[發明專利]一種基于防偽溯源系統的異常數據處理方法及系統

有效

• 申請號: 201710221560.3
• 申請日: 2017-04-06
• 公開（公告）號: CN107038593B
• 公開（公告）日: 2020-07-21
• 發明（設計）人: 胡建國;晏斌;鄧成謙;林培祥;黃家誠;李凱祥
• 申請（專利權）人: 廣東順德中山大學卡內基梅隆大學國際聯合研究院;中山大學
• 主分類號: G06Q30/00
• 分類號: G06Q30/00;G06K9/62;G06F16/25;G06F16/29;G06F16/215;G06F16/26
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 林麗明

1.一種基于防偽溯源系統的異常數據處理方法，其特征在于，包括以下步驟：

S1：獲取用戶信息，查詢產品真偽情況；獲取用戶信息具體為：獲取用戶輸入的基本信息、商品信息、查詢信息和購買途徑，基本信息包括ID、性別、年齡，商品信息包括價格、種類、用途，查詢信息包括空間位置、時間，購買途徑為線上和線下，線上途徑包括網站、店鋪，線下途徑為店鋪；

S2：根據獲取的信息，利用數據清洗、數據集成、數據變換和數據歸約方法對數據進行預處理；具體包括以下步驟：

S2.1：檢查用戶輸入的各項屬性，若存在空值，則將記錄刪除；

S2.2：對價格、時間輸入統一格式：價格提取整數部分，刪除小數部分和貨幣符號，時間保留年、月、日、時、分信息；

S2.3：將數據依據預收的規則進行變換，包括對地理位置的經緯度依據一定的變換關系，擴大數據間的差異；

S2.4：對短時間內反復出現的相同數據點，標記為異常行為，只記錄1次；對用戶與其反饋店鋪反復成對出現的數據點，標記為異常行為，只記錄為1次；

S3：針對數據集進行異常檢測，去除異常點干擾；具體包括以下步驟：

S3.1：對輸入數據D_i進行處理，使用相同的半徑，將輸入數據劃分成不同的類，當類中所包含的數量大于所設閾值K時，證明其不是離群點，將其刪除；

S3.2：使用FCM聚類算法對步驟S3.2獲取到的數據進行聚類，數據集記為D＝(D₁,D₂,D₃,..,D_c)，其中c為聚類數量，D_i為具體類別中所含數量，r_i為聚類半徑，則根據以下公式計算密度Den：

根據Den的數值對其進行排序，密度較低的幾個類，就最大可能包含離群點；

S3.3：使用最近鄰算法查找離群點；

S3.4：在輸入數據D_i中，將步驟S3.3獲取的離群點刪除，結果即為有效點集；

S4：針對線下數據集利用基于距離的方法找到最可疑假冒源；針對線上數據集采用基于頻率的分類方法，找出最可疑假冒源；

S5：標記不良店鋪，并發送標記結果到數據庫。

2.根據權利要求1所述的基于防偽溯源系統的異常數據處理方法，其特征在于，步驟S4中，針對線下數據集利用基于距離的方法找到最可疑假冒源，具體包括以下步驟：

S4.1：使用K-Means算法對有效點集進行聚類，數據集記為P_i，i∈[0,c],其中c為聚類數量；

S4.2：當簇中數量達到閾值時，其聚類中心即標記為假冒源中心點；

S4.3：根據步驟S2.3的地理位置變換，對聚類中心進行相應逆變換，得到假冒源的地理位置，尋找數據集內距離聚類中心最近的點，即為假冒源。

3.根據權利要求2所述的基于防偽溯源系統的異常數據處理方法，其特征在于，步驟S4中，針對線上數據集采用基于頻率的分類方法，找出最可疑假冒源，具體包括：

在P_i中對相同數據點出現次數進行累加，對累加結果進行排序，累加結果超過所設閾值的即為假冒源。