[發明專利]一種異常檢測方法、裝置、電子設備及計算機可讀介質

在審

• 申請號: 202111498620.9
• 申請日: 2021-12-09
• 公開（公告）號: CN114186626A
• 公開（公告）日: 2022-03-15
• 發明（設計）人: 李騰;楊誠驁
• 申請（專利權）人: 中國建設銀行股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06Q40/02
• 代理公司: 中原信達知識產權代理有限責任公司 11219
• 代理人: 李陽;徐敏

1.一種異常檢測方法，其特征在于，包括：

接收用戶申請請求，確定對應的場景標識；

基于所述場景標識，獲取歷史預設時間段的用戶場景數據；

調用聚類模型，以基于所述用戶場景數據，確定各聚類簇；

確定異常篩選指標，進而基于所述異常篩選指標確定所述各聚類簇中的異常聚類簇；

響應于確定所述用戶申請請求對應的用戶場景數據與所述異常聚類簇匹配，攔截所述用戶申請請求。

2.根據權利要求1所述的方法，其特征在于，在所述調用聚類模型之前，所述方法還包括：

獲取訓練樣本集，所述訓練樣本包括有時間聚集的異常申請在內的對應同一個場景標識的用戶申請數據；

對所述用戶申請數據進行特征工程處理，進而基于決策樹篩選聚類指標；

基于篩選得到的聚類指標，更新決策樹的節點，進而基于更新的決策樹生成聚類模型。

3.根據權利要求2所述的方法，其特征在于，所述基于決策樹篩選聚類指標，包括：

使用決策樹對所有時間段的所述用戶申請數據進行預分類，進而根據預分類結果，確定聚類指標。

4.根據權利要求3所述的方法，其特征在于，所述根據預分類結果，確定聚類指標，包括：

確定決策樹中各節點的異常樣本占比；

對各節點的異常樣本占比進行排序，基于排序選取預設數量個節點，進而將所述預設數量個節點對應的標簽，確定為聚類指標。

5.根據權利要求1所述的方法，其特征在于，所述基于所述異常篩選指標確定所述各聚類簇中的異常聚類簇，包括：

確定各所述異常篩選指標在所述各聚類簇的均值和標準差；

基于所述均值和所述標準差，確定所述各聚類簇中的異常聚類簇。

6.根據權利要求5所述的方法，其特征在于，所述基于所述均值和所述標準差，確定所述各聚類簇中的異常聚類簇，包括：

基于所述均值和所述標準差，生成異常參考值；

確定指標值大于所述異常參考值的指標所在的聚類簇，進而確定為異常聚類簇。

7.根據權利要求1所述的方法，其特征在于，所述方法還包括：

每天自動更新所述歷史預設時間段的用戶場景數據，進而自動更新所述各聚類簇。

8.一種異常檢測裝置，其特征在于，包括：

接收單元，被配置成接收用戶申請請求，確定對應的場景標識；

獲取單元，被配置成基于所述場景標識，獲取歷史預設時間段的用戶場景數據；

聚類簇確定單元，被配置成調用聚類模型，以基于所述用戶場景數據，確定各聚類簇；

異常聚類簇確定單元，被配置成確定異常篩選指標，進而基于所述異常篩選指標確定所述各聚類簇中的異常聚類簇；

異常檢測單元，被配置成響應于確定所述用戶申請請求對應的用戶場景數據與所述異常聚類簇匹配，攔截所述用戶申請請求。

9.根據權利要求8所述的裝置，其特征在于，所述異常檢測裝置還包括訓練單元，被配置成：

獲取訓練樣本集，所述訓練樣本包括有時間聚集的異常申請在內的對應同一個場景標識的用戶申請數據；

對所述用戶申請數據進行特征工程處理，進而基于決策樹篩選聚類指標；

基于篩選得到的聚類指標，更新決策樹的節點，進而基于更新的決策樹生成聚類模型。

10.根據權利要求9所述的裝置，其特征在于，所述訓練單元進一步被配置成：

使用決策樹對所有時間段的所述用戶申請數據進行預分類，進而根據預分類結果，確定聚類指標。

11.根據權利要求10所述的裝置，其特征在于，所述訓練單元進一步被配置成：

確定決策樹中各節點的異常樣本占比；

對各節點的異常樣本占比進行排序，基于排序選取預設數量個節點，進而將所述預設數量個節點對應的標簽，確定為聚類指標。