[發(fā)明專利]基于Spark的校園卡租借行為檢測(cè)方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 202011553092.8
• 申請(qǐng)日: 2020-12-24
• 公開(kāi)（公告）號(hào): CN112667709B
• 公開(kāi)（公告）日: 2022-05-03
• 發(fā)明（設(shè)計(jì)）人: 于磊磊;李永在;喬禹
• 申請(qǐng)（專利權(quán)）人: 山東大學(xué)
• 主分類號(hào): G06F16/2458
• 分類號(hào): G06F16/2458;G06F16/28;G06F16/25;G06F16/22;G06F16/27;G06K9/62;G06Q50/20
• 代理公司: 濟(jì)南圣達(dá)知識(shí)產(chǎn)權(quán)代理有限公司 37221
• 代理人: 黃海麗

本發(fā)明公開(kāi)了基于Spark的校園卡租借行為檢測(cè)方法及系統(tǒng)，獲取用戶對(duì)校園卡的使用數(shù)據(jù)，將獲取數(shù)據(jù)作為待檢測(cè)數(shù)據(jù)；獲取經(jīng)過(guò)人工篩選的標(biāo)記為租借的用戶對(duì)校園卡的使用數(shù)據(jù)，將獲取的數(shù)據(jù)作為標(biāo)定數(shù)據(jù)；將待檢測(cè)數(shù)據(jù)轉(zhuǎn)化為待檢測(cè)行為數(shù)據(jù)集，將標(biāo)定數(shù)據(jù)轉(zhuǎn)化為標(biāo)定行為數(shù)據(jù)集；對(duì)待檢測(cè)行為數(shù)據(jù)集和標(biāo)定行為數(shù)據(jù)集中的類別特征進(jìn)行量化處理，進(jìn)而對(duì)所有特征進(jìn)行標(biāo)準(zhǔn)化處理；采用Spark并行計(jì)算標(biāo)定行為數(shù)據(jù)集中各個(gè)特征的權(quán)重；并行加權(quán)重計(jì)算待檢測(cè)行為數(shù)據(jù)與標(biāo)定行為數(shù)據(jù)集中所有數(shù)據(jù)之間的距離；按照待檢測(cè)行為數(shù)據(jù)與標(biāo)定行為數(shù)據(jù)之間距離由小到大進(jìn)行排序，選擇前K個(gè)標(biāo)定行為數(shù)據(jù)進(jìn)行高斯權(quán)重加權(quán)投票，得到待檢測(cè)行為數(shù)據(jù)的類別。

技術(shù)領(lǐng)域

本申請(qǐng)涉及異常行為數(shù)據(jù)檢測(cè)技術(shù)領(lǐng)域，特別是涉及基于Spark的校園卡租借行為檢測(cè)方法及系統(tǒng)。

背景技術(shù)

本部分的陳述僅僅是提到了與本申請(qǐng)相關(guān)的背景技術(shù)，并不必然構(gòu)成現(xiàn)有技術(shù)。

現(xiàn)有的校園卡管理中，存在校園卡的租借行為，為了及時(shí)發(fā)現(xiàn)并制止這種行為，學(xué)校的校園卡管理部門需要設(shè)置一套校園卡租借行為檢測(cè)方法，但是目前的校園卡租借檢測(cè)，憑借人工經(jīng)驗(yàn)來(lái)篩查標(biāo)注，容易出現(xiàn)誤檢和漏檢的現(xiàn)象，造成校園卡的使用混亂現(xiàn)象頻發(fā)，影響校園卡正常使用者的權(quán)益。

發(fā)明內(nèi)容

為了解決現(xiàn)有技術(shù)的不足，本申請(qǐng)?zhí)峁┝嘶赟park的校園卡租借行為檢測(cè)方法及系統(tǒng)；

第一方面，本申請(qǐng)?zhí)峁┝嘶赟park的校園卡租借行為檢測(cè)方法；

基于Spark的校園卡租借行為檢測(cè)方法，包括：

獲取用戶對(duì)校園卡的使用數(shù)據(jù)，將獲取的數(shù)據(jù)作為待檢測(cè)數(shù)據(jù)；

獲取經(jīng)過(guò)人工篩選的標(biāo)記為租借的用戶對(duì)校園卡的使用數(shù)據(jù)，將獲取的數(shù)據(jù)作為標(biāo)定數(shù)據(jù)；將待檢測(cè)數(shù)據(jù)轉(zhuǎn)化為待檢測(cè)行為數(shù)據(jù)集，將標(biāo)定數(shù)據(jù)轉(zhuǎn)化為標(biāo)定行為數(shù)據(jù)集；

分別對(duì)待檢測(cè)行為數(shù)據(jù)集和標(biāo)定行為數(shù)據(jù)集中的類別特征進(jìn)行量化處理；分別對(duì)待檢測(cè)行為數(shù)據(jù)集和標(biāo)定行為數(shù)據(jù)集中的所有特征進(jìn)行標(biāo)準(zhǔn)化處理；

采用Spark引擎，并行計(jì)算標(biāo)定行為數(shù)據(jù)集中各個(gè)特征的權(quán)重；

采用Spark引擎，并行加權(quán)重計(jì)算待檢測(cè)行為數(shù)據(jù)與標(biāo)定行為數(shù)據(jù)集中所有數(shù)據(jù)之間的距離；

按照待檢測(cè)行為數(shù)據(jù)與標(biāo)定行為數(shù)據(jù)之間距離由小到大進(jìn)行排序，選擇前K個(gè)標(biāo)定行為數(shù)據(jù)進(jìn)行高斯權(quán)重加權(quán)投票，得到待檢測(cè)行為數(shù)據(jù)的類別。

第二方面，本申請(qǐng)?zhí)峁┝嘶赟park的校園卡租借行為檢測(cè)系統(tǒng)；

基于Spark的校園卡租借行為檢測(cè)系統(tǒng)，包括：

數(shù)據(jù)獲取模塊，其被配置為：獲取用戶對(duì)校園卡的使用數(shù)據(jù)，將獲取的數(shù)據(jù)作為待檢測(cè)數(shù)據(jù)；獲取經(jīng)過(guò)人工篩選的標(biāo)記為租借的用戶對(duì)校園卡的使用數(shù)據(jù)，將獲取的數(shù)據(jù)作為標(biāo)定數(shù)據(jù)；將待檢測(cè)數(shù)據(jù)轉(zhuǎn)化為待檢測(cè)行為數(shù)據(jù)集，將標(biāo)定數(shù)據(jù)轉(zhuǎn)化為標(biāo)定行為數(shù)據(jù)集；

數(shù)據(jù)預(yù)處理模塊，其被配置為：分別對(duì)待檢測(cè)行為數(shù)據(jù)集和標(biāo)定行為數(shù)據(jù)集中的類別特征進(jìn)行量化處理；分別對(duì)待檢測(cè)行為數(shù)據(jù)集和標(biāo)定行為數(shù)據(jù)集中的所有特征進(jìn)行標(biāo)準(zhǔn)化處理；

權(quán)重計(jì)算模塊，其被配置為：采用Spark引擎，并行計(jì)算標(biāo)定行為數(shù)據(jù)集中各個(gè)特征的權(quán)重；

距離計(jì)算模塊，其被配置為：采用Spark引擎，并行加權(quán)重計(jì)算待檢測(cè)行為數(shù)據(jù)與標(biāo)定行為數(shù)據(jù)集中所有數(shù)據(jù)之間的距離；

投票選舉模塊，其被配置為：按照待檢測(cè)行為數(shù)據(jù)與標(biāo)定行為數(shù)據(jù)之間距離由小到大進(jìn)行排序，選擇前K個(gè)標(biāo)定行為數(shù)據(jù)進(jìn)行高斯權(quán)重加權(quán)投票，得到待檢測(cè)行為數(shù)據(jù)的類別。