[發明專利]基于生成對抗網絡的通信網絡異常用戶檢測方法

在審

• 申請號: 201810458873.5
• 申請日: 2018-05-15
• 公開（公告）號: CN108769993A
• 公開（公告）日: 2018-11-06
• 發明（設計）人: 熊健;路麗果;王潔;桂冠;范山崗;楊潔;潘金秋
• 申請（專利權）人: 南京郵電大學
• 主分類號: H04W12/12
• 分類號: H04W12/12;G06K9/62
• 代理公司: 南京縱橫知識產權代理有限公司 32224
• 代理人: 董建林

1.基于生成對抗網絡的通信網絡異常用戶檢測方法，其特征在于，包括以下步驟：

1)對異常用戶的數據進行規則化，得到維度和量級均一致的數據；

2)對生成對抗網絡進行訓練，即對生成器和鑒別器進行訓練，實現對異常用戶的過采樣；

3)將生成器生成的數據與正常用戶組成訓練數據集，利用深度全連接神經網絡對訓練數據集進行分類，判斷用戶類型。

2.根據權利要求1所述的基于生成對抗網絡的通信網絡異常用戶檢測方法，其特征在于，步驟1)中對異常用戶的數據進行規則化具體為對不同量級的數據采用最大最小歸一化方式進行規則化，對標簽數據采用one-hot編碼方法進行標注以實現規則化。

3.根據權利要求1所述的基于生成對抗網絡的通信網絡異常用戶檢測方法，其特征在于，步驟2)的具體步驟為：

21)采用兩個多層全連接神經網絡構成生成器和鑒別器；

22)針對生成器進行訓練，生成器模擬真實異常用戶數據的分布，生成模擬異常用戶數據；

23)將真實異常用戶數據和生成器產生的模擬異常用戶數據分別輸入鑒別器，對鑒別器進行訓練；

24)對生成器和鑒別器進行交替迭代達成對生成對抗網絡的訓練。

4.根據權利要求3所述的基于生成對抗網絡的通信網絡異常用戶檢測方法，其特征在于，所述步驟22)中，生成器為G(z)，其中z是一個隨機噪聲，生成器G將隨機噪聲z進行轉化，模擬真實的異常用戶數據的分布，生成模擬異常用戶數據。

5.根據權利要求3所述的基于生成對抗網絡的通信網絡異常用戶檢測方法，其特征在于，所述步驟23)中，鑒別器為D(x)，輸入為真實異常用戶數據X_a和生成器產生的模擬異常用戶數據X_g，鑒別器D輸出0-1范圍的一個實數，用于判斷生成器G生成的模擬異常用戶數據樣本X_g與真實異常用戶數據樣本X_a的概率，Pr和Pg分別代表真實異常用戶數據分布和模擬異常用戶數據分布，鑒別器的目標函數為：

其中，表示真實異常用戶數據被判斷為真實異常用戶數據的期望，表示生成器產生的模擬異常用戶數據被判斷為模擬異常用戶數據的期望。

6.根據權利要求3所述的基于生成對抗網絡的通信網絡異常用戶檢測方法，其特征在于，步驟24)中對生成器和鑒別器進行交替迭代采用的方法為最大最小化目標函數，分別對生成器G和鑒別器D進行交互迭代，固定生成器G時優化鑒別器D；固定鑒別器D時優化生成器G，直到過程收斂；

生成器G的目標為使鑒別器D無法區分真實樣本和生成樣本，整體優化函數如下：

其中，表示真實異常用戶數據被判斷為真實異常用戶數據的期望，表示生成器產生的模擬異常用戶數據被判斷為模擬異常用戶數據的期望；D(x)表示鑒別器。