[發明專利]異常行為風險評估模型建立方法、異常行為風險評估方法

在審

• 申請號: 202111289824.1
• 申請日: 2021-11-02
• 公開（公告）號: CN114118711A
• 公開（公告）日: 2022-03-01
• 發明（設計）人: 張欣海;陳誠;王晶;徐楷斯;馬麗紅
• 申請（專利權）人: 中國電子科技集團公司電子科學研究院
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06N3/04;G06N3/08
• 代理公司: 工業和信息化部電子專利中心 11010
• 代理人: 田衛平

本發明涉及一種異常行為風險評估模型建立方法、異常行為風險評估方法，本發明實施例提供的該異常行為風險評估模型建立方法，包括：采集目標數據，所述目標數據用于評估異常行為；對所述目標數據進行預處理，得到目標向量，并根據所述目標向量構建數據集；構建神經網絡模型，所述神經網絡模型包括多層全連接網絡，且各層全連接層都包括批標準化；通過所述數據集對所述神經網絡模型進行訓練，得到異常行為風險評估模型，其中異常行為風險評估模型用于監測異常行為，可以直接通過自動收集數據實現了異常行為風險評估，而不在需要人工訪談、回訪的方式，節約了人力資源。

技術領域

本發明涉及計算機領域，尤其涉及一種異常行為風險評估模型建立方法、異常行為風險評估方法。

背景技術

相關技術中，對關注人員的行為進行監測，以評估關注人員是否存在異常行為，其中對關注人員的行為監測包括：談話、走訪等方式，結合業務規則和專家經驗對其行為進行評估，以評判關注人員是否存在異常行為。

上述方法中存在一下缺陷，第一點，傳統評估方法過程復雜，費時費力，需要大量人工參與。第二點，人工經驗往往只能滿足于特定的某一類關注人員行為。第三點，實時響應難。第四點，當關注人員數量增大時，耗費人工更多。第五點，難以同時關注多個行為活動，也即傳統方法首先對人力需求過大，通常情況下，關注一個關注人員就會耗費多個人力，其次，上述評估方式難以適應不斷升級的各種值得關注的行為。

發明內容

為了解決上述技術問題或者至少部分地解決上述技術問題，本發明提供了一種異常行為風險評估模型建立方法、異常行為風險評估方法。

第一方面，本發明提供了一種異常行為風險評估模型建立方法，所述方法包括：采集目標數據，所述目標數據用于評估異常行為；對所述目標數據進行預處理，得到目標向量，并根據所述目標向量構建數據集；構建神經網絡模型，所述神經網絡模型包括多層全連接網絡，且各層全連接層都包括批標準化；通過所述數據集對所述神經網絡模型進行訓練，得到異常行為風險評估模型。

第二方面，本發明提供了一種異常行為風險評估方法，所述方法包括：對待識別數據進行處理，得到待識別向量；將所述待識別向量輸入通過如上所述的異常行為風險評估模型建立方法建立的異常行為風險評估模型，得到輸出結果；根據所述輸出結果判斷是否存在異常行為。

本發明實施例提供的上述技術方案與現有技術相比具有如下優點：

本發明實施例提供的該方法，包括：采集目標數據，所述目標數據用于評估異常行為；對所述目標數據進行預處理，得到目標向量，并根據所述目標向量構建數據集；構建神經網絡模型，所述神經網絡模型包括多層全連接網絡，且各層全連接層都包括批標準化；通過所述數據集對所述神經網絡模型進行訓練，得到異常行為風險評估模型，其中異常行為風險評估模型用于監測異常行為，可以直接通過自動收集數據實現了異常行為風險評估，而不在需要人工訪談、回訪的方式，節約了人力資源。

附圖說明

此處的附圖被并入說明書中并構成本說明書的一部分，示出了符合本發明的實施例，并與說明書一起用于解釋本發明的原理。

為了更清楚地說明本發明實施例或現有技術中的技術方案，下面將對實施例或現有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，對于本領域普通技術人員而言，在不付出創造性勞動性的前提下，還可以根據這些附圖獲得其他的附圖。

圖1為本發明實施例提供的一種異常行為風險評估模型建立方法的基本流程示意圖；

圖2為本發明實施例提供的一種網絡購物行為數據的處理流程的基本示意圖；

圖3為本發明實施例提供的一種拼接結果的基本結構示意圖；

圖4為本發明實施例提供的一種神經網絡模型的基本結構示意圖；

圖5為本發明實施例提供的一種異常行為風險評估方法的基本流程示意圖；