方式，补充传感器信息可包括描述可穿戴葡萄糖监测装置104的一个或多个传感器的状态的信息，例如，指示一个或多个传感器是否在正常(例如，预期)操作的阈值内操作和/或一个或多个传感器是否未正常操作的状态。除了描述传感器操作的信息之外，补充传感器信息还可描述可穿戴葡萄糖监测装置104的一个或多个其他部件的操作和/或状态，诸如电池的状态、用于发送和接收通信的发射器或接收器的状态以及关于所发射和/或所接收的通信的信息，仅举几个例子。附加地或另选地，补充传感器信息可以包括基于由可穿戴葡萄糖监测装置104产生的葡萄糖测量结果114由可穿戴葡萄糖监测装置104的板载逻辑(例如，在硬件、固件和/或软件中实现)触发的通知(例如，警报和/或报警)。在不脱离所描述的技术的精神或范围的情况下，此类补充传感器信息可以描述与葡萄糖测量结果114和可穿戴葡萄糖监测装置104的操作相关的各种其他方面。
37.尽管示为移动装置(例如，移动电话)，但计算装置106可在不脱离所描述的技术的精神或范围的情况下以各种方式来配置。以举例而非限制的方式，计算装置106可被配置为不同类型的移动装置(例如，可穿戴装置或平板装置)、台式计算机或膝上型计算机，仅举几个形状因数。在一个或多个具体实施中，计算装置106可被配置为与葡萄糖监测平台110相
关联的专用装置(例如，具有从可穿戴葡萄糖监测装置104获得葡萄糖测量结果114、执行与葡萄糖测量结果114有关的各种计算、显示与葡萄糖测量结果114和葡萄糖监测平台110有关的信息、将葡萄糖测量结果114传达至葡萄糖监测平台110等的功能)。
38.另外，根据所描述的技术，计算装置106可以代表多于一个装置。在一个或多个场景中，例如，计算装置106可以对应于可穿戴装置(例如，智能手表)和移动电话两者。在此类场景中，这两个装置都能够执行相同操作中的至少一些操作，诸如从可穿戴葡萄糖监测装置104接收葡萄糖测量结果114、经由网络112将它们传送至葡萄糖监测平台110、显示与葡萄糖测量结果114相关的信息等等。另选地或除此之外，不同装置可具有其他装置不具有的或通过计算指令限于指定装置的不同能力。
39.例如，在计算装置106对应于单独的智能手表和移动电话的场景中，智能手表可以被配置有各种传感器和功能，以测量人102的各种生理标志(例如，心率、心率变异性、呼吸、血流速率等)和活动(例如，步数或其他锻炼)。在这种场景中，移动电话可以不被配置有这些传感器和功能，或者它可以包括有限量的该功能-尽管在其他场景中，移动电话可能能够提供相同的功能。继续此特定场景，移动电话可具有智能手表不具有的能力，诸如用以捕获与葡萄糖监测及使得移动电话能够更有效地执行关于葡萄糖测量结果114的计算的计算资源(例如，电池及处理速度)的量相关联的图像的相机。即使在智能手表能够执行此类计算的场景中，计算指令也可将那些计算的执行限制到移动电话，以便不加重两个装置的负担且有效地利用可用资源。就这一点而言，计算装置106可以以与本文所讨论的不同的方式来配置并且表示不同数量的装置，而不脱离所描述的技术的精神和范围。
40.根据所讨论的技术，计算装置106包括葡萄糖监测应用程序116。一般来讲，葡萄糖监测应用程序116被配置成执行与监测葡萄糖相关的各种活动。这些活动的示例包括但不限于准备可穿戴葡萄糖监测装置104以插入和产生葡萄糖测量结果114(例如，经由各种电子通信的交换)、从可穿戴葡萄糖监测装置104获得葡萄糖测量结果114和补充传感器信息、监测葡萄糖监测装置104的操作健康状况、使得经由计算装置106的用户界面的输出(例如，显示)呈现关于所监测的葡萄糖的信息(例如，人102的葡萄糖测量结果114随时间推移的绘图)以及使得经由计算装置106的用户界面或用户界面元素的输出呈现决策支持信息(例如，数字教练、与葡萄糖监测和管理有关的社会特征、教育信息等)，仅举几个例子。
41.在一个或多个具体实施中，葡萄糖监测应用程序116被配置成处理葡萄糖测量结果114以识别与葡萄糖监测相关联的事件，诸如血糖事件(例如，高血糖和低血糖)、预测的血糖事件(例如，即将到来的低葡萄糖或即将到来的高葡萄糖)等等。为了处理葡萄糖测量结果114并识别此类事件，葡萄糖监测应用程序116可以利用事件引擎120。事件引擎120可以接收葡萄糖测量结果114作为输入，根据基础逻辑(例如，启发式规则、一个或多个机器学习模型和/或阈值比较)处理那些测量结果，并且当根据处理识别事件时，输出指示所识别的事件的指示。响应于事件引擎120输出事件，事件引擎120和/或葡萄糖监测应用程序116可以将事件记录在事件记录122中。
42.以举例的方式，警报和报警可以对应于由事件引擎120识别并输出以供记录在事件记录122中的一种或多种类型的事件。一般来讲，可针对由事件引擎120识别并输出以供记录的危险或潜在危险的健康状况而触发警报和报警。结合输出警报或报警事件的事件引擎120，葡萄糖监测应用程序116可被配置成使得经由计算装置106或经由一些其他装置输
出警报或报警信号(例如，以向用户通知该状况)。警报或报警信号可经由显示器(例如，经由计算装置106的显示装置)、经由可听部件和/或经由触觉反馈部件输出，仅举几个例子。警报事件记录124可以对应于形成事件记录122的多个记录中的一个记录，并且可被配置成保存由事件引擎120识别和输出的警报和报警事件。根据所描述的技术，警报事件记录124包括由事件引擎120触发并输入到警报事件记录124中的警报和/或报警的日志。根据所描述的技术，由事件引擎120触发的给定警报或报警可在警报事件记录124中具有对应条目。
43.在所示示例中，计算装置106包括存储装置118。存储装置118被描绘为存储葡萄糖测量结果114和事件记录122，包括警报事件记录124。应当理解，存储装置118可存储与葡萄糖监测相关联的各种数据，而不脱离所描述的技术的精神或范围，诸如补充传感器信息。另外，存储装置118可以表示一个或多个数据库以及能够存储葡萄糖测量结果114和事件记录122的其他类型的存储设备。
44.在一个或多个具体实施中，葡萄糖监测应用程序116可以将葡萄糖测量结果114、事件记录122(或其一部分)和其他信息(例如，补充传感器信息)传输到葡萄糖监测平台110。这可以被称为向葡萄糖监测平台110“发布”信息。葡萄糖监测平台110可以结合各种功能来处理和存储人102的葡萄糖测量结果114和事件记录122以及用户群体108的用户的葡萄糖测量结果114和事件记录122。根据所描述的技术，例如，葡萄糖监测平台110可以利用人102和用户群体108的葡萄糖测量结果114和事件记录122来识别一个或多个计算环境的异常行为，例如，特定版本的操作系统和/或特定品牌的移动装置上的葡萄糖监测应用程序116的异常行为。
45.异常检测系统126被配置成通过获得至少葡萄糖测量结果114和事件记录122并且通过使用一种或多种异常检测技术处理它们来检测异常行为。在一个或多个具体实施中，葡萄糖监测平台110将人102和用户群体108的葡萄糖测量结果114、事件记录122和补充传感器信息存储在存储装置128中。类似于存储装置118，存储装置128可以表示一个或多个数据库以及能够存储此类信息的其他类型的存储设备。结合检测异常，异常检测系统126可以从存储装置128获得葡萄糖测量结果114和事件记录122中的一者或多者。异常检测系统126然后可以部分地通过使用事件引擎模拟器130来检测异常。
46.一般来讲，事件引擎模拟器130是事件引擎120的复制。如本文所使用的，术语“复制”是指响应于接收到与事件引擎120相同的葡萄糖测量结果114而使得事件引擎模拟器130能够在事件引擎120被配置成生成事件的场景中生成模拟事件的配置。例如，在葡萄糖测量结果的特定序列指示即将到来的不利健康状况并且事件引擎120被配置成响应于接收到葡萄糖测量结果的特定序列作为输入而生成事件(例如，警报)的场景中，事件引擎模拟器130被配置成响应于接收到葡萄糖测量结果的特定序列作为输入而生成模拟事件(例如，警报)。就事件引擎120可被配置成针对与葡萄糖监测有关的不同场景生成事件(例如，除了警报和报警之外)而言，事件引擎模拟器130还可被配置成针对此类不同场景生成模拟事件。
47.为了模拟由事件引擎120生成的事件，事件引擎模拟器130可以使用相同或类似逻辑(或相同或类似逻辑的一部分)来实现。以举例而非限制的方式，事件引擎模拟器130可使用与事件引擎120相同或类似的源代码中的至少一些源代码、与事件引擎120相同或类似的可执行代码中的至少一些可执行代码、由事件引擎120使用的相同或类似的规则集中的至
少一些规则集、由事件引擎120使用的相同或类似的模型(例如，机器学习模型)中的至少一些模型等等来实现。应当理解，事件引擎模拟器130可以各种方式被配置成模仿事件引擎120的处理和输出-以模拟事件引擎120的行为-而不脱离所描述的技术的精神或范围。
48.然而，与事件引擎120相反，事件引擎模拟器130可在受控模拟环境中操作，例如在葡萄糖监测平台110处和在预定模拟期间(例如每天)而非作为计算装置106的一部分实时操作，其中葡萄糖监测应用程序116可与计算装置106的其他应用程序“竞争”计算资源。例如，事件引擎120可被配置成在从可穿戴葡萄糖监测装置104接收到人102的葡萄糖测量结果114时对其进行处理。在操作中，可穿戴葡萄糖监测装置104可被配置成基本上以预定时间间隔(例如，每五分钟一次测量)向计算装置106传输葡萄糖测量结果114。尽管通常配置成以预定时间间隔传输测量结果，但是葡萄糖监测应用程序116以及因此事件引擎120可能由于各种原因而不在它们的预定传输时间接收那些测量结果中的一个或多个测量结果，例如，由于计算装置106与可穿戴葡萄糖监测装置104之间的信号损失，一个或多个测量结果可能不在它们的预定时间被接收(而是相反稍后被接收)。在事件引擎120未按照预定时间接收那些葡萄糖测量结果114的场景中，事件引擎120可能不会生成某些事件，例如，当对应于血糖事件(例如，低血糖或高血糖)的测量结果未被按照预定时间接收时，可能不会生成警报或报警。当事件未由事件引擎120生成或以其他方式输出时，事件引擎120也可以不使得事件被记录在事件记录122中。因此，此类事件可能被事件引擎120“遗漏”并且从事件记录122中“遗漏”。
49.尽管信号丢失被讨论为遗漏事件的一个原因，但是在不脱离精神或范围的情况下，事件引擎120可能由于各种其他原因而遗漏事件，这在一些情况下可能是由于计算装置106的资源竞争。例如，计算装置106的操作系统可以使得葡萄糖监测应用程序116在一个或多个其他应用程序的后台运行，使得一个或多个其他应用程序具有对计算装置106的计算资源的优先级。另选地或除此之外，计算装置106的操作系统可以在操作期间防止由事件引擎输出的事件被记录在事件记录122中。另选地或除此之外，计算装置106的操作系统的提供者可以改变在操作系统的各版本之间分配资源的方式。因此，如所部署的，葡萄糖监测应用程序116可以不被配置成以保持事件引擎120在每个单个预定传输时间处理葡萄糖测量结果114的方式来访问那些资源。事件引擎120还可能由于用户动作而遗漏事件，诸如关闭葡萄糖监测应用程序116、关闭或重启计算装置106、关闭可通信耦合(例如，与可穿戴葡萄糖监测装置104的蓝牙或其他无线耦合)等的用户动作。事件引擎120通常还可能由于计算装置106的计算环境的故障而遗漏事件，诸如崩溃、停滞、对可执行代码或存储器的破坏、恶意软件等。应当理解，上面讨论的原因仅仅是事件引擎120可能遗漏事件的几个原因，并且进一步理解，事件引擎120可能由于不同原因而遗漏事件而不脱离所描述的技术的精神或范围。
50.事件结束120的部署作为计算装置106的环境的一部分，以在接收到与葡萄糖监测有关的数据时处理该数据，同时还与其他应用程序竞争计算装置106的资源，这与事件引擎模拟器130的操作形成对比。例如，部署事件引擎模拟器130的环境通常可被控制(例如，通过异常检测系统126)以结合模拟消除遗漏的事件的源。作为一个示例，事件引擎模拟器130可以从存储装置128获得人102和用户群体108的用户的数据，而不是接收由人102的可穿戴葡萄糖监测装置104产生和传送的数据，该用户群体可以有数千、数十万、数百万或更多。此
外，事件引擎模拟器130可被配置成从存储装置128存取大量历史数据以用于模拟，例如，人102和用户群体108的最后九周的数据。此外，在将数据提供给事件引擎模拟器130之前，可以对遗漏数据进行内插和合并，使得将相应时间段的数据(例如，葡萄糖测量结果114)的完整序列作为输入提供给事件引擎模拟器130。
51.此外，异常检测系统126可以使得计算资源(例如，处理周期、存储器等)专用于事件引擎模拟器130，同时它模拟事件，例如，同时它处理人102和用户群体108的葡萄糖测量结果114以识别人102和用户群体108的葡萄糖相关事件。通过模拟环境的控制，异常检测系统126使得事件引擎模拟器130能够针对由事件引擎120生成的实际事件以及事件引擎120遗漏的事件生成模拟事件。遗漏的事件可以通过将由事件引擎模拟器130模拟的事件与由事件引擎120生成并且也记录在事件记录122中的实际事件进行比较来确定。如以下更详细讨论的，异常检测系统126然后可以鉴于针对先前时间段确定的历史遗漏事件来确定针对给定时间段确定的遗漏事件是否是异常的。在例如连续地测量葡萄糖并获得描述此类测量结果的数据的上下文中，考虑下文对图2的讨论。
52.图2更详细地描绘了图1的可穿戴葡萄糖监测装置104的具体实施的示例200。具体地，所示示例200包括可穿戴葡萄糖监测装置104的顶视图和对应的侧视图。应当理解，在不脱离所描述的技术的精神或范围的情况下，可穿戴葡萄糖监测装置104可以以各种方式根据以下讨论在具体实施中变化。如上所述，例如，异常计算环境行为可使用葡萄糖结合用于葡萄糖监测的其他类型的装置(诸如非可穿戴装置(例如，需要手指针刺的血糖仪)、贴片等)来检测。
53.在该示例200中，可穿戴葡萄糖监测装置104示为包括传感器202和传感器模块204。这里，传感器202在侧视图中被描绘为已经皮下插入皮肤206(例如，人102的皮肤)中。传感器模块204在顶视图中被描绘为虚线矩形。在所示示例200中，可穿戴葡萄糖监测装置104还包括发射器208。传感器模块204的虚线矩形的使用指示其可被容纳在发射器208中或以其他方式在该发射器的壳体内实现。在该示例200中，可穿戴葡萄糖监测装置104还包括粘结垫210和附接机构212。
54.在操作中，传感器202、粘结垫210和附接机构212可被组装以形成施加组件，其中施加组件被配置成施加至皮肤206，使得传感器202如所描绘的皮下插入。在此类场景中，发射器208可在该组件施加至皮肤206之后经由附接机构212附接到该组件。另选地，发射器208可作为施加组件的一部分并入，使得传感器202、粘结垫210、附接机构212和发射器208(与传感器模块204一起)可全部同时施加至皮肤206。在一个或多个具体实施中，使用单独的传感器施加器(未示出)将该施加组件施加至皮肤206。与常规血糖仪所需的手指针刺不同，用户启动的可穿戴葡萄糖监测装置104的应用几乎是无痛的并且不需要抽血。此外，自动传感器施加器通常使得人102能够将传感器202皮下嵌入到皮肤206中，而无需临床医生或保健提供者的协助。
55.也可通过将粘结垫210从皮肤206上剥离来移除施加组件。应当理解，可穿戴葡萄糖监测装置104及其如图所示的各种部件仅仅是一个示例性形状因数，并且可穿戴葡萄糖监测装置104及其部件可具有不同的形状因数而不脱离所描述的技术的精神或范围。
56.在操作中，传感器202经由至少一个通信信道通信地耦合到传感器模块204，该至少一个通信信道可以是无线连接或有线连接。从传感器202到传感器模块204、或从传感器
模块204到传感器202的通信可主动地或被动地实现，并且这些通信可为连续的(例如，模拟的)或离散的(例如，数字的)。
57.传感器202可以是响应于至少部分地独立于传感器202的事件而变化或导致发生变化的装置、分子和/或化学物质。传感器模块204被实现以接收对传感器202的变化或由传感器202引起的变化的指示。例如，传感器202可包括葡萄糖氧化酶，该葡萄糖氧化酶与葡萄糖和氧反应以形成过氧化氢，该过氧化氢可由可包括电极的传感器模块204电化学检测到。在该示例中，传感器202可被配置为或可包括葡萄糖传感器，该葡萄糖传感器被配置成使用一种或多种测量技术来检测血液或间质液中指示葡萄糖水平的分析物。在一个或多个具体实施中，传感器202还可被配置成检测血液或间质液中指示其他标志(诸如乳酸水平)的分析物，这可以提高识别或预测基于葡萄糖的事件的准确性。附加地或另选地，可穿戴葡萄糖监测装置104可以包括传感器202的附加传感器以检测指示其他标志的那些分析物。
58.在另一示例中，传感器202(或可穿戴葡萄糖监测装置104的附加传感器-未示出)可包括第一电导体和第二电导体，并且传感器模块204可电检测跨传感器202的第一电导体和第二电导体的电位的变化。在该示例中，传感器模块204和传感器202被配置为热电偶，使得电位的变化对应于温度变化。在一些示例中，传感器模块204和传感器202被配置成检测单一分析物(例如，葡萄糖)。在其他示例中，传感器模块204和传感器202被配置成检测多种分析物(例如，钠、钾、二氧化碳和葡萄糖)。另选地或除此之外，可穿戴葡萄糖监测装置104包括多个传感器以不仅检测一种或多种分析物(例如，钠、钾、二氧化碳、葡萄糖和胰岛素)，而且检测一种或多种环境条件(例如，温度)。因此，传感器模块204和传感器202(以及任何附加传感器)可检测一种或多种分析物的存在、一种或多种分析物的不存在和/或一种或多种环境条件的变化。
59.在一个或多个具体实施中，传感器模块204可以包括处理器和存储器(未示出)。通过利用处理器，传感器模块204可以基于与传感器202的指示以上讨论的变化的通信来生成葡萄糖测量结果114。基于来自传感器202的这些通信，传感器模块204被进一步配置成生成包括至少一个葡萄糖测量结果114的可通信数据包。在一个或多个具体实施中，传感器模块204可配置那些包以包括附加数据，其中包括(以举例而非限制的方式)补充传感器信息214，其可以对应于关于图1所讨论但未示出的补充传感器信息。此类补充传感器信息可以包括关于图1讨论的信息、传感器标识符、传感器状态、对应于葡萄糖测量结果114的温度、对应于葡萄糖测量结果114的其他分析物的测量结果等等的任何组合。应当理解，补充传感器信息214可以包括补充至少一个葡萄糖测量结果114的各种数据，而不脱离所描述的技术的精神或范围。
60.在可穿戴葡萄糖监测装置104被配置用于无线传输的具体实施中，发射器208可以将葡萄糖测量结果114和/或补充传感器信息214作为数据流无线地传输到计算装置。另选地或除此之外，传感器模块204可以缓冲葡萄糖测量结果114和/或补充传感器信息214(例如，在传感器模块204的存储器中和/或可穿戴葡萄糖监测装置104的其他物理计算机可读存储介质中)，并且使得发射器208稍后以各种间隔传输缓冲的葡萄糖测量结果114和/或缓冲的补充传感器信息214，例如，时间间隔(每秒、每三十秒、每分钟、每五分钟、每小时等)、存储间隔(当缓冲的葡萄糖测量结果114和/或补充传感器信息214达到阈值数据量或测量次数时)等。
61.已经考虑了环境的示例和可穿戴葡萄糖监测装置的示例，现在考虑根据一个或多个具体实施的用于使用葡萄糖来检测异常计算环境行为的技术的细节的一些示例的讨论。
62.使用葡萄糖来检测异常计算环境行为
63.图3描绘了其中图1的异常检测系统通过模拟事件来检测计算环境的异常行为的系统300的示例。所示示例300包括来自图1的具有事件引擎模拟器130的异常检测系统126，并且示为接收葡萄糖测量结果114和事件记录122作为输入。
64.在所示示例300中，异常检测系统126还包括比较模块302、模型管理器304和异常检测模型306以检测计算环境的异常行为308。尽管异常检测系统126被描绘为具有这些各种部件，但是应当理解，在具体实施中，异常检测系统126可以包括更少、更多和/或不同的部件而不脱离所描述的技术的精神或范围。
65.根据所描述的技术，事件引擎模拟器130被配置成生成模拟事件310。在该示例300中，事件引擎模拟器130被描绘为接收葡萄糖测量结果114作为输入，但在一个或多个具体实施中，事件引擎模拟器130可接收附加或不同数据作为输入以生成模拟事件310。例如，事件引擎模拟器130可附加地或另选地接收补充传感器信息214和/或其他信息(例如，健康跟踪信息、应用程序使用数据、用户简档信息)以生成模拟事件310。
66.无论如何，事件引擎模拟器130在一个或多个具体实施中被配置成处理葡萄糖测量结果114并且基于处理葡萄糖测量结果114生成模拟事件310。根据所描述的技术，事件引擎模拟器130可在操作中获得人102和用户群体108或用户群体108的子集的葡萄糖测量结果114。例如，事件引擎模拟器130可以获得匹配指定标准的用户群体108的子集的葡萄糖测量结果114。以举例而非限制的方式，此类标准可包括葡萄糖监测应用程序116在其上操作的计算装置的类型(例如，移动电话、智能手表、平板计算机、专用葡萄糖监测装置等)、葡萄糖监测应用程序116在其上操作的计算装置的制造商和/或型号(例如，iphone 12、galaxy、pixel phone 5等)、葡萄糖监测应用程序116在其上操作的计算装置的操作系统(例如，ios、android等)、操作系统的版本、与可穿戴葡萄糖监测装置104的可通信耦合的类型(例如，蓝牙、5g、nfc等)、与可穿戴葡萄糖监测装置104的可通信耦合的状态、通过网络112向葡萄糖监测应用程序116提供一个或多个服务(例如，葡萄糖监测平台110的)的服务器的身份、向葡萄糖监测应用程序116提供一个或多个服务的服务器的状态、与计算装置106相关联的硬件的标识符(例如，板载和/或可通信耦合的)、计算装置106的软件的标识符(例如，包括其他应用程序)、葡萄糖监测装置的制造商和/或型号(例如，g5、g6、g7、freestyle libre、freestyle libre 2)、葡萄糖监测装置(或葡萄糖监测装置的部件)的制造批次、用户人口统计资料、用户位置、葡萄糖监测应用程序116的版本等。因此，应当理解，事件引擎模拟器130可获得用户群体108的子集的数据，该数据是基于各种标准中的一者或多者的规范而选择，而不脱离所描述的技术的精神或范围。
67.如上所述，事件引擎模拟器130被配置成处理葡萄糖测量结果114以识别或预测葡萄糖中的葡萄糖相关事件，并且响应于葡萄糖相关事件的识别或预测输出模拟事件310。根据所描述的技术，事件引擎模拟器130被配置成基于处理葡萄糖测量结果114的序列来识别或预测事件并输出模拟事件310，事件引擎120被配置成识别或预测事件并将事件记录在事
件记录122中。事件引擎模拟器130模仿(即，模拟)事件引擎120的这种能力是基于事件引擎模拟器130的配置，该配置使其能够针对一种或多种类型的记录来模拟事件引擎120-在一些具体实施中，事件引擎模拟器130可被配置成模拟事件引擎120生成模拟警报事件而不是模拟小睡相关事件的能力。如上文关于所示示例100所讨论的，例如，事件引擎模拟器130可被配置成基于具体实施使用与事件引擎120相同或类似的源代码中的至少一些源代码、与事件引擎120相同或类似的可执行代码中的至少一些可执行代码、由事件引擎120使用的相同或类似的规则集中的至少一些规则集、由事件引擎120使用的相同或类似的模型(例如，机器学习模型)中的至少一些模型等等来模拟事件引擎。应当理解，事件引擎模拟器130的配置可以随时间更新，以使得事件引擎模拟器130能够模拟事件引擎120的越来越多的行为，例如，针对由事件引擎120生成的越来越多的事件生成模拟事件310。
68.然而，应当理解，在一个或多个具体实施中，事件引擎模拟器130可简单地被配置成不针对事件引擎120被配置成生成事件的所有事件类型生成模拟事件310。另选地或除此之外，事件引擎模拟器130可被配置成仅针对一种或多种指定类型的事件而不是未指定类型的事件生成模拟事件310。可以这些方式限制模拟事件生成，因为异常检测系统126的用户(例如，与葡萄糖监测平台110相关联的开发者)可能对由事件引擎120生成的事件(或事件类型)中的一个或多个事件具有很少的效用(如果有的话)。另外，在涉及来自用户群体108(或甚至用户群体108的子集)的数据的模拟期间，对事件引擎120被配置成生成事件的所有事件进行模拟可能需要一定量的计算资源(例如，处理周期和/或存储器)，这些计算资源阻碍葡萄糖监测平台110的其他服务的提供和/或比与葡萄糖监测平台110相关联的企业愿意花费更多的成本。
69.在任何情况下，事件引擎模拟器130可以处理葡萄糖测量结果114以识别各种事件并且响应于该识别生成相应的模拟事件310。然后可以将模拟事件310与由事件引擎120生成并记录在事件记录122中的实际事件进行比较，以便确定来自事件记录122的“遗漏事件”。异常检测模型306然后可以处理那些遗漏事件以确定针对给定时间段确定的遗漏事件相对于历史遗漏事件是否是异常的。
70.作为一个示例，在一个或多个具体实施中，事件引擎模拟器130被配置成生成模拟事件310以模拟由事件引擎120生成的警报和报警，例如使得可针对给定时间段确定与警报和报警有关的异常行为308(如果有的话)。如上所述，由事件引擎120生成并记录的实际事件被保存在事件记录中，使得由事件引擎120生成并记录的警报和报警被保存在警报事件记录124中。在该示例300中，实际记录在警报事件记录124中的警报和报警被描绘为所记录的警报312。应当理解，在该示例300中描绘的葡萄糖测量结果114、事件记录122、警报事件记录124和所记录的警报312可以对应于来自用户群体108的正针对给定模拟考虑的每个用户的数据。换句话说，事件引擎模拟器130可以接收结合给定模拟考虑的每个用户的葡萄糖测量结果114，并且比较模块302可以接收结合给定模拟考虑的每个用户的警报事件记录124。
71.一般而言，比较模块302将模拟事件310与所记录的事件进行比较以确定遗漏事件。在针对警报和报警生成模拟事件310的示例中，比较模块302被配置成将指示应当已经由事件引擎120生成的警报和报警的模拟事件310与所记录的警报312(实际由事件引擎120生成并记录的警报和报警)进行比较。比较模块302可以在不脱离所描述的技术的精神或范
围的情况下以各种方式将模拟事件310与所记录的事件进行比较。以举例而非限制的方式，比较模块302可从模拟事件310中提取第一事件并对事件记录122中的事件进行迭代以确定与第一事件相对应的实际事件是否被包括在事件记录122中。如果对应于第一事件的实际事件被包括在事件记录中，则比较模块302可以通过从模拟事件310中提取第二事件并且对事件记录122中的事件进行迭代来继续进行，以确定对应于第二事件的实际事件是否被包括在事件记录中。
72.然而，如果对应于第一事件的实际事件未被包括在事件记录122中，则比较模块302可以确定第一事件对应于来自事件记录122的“遗漏事件”。比较模块302可以输出遗漏事件或以其他方式维持遗漏事件的记录，诸如每当确定遗漏事件时递增的计数器、对从事件记录122确定为遗漏的模拟事件310中的每一者的参考(例如，识别符列表)，和/或所确定的遗漏事件的列表(例如，其包括类似于事件如何由事件引擎120记录事件的事件细节)，仅举几个例子。比较模块302可以以类似方式处理每个模拟事件310以确定它们是否被包括在事件记录122中。比较模块302可以在不脱离所描述的技术的精神或范围的情况下以其他方式将模拟事件310与事件记录122进行比较。继续警报和报警示例，其中事件引擎模拟器130针对警报和报警生成模拟事件310，例如，比较模块302可以简单地在相同时间段内将模拟事件310的数量与所记录的警报312的数量进行比较。另选地或除此之外，比较模块302可使用一种或多种抽样技术来确定遗漏事件。
73.如上所述，比较模块302被配置成输出遗漏事件或遗漏事件的某种指示，例如，其可以包括指示事件引擎120应当已经生成和/或在事件记录122中记录事件的近似时间的时间戳或以其他方式与之相关联。在该示例300中，比较模块302被描绘为输出例如基于将模拟事件310与所记录的警报312进行比较而确定的第一遗漏事件314和第二遗漏事件316。第一遗漏事件314和第二遗漏事件316可因此对应于该示例300中的遗漏警报和/或报警。在异常检测系统126确定其他类型的事件的异常的场景下，第一遗漏事件314和第二遗漏事件316可以对应于被确定为遗漏的那些其他类型的事件。
74.根据所描述的技术，第一遗漏事件314可以对应于与第一时间段中的时间相关联的模拟事件，且第二遗漏事件316可以对应于与第二时间段中的时间相关联的模拟事件，其中第一时间段在第二时间段之前。在一个或多个具体实施中，葡萄糖测量结果114和事件记录122中的所记录的事件可被配置成按时间排序的数据，例如，它们可被配置为时间序列数据。基于此，模拟事件310以及第一遗漏事件314和第二遗漏事件316也可被配置成按时间排序的数据，例如时间序列。按时间排序意味着数据(例如，每个测量结果、事件和/或记录)可以按时间顺序被索引或列出或以其他方式与特定时间相关联(例如，根据相关联的时间戳)。
75.无论如何，第一遗漏事件314可以对应于在时间点之前的时间且第二遗漏事件316可以对应于该时间点和/或在该时间点之后的时间。在一个或多个具体实施中，时间点可以对应于过去的时间，例如，不是异常检测模型306实际用于处理数据以确定异常行为308的当前时间。以举例的方式，异常检测系统126可被部署为在当前时间之前的感兴趣时间段(例如，一周)内检测异常行为308。在该示例中，异常检测模型306可进一步被配置成基于在感兴趣时间段之前的历史时间段(例如，在感兴趣周之前的八周)来检测感兴趣时间段的异常行为308。因此，用于将第一遗漏事件314与第二遗漏事件316分开的该示例的时间点可以
对应于当前时间之前的一周。
76.给定异常检测模型306基于前一周之前的八周事件来确定该周的异常行为308的示例，第一遗漏事件314可以对应于第2周至第9周，并且第二遗漏事件316可以对应于第1周，其中第9周是从当前时间过去最远的周，并且第1周是从当前时间过去最近的周。当然，尽管在该示例中讨论了几周的时间，但是异常检测模型306可被配置成基于不同的时间段来确定异常行为308，诸如天(例如，从一天之前的一个或多个历史天确定一天的异常行为)、小时(例如，从该小时之前的一个或多个历史小时确定一小时的异常行为)、分钟、月和季度，仅举几个例子。在不脱离所描述的技术的精神或范围的情况下，异常检测模型306可以针对各种时间段并且根据在此类时间段之前的不同时间量(例如，其不限于8比1的比率)来确定异常行为308。
77.一般来讲，模型管理器304被配置成生成或以其他方式训练异常检测模型306。具体地，模型管理器304可以基于第一组按时间排序的历史数据(例如，第一遗漏事件314)来生成或以其他方式训练异常检测模型。一旦模型管理器304生成异常检测模型306，异常检测模型306被配置成确定在第二组时序数据中是否存在异常，例如，在第二遗漏事件316中是否存在异常。在一个或多个具体实施中，模型管理器304基于第一组历史数据生成异常检测模型306以对非异常行为的预测范围进行建模。例如，在遗漏事件的上下文中，模型管理器304可以基于第一遗漏事件314生成异常检测模型306以对非异常的遗漏事件(例如每天)的预测范围进行建模。
78.作为确定异常行为308的一部分，异常检测模型306可以处理第二组按时间排序的数据以确定哪些所观察到的行为(如由第二组按时间排序的数据所描述的)落入异常检测模型306的预测范围内并且因此不是异常的。异常检测模型306还确定哪些所观察到的行为(如由第二组按时间排序的数据所描述的)落在异常检测模型306的预测范围之外并且因此是异常的。异常检测模型306响应于处理在预测范围之外确定的数据而输出异常行为308。在遗漏事件的上下文中，由第二遗漏事件316描述的落入异常检测模型306的预测范围(例如，也被配置为每天遗漏事件的数量或百分比)内的遗漏事件(例如，每天遗漏事件的数量或百分比)不是异常的。然而，由第二遗漏事件316描述的落入异常检测模型306的预测范围(例如，也被配置为每天遗漏事件的数量或百分比)之外的遗漏事件(例如，每天遗漏事件的数量或百分比)是异常的。对于这些异常事件，异常检测模型306输出异常行为308。
79.模型管理器304可以根据各种算法来生成异常检测模型306。尽管上文和下文讨论了使用按时间排序的数据(例如，时间序列数据)的生成，但在不同具体实施中，异常检测模型306可至少部分地使用利用非按时间排序的数据的算法来实现。然而，在确实涉及按时间排序的数据的至少一个具体实施中，模型管理器304可以将异常检测模型306配置为prophet模型。在prophet模型具体实施中，模型管理器304可以生成异常检测模型306，使得例如在第一组数据(例如，第一遗漏事件314)中观察到的季节性特征用傅立叶级数表示，在第一组数据中观察到的假日特征(例如，所确定的与如感恩节的事件有关的行为的变化)用指示符特征表示，和/或使用马尔科夫链蒙特卡洛方法抽样来拟合模型，仅举几个例子。
80.一般来讲，prophet模型基于变化点的频率和量值来预测未来不确定性，使得当存在频繁地和或统计上显著地(例如，在量值方面)偏离数据的“平均值”的变化点时，预测范围比当存在较少和较不显著的偏差时更宽(例如，较不确定)。然而，相对较宽的范围可能不
使异常检测模型306能够将可更好地被确定为异常的计算环境的行为检测为异常，诸如可导致对葡萄糖监测应用程序116和/或可穿戴葡萄糖监测装置104的用户的物理危险的行为(例如，遗漏的警报和报警)。因此，在一个或多个具体实施中，异常检测模型306可以从基本prophet模型具体实施被修改以缩窄预测范围，诸如通过将模型的对应于未来变化点数量(例如，在对应于第二组数据的时间段期间将发生的变化点的数量以及超过该数量)的参数设置为零。尽管上文和下文将异常行为讨论为落在预测范围之外，但在一个或多个具体实施中，异常检测模型306可以以其他方式检测异常，诸如通过检测数据随时间推移的漂移(例如，向上或向下)(甚至当数据继续大致落在预测范围内时)。应当理解，模型管理器304可配置异常检测模型306以基于葡萄糖并使用各种异常检测技术中的任一种异常检测技术来检测计算环境中的异常，而不脱离所描述的技术的精神或范围。
81.除了遗漏事件之外，异常检测模型306可被配置成针对与可穿戴葡萄糖监测装置104、葡萄糖监测应用程序116和/或葡萄糖监测平台110相关联的各种度量输出异常行为308的指示。以举例而非限制的方式，这些其他度量的示例包括葡萄糖测量结果(例如，以检测随时间推移的漂移或可能由于计算环境和/或可穿戴葡萄糖监测装置104的不同配置的变化而出现的其他异常)、(例如，葡萄糖监测应用程序116、计算装置106和/或葡萄糖监测平台的服务器装置的)崩溃的数量、崩溃速率、每天发布的数量(例如，从计算装置106到葡萄糖监测平台104的葡萄糖测量结果114和事件记录122的数量)、分组捕获(例如，从可穿戴葡萄糖监测装置106传送到计算装置110的葡萄糖测量结果114的数量)-其可以是以每个用户为基础在某个时间段(例如，一天)捕获的分组的数量、每个时间段(例如，每天)跨用户群体108到葡萄糖监测平台110的数据发布的数量(例如，葡萄糖测量结果114和事件记录122的数量)、具有语言代码错误的用户群体108的用户的数量、在一个时间段(例如，每天)查看葡萄糖监测应用程序116的葡萄糖趋势屏幕的用户的数量或百分比等等。
82.在一个或多个具体实施中，异常行为308指示第二组数据中的哪个数据是异常的，例如，第二遗漏事件316中的哪个遗漏事件是异常行为308。以举例的方式，异常行为308可以指示对应于第二遗漏事件316的哪些天具有异常遗漏事件，例如高于或低于异常检测模型306的预测范围。响应于异常检测模型306对异常行为308的输出，异常检测系统126可以向一个或多个用户(例如，与葡萄糖监测平台110相关联的开发者)输出异常行为308或异常行为的通知。异常检测系统126可以以各种方式输出异常行为308和/或关于异常行为的通知，而不脱离所描述的技术的精神或范围，诸如通过向被指定接收关于异常行为的电子邮件的用户发送电子邮件、使得在被指定接收关于异常行为的通知的用户的移动装置上输出通知、使得经由异常检测系统126的用户界面显示异常行为的可视化等等。在显示视觉上传达异常行为308的用户界面的上下文中，考虑图4的以下讨论。
83.图4描绘了用户界面的具体实施的示例400，该用户界面显示与计算环境相关联的所观察到的行为随时间推移的绘图以及所观察到的行为不异常的范围的可视化。
84.示例400包括显示用户界面404的显示装置402，其根据所描述的技术与异常检测系统126相关联，例如在视觉上呈现在由葡萄糖监测平台110收集的数据内识别的异常。当然，异常行为308可以根据所描述的技术以其他方式呈现，诸如经由可听报告以可听方式呈现。
85.这里，用户界面404包括图表406，其绘制了随时间推移的第一遗漏事件314和第二
遗漏事件316的指示。具体地，图表406绘制了如由第一遗漏事件314和第二遗漏事件316所指示的每天遗漏事件的数量。事件指示408、410是指示第一遗漏事件314的每天遗漏事件数量的指示的示例，并且事件指示412、414是指示第二遗漏事件316的每天遗漏事件数量的指示的示例。绘制在异常检测时间416左侧(例如，按时间顺序在前)的事件指示因此对应于第一遗漏事件314，并且绘制在异常检测时间416右侧(例如，按时间顺序在后)的事件指示因此对应于第二遗漏事件316。
86.根据本文所描述的技术，基于与异常检测时间416之前的时间相关联的数据来生成异常检测模型306。另外，异常检测模型306被配置成确定与异常检测时间416之后的时间相关联的数据的异常。在一个或多个具体实施中，异常检测模型306被配置成确定与异常检测时间416相关联的数据的异常，例如，如所示示例400中所描绘的。另选地，可基于与异常检测时间416相关联的数据来生成异常检测模型。
87.除了所绘制的事件指示之外，图表406还包括范围可视化418。范围可视化418对应于由异常检测模型306建模的范围。在该示例400中，范围可视化418包括预测范围420的可视化，其对应于范围可视化418在异常检测时间416之后(例如，在时间上)的部分。一般来讲，异常检测模型306使用预测范围420来确定异常行为308。在所示示例400中，对应于预测范围420外的指示的数据是异常的，并且对应于预测范围420内的指示的数据不是异常的。为此，指示422、424对应于异常行为308，因为它们在预测范围420之外。另外，这些指示422、424还与视觉指示符426、428一起显示，这些视觉指示符指示指示422、424对应于异常行为308。这里，视觉指示符426、428被描绘为星形，然而，应当理解，在不脱离所描述的技术的精神或范围的情况下，可以以各种方式强调指示以指示它们是异常的。在一个或多个具体实施中，不包括视觉指示符且正确定异常行为的指示不对应于异常行为。
88.在该示例400中，用户界面404包括通常可由用户选择来执行与图表406和所确定的异常行为308有关的各种任务的各种工具。例如，用户界面404可包括使得用户能够在图表406(或其部分)上放大或缩小、在图表406(或其部分或未呈现的部分)上平移、选择该图表上的各种信息(例如，所显示的指示以使得呈现与所选择的指示有关的进一步信息)、与一个或多个其他用户共享图表406(例如，经由到网页的链接、经由基于web的应用程序或在诸如电子邮件之类的消息中)以及向一个或多个用户通知异常行为(例如，经由电子邮件)的工具，仅举几个例子。当然，用于呈现异常行为308的用户界面可被配置成包括使得能够执行与异常行为308及其可视化相关的不同任务的各种工具，而不脱离所描述的技术的精神或范围。
89.图5描绘了显示所检测到的异常行为的通知的用户界面的具体实施的示例500。
90.在该示例500中，计算装置502被描绘为经由计算装置502的显示装置506显示用户界面504(例如，锁定屏幕)。这里，通知508还经由用户界面504呈现。通知508包括关于所检测到的异常行为(例如，异常行为308)的信息。以举例的方式，异常检测系统126可以使得在计算装置502处为与异常检测系统126相关联的用户(例如，与葡萄糖监测平台110相关联的开发者，其被指定接收关于一种或多种类型的所检测到的异常行为的通知)显示通知508。可在不脱离所描述的技术的精神或范围的情况下以各种其他方式向用户通知异常行为308(例如，通过电子邮件)。
91.已经讨论了用于使用葡萄糖来检测异常计算环境行为的技术的示例性细节，现在
考虑用于说明这些技术的附加方面的程序的一些示例。
92.示例性程序
93.本节描述了用于使用葡萄糖来检测异常计算环境行为的程序的示例。程序的各方面可在硬件、固件、或软件、或其组合中实现。程序被示为指定由一个或多个装置执行的操作的一组块并且不一定限于所示的用于由各个块执行操作的次序。在至少一些具体实施中，程序由异常检测系统执行，诸如利用事件引擎模拟器130、比较模型302、模型管理器304和异常检测模型306的异常检测系统126。
94.图6描绘了具体实施的示例中的程序600，其中基于在第一时间段期间识别的遗漏事件来生成异常检测模型。
95.在第一时间段期间接收由可穿戴葡萄糖监测装置收集的葡萄糖测量结果以及与葡萄糖测量结果相关联的事件记录(框602)。以举例的方式，异常检测系统126在第一时间段期间接收由可穿戴葡萄糖监测装置104收集的葡萄糖测量结果114和事件记录122作为输入。
96.通过使用事件引擎模拟器处理葡萄糖测量结果来识别从第一时间段期间的事件记录中遗漏的遗漏事件(框604)。以举例的方式，异常检测系统126的事件引擎模拟器130处理在第一时间段期间获得的葡萄糖测量结果114以生成模拟事件310。异常检测系统126的比较模块302然后将模拟事件310与事件记录122中实际由与相应可穿戴葡萄糖监测装置104相关联的葡萄糖监测应用程序的事件引擎生成的记录事件进行比较。以举例而非限制的方式，比较模块302可从模拟事件310中提取第一事件并对事件记录122中存储的实际事件进行迭代以确定与第一事件相对应的实际事件是否被包括在事件记录122中。如果对应于第一事件的实际事件被包括在事件记录122中，则比较模块302可以通过从模拟事件310中提取第二事件并且对事件记录122中的事件进行迭代来继续进行，以确定对应于第二事件的实际事件是否被包括在事件记录中。
97.然而，如果对应于第一事件的实际事件未被包括在事件记录122中，则比较模块302可以确定第一事件对应于来自事件记录122的第一遗漏事件314。比较模块302可以输出第一遗漏事件314或以其他方式维持第一遗漏事件314的记录，诸如每当确定遗漏事件时递增的计数器、对从事件记录122确定为遗漏的模拟事件310中的每一者的参考(例如，识别符列表)，和/或所确定的遗漏事件的列表(例如，其包括类似于事件如何由事件引擎120记录事件的事件细节)，仅举几个例子。比较模块302可以以类似方式处理每个模拟事件310以确定它们是否被包括在事件记录中。
98.基于第一时间段期间的遗漏事件来生成异常检测模型(框606)。根据本文讨论的原理，异常检测模型包括第二时间段期间的遗漏事件的预测范围。以举例的方式，异常检测系统126的模型管理器304被配置成生成或以其他方式训练异常检测模型306。模型管理器304可以根据各种算法来生成异常检测模型306。具体地，模型管理器304可以基于第一组按时间排序的历史数据(例如，第一遗漏事件314)来生成或以其他方式训练异常检测模型。一旦模型管理器304生成异常检测模型306，异常检测模型306被配置成确定在第二组时序数据中是否存在异常，例如，在第二遗漏事件316中是否存在异常。
99.在使用异常检测模型来确定第二组按时间排序的数据中是否存在异常的上下文中，考虑图7，其描绘了其中利用图6中生成的异常检测模型来检测第二时间段期间的异常
行为的具体实施的示例中的程序700。
100.在第二时间段期间接收由可穿戴葡萄糖监测装置收集的附加葡萄糖测量结果以及与附加葡萄糖测量结果相关联的附加事件记录(框702)。以举例的方式，异常检测系统126在第二时间段期间接收由可穿戴葡萄糖监测装置104收集的葡萄糖测量结果114和事件记录122作为输入。值得注意的是，第一时间段可以在第二时间段之前。
101.通过使用事件引擎模拟器处理附加葡萄糖测量结果来识别从第二时间段期间的附加事件记录中遗漏的遗漏事件(框704)。以举例的方式，并且类似于图6的框604，异常检测系统126的事件引擎模拟器130处理在第二时间段期间获得的葡萄糖测量结果114以生成模拟事件310。异常检测系统126的比较模块302然后将模拟事件310与事件记录122中实际由与相应可穿戴葡萄糖监测装置104相关联的葡萄糖监测应用程序的事件引擎在第二时间段期间生成的记录事件进行比较。如果对应于模拟事件310的实际事件未被包括在事件记录122中，则比较模块302可以确定模拟事件对应于来自事件记录122的第二遗漏事件316。比较模块302可输出第二遗漏事件316或以其他方式维持第二遗漏事件316的记录。值得注意的是，第一遗漏事件314可以对应于在时间点之前的时间且第二遗漏事件316可以对应于该时间点和/或在该时间点之后的时间。给定异常检测模型306基于前一周之前的八周事件来确定该周的异常行为308的示例，第一遗漏事件314可以对应于第2周至第9周，并且第二遗漏事件316可以对应于第1周，其中第9周是从当前时间过去最远的周，并且第1周是从当前时间过去最近的周。
102.如果从第二时间段期间的附加事件记录中遗漏的所识别的遗漏事件在异常检测模型的遗漏事件的预测范围之外，则检测到异常行为(框706)。以举例的方式，异常检测模型306响应于处理模型确定在预测范围之外的数据而输出异常行为308。在遗漏事件的上下文中，由第二遗漏事件316描述的落入异常检测模型306的预测范围(例如，也被配置为每天遗漏事件的数量或百分比)内的遗漏事件(例如，每天遗漏事件的数量或百分比)不是异常的。然而，由第二遗漏事件316描述的落入异常检测模型306的预测范围(例如，也被配置为每天遗漏事件的数量或百分比)之外的遗漏事件(例如，每天遗漏事件的数量或百分比)是异常的。对于这些异常事件，异常检测模型306输出异常行为308。
103.在描述了根据一个或多个具体实施的程序的示例后，现在考虑可用于实现本文所述的各种技术的系统和装置的示例。
104.示例性系统和装置
105.图8示出了总体上以800表示的系统的示例，该系统包括计算装置802的示例，该计算装置代表可实现本文所述的各种技术的一个或多个计算系统和/或装置。这通过包括异常检测系统126和葡萄糖监测平台110来说明。计算装置802可以是例如服务提供方的服务器、与客户端相关联的装置(例如，客户端装置)、片上系统和/或任何其他合适的计算装置或计算系统。
106.如图所示，示例性计算装置802包括处理系统804、一个或多个计算机可读介质806以及彼此通信地耦合的一个或多个i/o接口808。尽管未示出，但计算装置802还可包括将各种部件彼此耦合的系统总线或其他数据和命令转移系统。系统总线可包括不同总线结构中的任一总线结构或它们的组合，诸如存储器总线或存储器控制器、外围总线、通用串行总线和/或利用多种总线架构中的任一总线架构的处理器或本地总线。还可以设想多种其他示
例，诸如控制线和数据线。
107.处理系统804代表使用硬件执行一个或多个操作的功能。因此，处理系统804示为包括可被配置成处理器、功能块等的硬件元件810。这可包括在硬件中实现为专用集成电路或使用一个或多个半导体形成的其他逻辑装置。硬件元件810不受形成它们的材料或其中采用的处理机制的限制。例如，处理器可由半导体和/或晶体管(例如，电子集成电路(ic))组成。在这种上下文中，处理器可执行指令可以是电子可执行指令。
108.计算机可读介质806示为包括存储器/存储设备812。存储器/存储设备812表示与一个或多个计算机可读介质相关联的存储器/存储容量。存储器/存储部件812可包括易失性介质(诸如随机存取存储器(ram))和/或非易失性介质(诸如只读存储器(rom)、闪存存储器、光盘、磁盘等)。存储器/存储部件812可包括固定介质(例如，ram、rom、固定硬盘驱动器等)以及可移动介质(例如，闪存存储器、可移动硬盘驱动器、光盘等)。计算机可读介质806可以多种其他方式配置，如下文进一步描述的。
109.输入/输出接口808代表允许用户向计算装置802输入命令和信息，并且还允许使用各种输入/输出装置向用户和/或其他部件或装置呈现信息的功能。输入装置的示例包括键盘、光标控制装置(例如，鼠标)、麦克风、扫描仪、触摸功能(例如，电容传感器或被配置成检测物理触摸的其他传感器)、相机(例如，其可采用可见波长或不可见波长(诸如红外频率)来将移动识别为不涉及触摸的手势)等。输出装置的示例包括显示装置(例如，监测器或投影仪)、扬声器、打印机、网卡、触觉响应装置等。因此，计算装置802可以如下文进一步描述的各种方式来配置以支持用户交互。
110.本文可在软件、硬件元件或程序模块的一般上下文中描述各种技术。一般来讲，此类模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、元件、部件、数据结构等。本文使用的术语“模块”、“功能”和“部件”通常表示软件、固件、硬件或其组合。本文所述的技术的特征是平台无关的，这意味着这些技术可在具有多种处理器的多种商业计算平台上实现。
111.所描述的模块和技术的具体实施可存储在某种形式的计算机可读介质上或跨某种形式的计算机可读介质传输。计算机可读介质可包括可由计算装置802访问的多种介质。以举例而非限制的方式，计算机可读介质可包括“计算机可读存储介质”和“计算机可读信号介质”。
[0112]“计算机可读存储介质”可指能够持久地和/或非暂态地存储信息的介质和/或装置，而不仅仅是信号传输、载波或信号本身。因此，计算机可读存储介质是指非信号承载介质。计算机可读存储介质包括诸如易失性和非易失性、可移动和不可移动介质和/或存储装置的硬件，该硬件以适合于存储诸如计算机可读指令、数据结构、程序模块、逻辑元件/电路或其他数据的信息的方法或技术实现。计算机可读存储介质的示例可包括但不限于ram、rom、eeprom、闪存存储器或其他存储技术、cd-rom、数字多功能盘(dvd)或其他光学存储设备、硬盘、盒式磁带、磁带、磁盘存储设备或其他磁存储装置、或其他存储装置、有形介质、或适于存储所需信息并可由计算机访问的制品。
[0113]“计算机可读信号介质”可指被配置成诸如经由网络向计算装置802的硬件传输指令的信号承载介质。信号介质通常可在调制数据信号(诸如载波、数据信号或其他传送机制)中体现计算机可读指令、数据结构、程序模块或其他数据。信号介质还包括任何信息递
送介质。术语“调制数据信号”是指其特性中的一个或多个特性以编码信号中信息的方式设置或改变的信号。以举例而非限制的方式，通信介质包括诸如有线网络或直接有线连接的有线介质，以及诸如声介质、rf介质、红外介质和其他无线介质的无线介质。
[0114]
如先前所描述，硬件元件810和计算机可读介质806代表以硬件形式实现的模块、可编程装置逻辑和/或固定装置逻辑，其可在一些实施方案中用于实现本文所述技术的至少一些方面，以执行一个或多个指令。硬件可包括集成电路或片上系统、专用集成电路(asic)、现场可编程门阵列(fpga)、复杂可编程逻辑器件(cpld)以及硅或其他硬件中的其他具体实施的部件。在此上下文中，硬件可作为执行由硬件体现的指令和/或逻辑定义的程序任务的处理装置，以及用于存储用于执行的指令的硬件(例如，先前描述的计算机可读存储介质)来操作。
[0115]
也可采用前述的组合来实现本文所述的各种技术。因此，软件、硬件或可执行模块可被实现为在某种形式的计算机可读存储介质上体现和/或由一个或多个硬件元件810体现的一个或多个指令和/或逻辑。计算装置802可被配置成实现对应于软件和/或硬件模块的特定指令和/或功能。因此，例如，通过使用计算机可读存储介质和/或处理系统804的硬件元件810，可至少部分地以硬件实现可由计算装置802作为软件执行的模块的具体实施。指令和/或功能可由一个或多个制品(例如，一个或多个计算装置802和/或处理系统804)执行/操作，以实现本文所述的技术、模块和示例。
[0116]
本文所述的技术可由计算装置802的各种配置支持，并且不限于本文所述的技术的具体示例。此功能还可全部或部分地通过使用分布式系统来实现，诸如经由平台816在“云”814上实现，如下所述。
[0117]
云814包括和/或代表用于资源818的平台816。平台816抽象云814的硬件(例如，服务器)和软件资源的底层功能。资源818可包括当在远离计算装置802的服务器上执行计算机处理时可以利用的应用程序和/或数据。资源818还可包括通过互联网和/或通过诸如蜂窝或wi-fi网络的订户网络提供的服务。
[0118]
平台816可抽象化资源和功能以将计算装置802与其他计算装置连接。平台816还可用于抽象化资源的缩放以提供对应的缩放级别，以满足对经由平台816实现的资源818的需求。因此，在互连的装置实施方案中，本文所述的功能的具体实施可分布在整个系统800中。例如，该功能可部分地在计算装置802上实现以及经由抽象化云814的功能的平台816来实现。
[0119]
结论
[0120]
尽管已经以结构特征和/或方法动作专用的语言描述了系统和技术，但应当理解，所附权利要求中定义的系统和技术不一定限于所描述的特定特征或动作。相反，特定特征或动作被公开为实现要求保护的主题的示例性形式。

技术特征：
1.一种方法，所述方法包括：在第一时间段期间接收由可穿戴葡萄糖监测装置收集的葡萄糖测量结果以及与所述葡萄糖测量结果相关联的事件记录；通过使用事件引擎模拟器处理所述葡萄糖测量结果来识别从所述第一时间段期间的所述事件记录中遗漏的遗漏事件；以及基于所述第一时间段期间的所述遗漏事件来生成异常检测模型，所述异常检测模型包括非异常的第二时间段期间的遗漏事件的预测范围。2.根据权利要求1所述的方法，其中识别从所述第一时间段期间的所述事件记录中遗漏的所述遗漏事件还包括：使用所述事件引擎模拟器处理所述葡萄糖测量结果以生成模拟事件；以及将所述模拟事件与所述第一时间段期间的所述事件记录中的实际事件进行比较，以识别从所述第一时间段期间的所述事件记录中遗漏的所述遗漏事件。3.根据权利要求2所述的方法，其中所述遗漏事件包括在所述第一时间段期间的所述事件记录中不具有匹配的实际事件的模拟事件。4.根据权利要求1所述的方法，其中所述事件引擎模拟器包括与所述可穿戴葡萄糖监测装置相关联的葡萄糖监测应用程序的事件引擎的复制。5.根据权利要求1所述的方法，所述方法还包括：在所述第二时间段期间接收由所述可穿戴葡萄糖监测装置收集的附加葡萄糖测量结果以及与所述附加葡萄糖测量结果相关联的附加事件记录；通过使用所述事件引擎模拟器处理所述附加葡萄糖测量结果来识别从所述第二时间段期间的所述附加事件记录中遗漏的遗漏事件；如果从所述第二时间段期间的所述附加事件记录中遗漏的所识别的遗漏事件在所述异常检测模型的遗漏事件的所述预测范围之外，则检测异常行为；以及输出所述异常行为。6.根据权利要求5所述的方法，其中所述异常检测模型的遗漏事件的所述预测范围对应于非异常的每天遗漏事件的预测范围，并且其中检测所述异常行为包括当在所述第二时间段期间从第一天的所述附加事件记录遗漏的所述遗漏事件在非异常的每天遗漏事件的所述预测范围之外时检测异常行为。7.根据权利要求6所述的方法，还包括当在所述第二时间段期间从第二天的所述附加事件记录中遗漏的所述遗漏事件在非异常的每天遗漏事件的所述预测范围内时，检测非异常行为。8.根据权利要求5所述的方法，其中识别从所述第二时间段期间的所述附加事件记录中遗漏的所述遗漏事件还包括：使用所述事件引擎模拟器处理所述附加葡萄糖测量结果以生成附加模拟事件；以及将所述附加模拟事件与所述第二时间段期间的所述事件记录中的实际事件进行比较，以识别从所述第二时间段期间的所述事件记录中遗漏的所述遗漏事件。9.根据权利要求1所述的方法，其中所述事件记录包括由所述可穿戴葡萄糖监测装置在所述第一时间段期间生成的低葡萄糖警报。10.根据权利要求1所述的方法，其中所述第一时间段在所述第二时间段之前。
11.根据权利要求1所述的方法，所述方法还包括使得显示异常行为用户界面，所述异常行为用户界面绘制所述第一时间段和所述第二时间段期间的所述遗漏事件。12.根据权利要求11所述的方法，其中所述异常行为用户界面在视觉上指示遗漏事件的所述预测范围。13.根据权利要求12所述的方法，其中被绘制在遗漏事件的所述预测范围之外的遗漏事件与指示所述遗漏事件对应于异常行为的视觉指示符一起显示。14.一种计算机可读存储装置，所述计算机可读存储装置包括存储指令，所述指令响应于由一个或多个处理器执行来执行操作，所述操作包括：在第一时间段期间接收由可穿戴葡萄糖监测装置收集的葡萄糖测量结果以及与所述葡萄糖测量结果相关联的事件记录；通过使用事件引擎模拟器处理所述葡萄糖测量结果来识别从所述第一时间段期间的所述事件记录中遗漏的遗漏事件；以及基于所述第一时间段期间的所述遗漏事件来生成异常检测模型，所述异常检测模型包括非异常的第二时间段期间的遗漏事件的预测范围。15.根据权利要求14所述的计算机可读存储装置，其中识别从所述第一时间段期间的所述事件记录中遗漏的所述遗漏事件还包括：使用所述事件引擎模拟器处理所述葡萄糖测量结果以生成模拟事件；以及将所述模拟事件与所述第一时间段期间的所述事件记录中的实际事件进行比较，以识别从所述第一时间段期间的所述事件记录中遗漏的所述遗漏事件。16.根据权利要求15所述的计算机可读存储装置，其中所述遗漏事件包括在所述第一时间段期间的所述事件记录中不具有匹配的实际事件的模拟事件。17.根据权利要求14所述的计算机可读存储装置，其中所述事件引擎模拟器包括与所述可穿戴葡萄糖监测装置相关联的葡萄糖监测应用程序的事件引擎的复制。18.根据权利要求14所述的计算机可读存储装置，其中所述操作还包括：在所述第二时间段期间接收由所述可穿戴葡萄糖监测装置收集的附加葡萄糖测量结果以及与所述附加葡萄糖测量结果相关联的附加事件记录；通过使用所述事件引擎模拟器处理所述附加葡萄糖测量结果来识别从所述第二时间段期间的所述附加事件记录中遗漏的遗漏事件；如果从所述第二时间段期间的所述附加事件记录中遗漏的所识别的遗漏事件在所述异常检测模型的遗漏事件的所述预测范围之外，则检测异常行为；以及输出所述异常行为。19.根据权利要求18所述的计算机可读存储装置，其中所述异常检测模型的遗漏事件的所述预测范围对应于非异常的每天遗漏事件的预测范围，并且其中检测所述异常行为包括当在所述第二时间段期间从第一天的所述附加事件记录遗漏的所述遗漏事件在非异常的每天遗漏事件的所述预测范围之外时检测异常行为。20.根据权利要求19所述的计算机可读存储装置，其中所述操作还包括当在所述第二时间段期间从第二天的所述附加事件记录中遗漏的所述遗漏事件在非异常的每天遗漏事件的所述预测范围内时，检测非异常行为。21.根据权利要求18所述的计算机可读存储装置，其中识别从所述第二时间段期间的
所述附加事件记录中遗漏的所述遗漏事件还包括：使用所述事件引擎模拟器处理所述附加葡萄糖测量结果以生成附加模拟事件；以及将所述附加模拟事件与所述第二时间段期间的所述事件记录中的实际事件进行比较，以识别从所述第二时间段期间的所述事件记录中遗漏的所述遗漏事件。22.根据权利要求14所述的计算机可读存储装置，其中所述事件记录包括由所述可穿戴葡萄糖监测装置在所述第一时间段期间生成的低葡萄糖警报。23.根据权利要求14所述的计算机可读存储装置，其中所述第一时间段在所述第二时间段之前。24.根据权利要求14所述的计算机可读存储装置，其中所述操作还包括使得显示异常行为用户界面，所述异常行为用户界面绘制所述第一时间段和所述第二时间段期间的所述遗漏事件。25.根据权利要求24所述的计算机可读存储装置，其中所述异常行为用户界面在视觉上指示遗漏事件的所述预测范围。26.根据权利要求25所述的计算机可读存储装置，其中被绘制在遗漏事件的所述预测范围之外的遗漏事件与指示所述遗漏事件对应于异常行为的视觉指示符一起显示。27.一种异常检测系统，所述异常检测系统包括：事件引擎模拟器，所述事件引擎模拟器用于在第一时间段期间接收由可穿戴葡萄糖监测装置收集的葡萄糖测量结果以及与所述葡萄糖测量结果相关联的事件记录，并且处理所述葡萄糖测量结果以生成模拟事件；比较模块，所述比较模块用于将所述模拟事件与所述第一时间段期间的所述事件记录中的实际事件进行比较，以识别从所述事件记录中遗漏的遗漏事件；和模型管理器，所述模型管理器用于基于所述第一时间段期间的所述遗漏事件生成异常检测模型，所述异常检测模型包括非异常的第二时间段期间的遗漏事件的预测范围。

技术总结
描述了使用葡萄糖来检测异常计算环境行为。异常检测系统在第一时间段期间接收葡萄糖测量结果和事件记录。通过使用事件引擎模拟器处理葡萄糖测量结果来识别从第一时间段期间的事件记录中遗漏的遗漏事件。基于第一时间段期间的遗漏事件来生成异常检测模型。随后，异常检测系统在第二时间段期间接收附加葡萄糖测量结果和附加事件记录。通过使用事件引擎模拟器处理附加葡萄糖测量结果来识别从第二时间段期间的附加事件记录中遗漏的遗漏事件。如果从第二时间段期间的事件记录中遗漏的所识别的遗漏事件在异常检测模型的遗漏事件的预测范围之外，则检测到异常行为。则检测到异常行为。则检测到异常行为。


技术研发人员：S
受保护的技术使用者：德克斯康公司
技术研发日：2021.11.17
技术公布日：2023/7/22