[發(fā)明專利]基于人工智能的異常檢測(cè)方法、裝置、計(jì)算機(jī)設(shè)備及介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202310289764.6
• 申請(qǐng)日: 2023-03-17
• 公開（公告）號(hào): CN116188179A
• 公開（公告）日: 2023-05-30
• 發(fā)明（設(shè)計(jì)）人: 陳奕宇
• 申請(qǐng)（專利權(quán)）人: 中國(guó)平安財(cái)產(chǎn)保險(xiǎn)股份有限公司
• 主分類號(hào): G06Q40/08
• 分類號(hào): G06Q40/08;G06Q30/018;G06Q30/0201;G06N3/04;G06N3/09;G06N3/092
• 代理公司: 深圳市世聯(lián)合知識(shí)產(chǎn)權(quán)代理有限公司 44385
• 代理人: 汪琳琳

1.一種基于人工智能的異常檢測(cè)方法，其特征在于，包括下述步驟：

獲取待檢測(cè)企業(yè)的當(dāng)前狀態(tài)以及與所述當(dāng)前狀態(tài)對(duì)應(yīng)的可選動(dòng)作集；

將所述當(dāng)前狀態(tài)輸入至預(yù)設(shè)的強(qiáng)化學(xué)習(xí)模型進(jìn)行風(fēng)險(xiǎn)檢測(cè)，確定所述可選動(dòng)作集中各可選動(dòng)作對(duì)應(yīng)的所有收益預(yù)測(cè)值；

從所有的所述收益預(yù)測(cè)值中選取最大收益預(yù)測(cè)值；

將所述最大收益預(yù)測(cè)值與所述當(dāng)前狀態(tài)對(duì)應(yīng)的實(shí)際收益值進(jìn)行比對(duì)，得到比對(duì)結(jié)果；

根據(jù)所述比對(duì)結(jié)果，確定所述待檢測(cè)企業(yè)為風(fēng)險(xiǎn)企業(yè)。

2.根據(jù)權(quán)利要求1所述的基于人工智能的異常檢測(cè)方法，其特征在于，在所述將所述當(dāng)前狀態(tài)輸入至預(yù)設(shè)的強(qiáng)化學(xué)習(xí)模型進(jìn)行風(fēng)險(xiǎn)檢測(cè)的步驟之前，還包括：

獲取企業(yè)訓(xùn)練樣本，其中，所述企業(yè)訓(xùn)練樣本中包括每一樣本企業(yè)從初始狀態(tài)至最終狀態(tài)的各個(gè)狀態(tài)數(shù)據(jù)以及各個(gè)所述狀態(tài)數(shù)據(jù)對(duì)應(yīng)的交互動(dòng)作；

確定各個(gè)所述狀態(tài)數(shù)據(jù)對(duì)應(yīng)的交互動(dòng)作的收益期望值；

基于各個(gè)所述狀態(tài)數(shù)據(jù)以及各個(gè)所述狀態(tài)數(shù)據(jù)對(duì)應(yīng)的交互動(dòng)作的收益期望值，訓(xùn)練所述強(qiáng)化學(xué)習(xí)模型，得到訓(xùn)練好的強(qiáng)化學(xué)習(xí)模型，并將訓(xùn)練好的強(qiáng)化學(xué)習(xí)模型作為所述預(yù)設(shè)的強(qiáng)化學(xué)習(xí)模型。

3.根據(jù)權(quán)利要求2所述的基于人工智能的異常檢測(cè)方法，其特征在于，所述確定各個(gè)所述狀態(tài)數(shù)據(jù)對(duì)應(yīng)的交互動(dòng)作的收益期望值的步驟，包括：

將各個(gè)所述狀態(tài)數(shù)據(jù)輸入至神經(jīng)網(wǎng)絡(luò)，并通過(guò)所述神經(jīng)網(wǎng)絡(luò)計(jì)算各個(gè)所述狀態(tài)數(shù)據(jù)對(duì)應(yīng)的交互動(dòng)作的收益期望值，其中，每一所述狀態(tài)數(shù)據(jù)中對(duì)應(yīng)至少一個(gè)交互動(dòng)作，每一所述狀態(tài)數(shù)據(jù)具有至少一個(gè)收益期望值。

4.根據(jù)權(quán)利要求3所述的基于人工智能的異常檢測(cè)方法，其特征在于，在每一所述狀態(tài)數(shù)據(jù)中對(duì)應(yīng)多個(gè)交互動(dòng)作時(shí)，所述將各個(gè)所述狀態(tài)數(shù)據(jù)輸入至神經(jīng)網(wǎng)絡(luò)，并通過(guò)所述神經(jīng)網(wǎng)絡(luò)計(jì)算各個(gè)所述狀態(tài)數(shù)據(jù)對(duì)應(yīng)的交互動(dòng)作的收益期望值的步驟包括：

將所述當(dāng)前狀態(tài)輸入預(yù)先訓(xùn)練的意圖識(shí)別模型，得到企業(yè)的下一狀態(tài)意圖；

基于所述企業(yè)的下一狀態(tài)意圖，從所述多個(gè)交互動(dòng)作中確定與所述企業(yè)的下一狀態(tài)意圖相匹配的動(dòng)作，歸為意圖動(dòng)作集，并將剩余的交互動(dòng)作歸為禁選動(dòng)作集；

將各個(gè)所述狀態(tài)數(shù)據(jù)輸入至神經(jīng)網(wǎng)絡(luò)，并通過(guò)所述神經(jīng)網(wǎng)絡(luò)計(jì)算各個(gè)所述狀態(tài)數(shù)據(jù)對(duì)應(yīng)的意圖動(dòng)作集各個(gè)意圖動(dòng)作的收益期望值。

5.根據(jù)權(quán)利要求4所述的基于人工智能的異常檢測(cè)方法，其特征在于，所述獲取企業(yè)訓(xùn)練樣本的步驟之前，還包括：

將所有的企業(yè)樣本數(shù)據(jù)中與黑名單列表進(jìn)行黑名單匹配，所述黑名單列表包括黑產(chǎn)業(yè)的企業(yè)、黑區(qū)域的企業(yè)以及存在歷史欺詐風(fēng)險(xiǎn)的企業(yè)；

當(dāng)所述黑名單匹配成功時(shí)，剔除匹配成功的企業(yè)樣本數(shù)據(jù)，并將剩余的企業(yè)樣本數(shù)據(jù)作為企業(yè)訓(xùn)練樣本。

6.根據(jù)權(quán)利要求5所述的基于人工智能的異常檢測(cè)方法，其特征在于，所述基于各個(gè)所述狀態(tài)數(shù)據(jù)以及各個(gè)所述狀態(tài)數(shù)據(jù)對(duì)應(yīng)的交互動(dòng)作的收益期望值，訓(xùn)練所述強(qiáng)化學(xué)習(xí)模型的步驟包括：

獲取各個(gè)所述狀態(tài)數(shù)據(jù)對(duì)應(yīng)的下一狀態(tài)數(shù)據(jù)的最大收益期望值；

根據(jù)最大收益期望值、預(yù)設(shè)衰變值、獎(jiǎng)勵(lì)性衰變系數(shù)以及各個(gè)狀態(tài)數(shù)據(jù)對(duì)應(yīng)的回報(bào)值，對(duì)各個(gè)所述狀態(tài)數(shù)據(jù)對(duì)應(yīng)的交互動(dòng)作的收益期望值進(jìn)行更新，得到各個(gè)所述狀態(tài)數(shù)據(jù)對(duì)應(yīng)的交互動(dòng)作的最終收益期望值；

基于各個(gè)所述狀態(tài)數(shù)據(jù)以及各個(gè)所述狀態(tài)數(shù)據(jù)對(duì)應(yīng)的交互動(dòng)作的最終收益期望值，訓(xùn)練所述強(qiáng)化學(xué)習(xí)模型。

7.根據(jù)權(quán)利要求1所述的基于人工智能的異常檢測(cè)方法，其特征在于，所述根據(jù)所述比對(duì)結(jié)果，確定所述待檢測(cè)企業(yè)為風(fēng)險(xiǎn)企業(yè)的步驟包括：

若所述最大收益預(yù)測(cè)值小于所述當(dāng)前狀態(tài)對(duì)應(yīng)的實(shí)際收益值，確定所述待檢測(cè)企業(yè)存在欺詐風(fēng)險(xiǎn)；

若所述最大收益預(yù)測(cè)值大于所述當(dāng)前狀態(tài)對(duì)應(yīng)的實(shí)際收益值，則返回執(zhí)行獲取待檢測(cè)企業(yè)的當(dāng)前狀態(tài)以及與所述當(dāng)前狀態(tài)對(duì)應(yīng)的可選動(dòng)作集的步驟。