[發(fā)明專利]一種異常檢測方法、裝置、電子設備以及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202110987471.6
• 申請日: 2021-08-26
• 公開（公告）號: CN113780374A
• 公開（公告）日: 2021-12-10
• 發(fā)明（設計）人: 劉權芳;江敏
• 申請（專利權）人: 杭州數(shù)瀾科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京市聯(lián)德律師事務所 11361
• 代理人: 黃大正;張來光

本申請公開了一種異常檢測方法、裝置、電子設備以及存儲介質(zhì)。針對對象集中的多個對象多次執(zhí)行聚類，并在每次聚類后標注出疑似異常對象。針對所述對象集中的任一待檢測對象，計算其被判定為疑似異常對象的次數(shù)在目標次數(shù)中的占比，若所述占比大于預定閾值，則最終確定所述待檢測對象是異常對象。多次迭代聚類能夠更充分的利用待檢測對象的特征信息。在對象集中置入填充對象能夠使得待檢測對象的細節(jié)特征不至于影響整體判斷。因此可以有效提高異常檢測的準確性。

技術領域

本申請涉及計算機技術，特別地涉及一種異常檢測方法、裝置、電子設備以及存儲介質(zhì)。

背景技術

異常點檢測(Outlier detection)，又稱為離群點檢測，是找出與預期對象的行為差異較大的對象的檢測過程。這些被檢測出的對象被稱為異常點或者離群點。異常點檢測在生產(chǎn)生活中有著廣泛應用，比如信用卡反欺詐、工業(yè)損毀檢測、廣告點擊反作弊等。其中，對多個被檢測對象進行聚類進而找出其中的異常點是一種傳統(tǒng)的異常點檢測方法。

發(fā)明內(nèi)容

依據(jù)本申請的第一方面，提供了一種異常檢測方法，包括：

步驟S1，基于對象集中多個對象的特征數(shù)據(jù)對所述多個對象進行聚類，以得到至少一個聚類簇，所述對象集中包括待檢測對象和填充對象；

步驟S2，針對所得到的每個聚類簇，在聚類簇中包含的待檢測對象的數(shù)量不符合預定條件時，判定所述聚類簇中的每個待檢測對象是疑似異常對象；

重復執(zhí)行步驟S1-步驟S2，直至執(zhí)行完目標次數(shù)；

針對所述對象集中的任一待檢測對象，計算其被判定為疑似異常對象的次數(shù)在所述目標次數(shù)中的占比，若所述占比大于預定閾值，則最終確定所述待檢測對象是異常對象。

依據(jù)本申請的第二方面，提供了一種異常檢測裝置，包括：

聚類模塊，被配置為基于對象集中多個對象的特征數(shù)據(jù)對所述多個對象進行聚類，以得到至少一個聚類簇，所述對象集中包括待檢測對象和填充對象；并針對所得到的每個聚類簇，在聚類簇中包含的待檢測對象的數(shù)量不符合預定條件時，判定所述聚類簇中的每個待檢測對象是疑似異常對象；

判定模塊，被配置為在聚類模塊運行目標次數(shù)后，針對所述對象集中的任一待檢測對象，計算其被判定為疑似異常對象的次數(shù)在所述目標次數(shù)中的占比，若所述占比大于預定閾值，則最終確定所述待檢測對象是異常對象。

依據(jù)本申請的第三方面，提供了一種電子設備，包括處理器；用于存儲所述處理器可執(zhí)行指令的存儲器；其中，所述處理器被配置為能夠執(zhí)行所述指令，以實現(xiàn)如第一方面所述的方法。

依據(jù)本申請的第四方面，提供一種計算機可讀介質(zhì)，其上存儲有計算機可讀指令，所述計算機可讀指令被計算機執(zhí)行時能夠執(zhí)行如第一方面所述的方法。

本申請方案的多次迭代聚類能夠更充分的利用待檢測對象的特征信息。在對象集中置入填充對象能夠使得待檢測對象的細節(jié)特征不至于影響整體判斷。因此可以有效提高異常檢測的準確性。

附圖說明

圖1是本申請一示例性實施例示出的異常檢測方法的一種流程圖；

圖2是本申請一示例性實施例示出的構造填充對象的方法的一種流程圖；

圖3是本申請一示例性實施例示出的異常檢測率對比的一種示意圖；

圖4是本申請一示例性實施例示出的異常檢測裝置的一種示意圖,。

具體實施方式

現(xiàn)在將參照若干示例性實施例來論述本申請的內(nèi)容。應當理解，論述了這些實施例僅是為了使得本領域普通技術人員能夠更好地理解且因此實現(xiàn)本申請的內(nèi)容，而不是暗示對本申請的范圍的任何限制。