一种数据异常检测方法及装置制造方法及图纸

本发明专利技术实施例涉及数据处理技术领域，尤其涉及一种数据异常检测方法及装置，用以减少资源开销，满足实时检测的要求。本发明专利技术实施例包括：获取待测对象的当前检测样本、历史细胞状态和历史隐藏层状态；历史细胞状态为将待测对象的历史检测样本输入待测对象的异常检测模型确定的输出细胞状态，历史隐藏层状态为将待测对象的历史检测样本输入待测对象的异常检测模型确定的输出隐藏层状态；根据当前检测样本，确定待测对象的当前特征值；将待测对象的当前特征值、历史细胞状态和历史隐藏层状态输入异常检测模型中，确定待测对象对应的风险指数；将风险指数与风险阈值进行对比，确定待测对象的异常判定结果。

A method and device for data anomaly detection

【技术实现步骤摘要】
一种数据异常检测方法及装置
本专利技术涉及数据处理
，尤其涉及一种数据异常检测方法及装置。
技术介绍
互联网和互联网金融的快速发展给风控系统带来了前所未有的挑战，欺诈交易的形式、方式越发多种多样，隐蔽性高，难以挖掘，传统的规则引擎风控方法越发乏力。近年深度学习的快速发展为解决这一问题提供了另一种思路，开发深度引擎，通过深度学习构建模型挖掘隐含信息，辨别欺诈交易，已有不错的成果。现有技术中，深度学习的风控系统仅使用简单深度神经网络，简单神经网络相较复杂神经网络挖掘特征的能力更差，鉴别欺诈交易的性能也较差。但是面对千万级的日交易量，过于复杂的神经网络会导致大量的资源开销，难以满足实时性要求。
技术实现思路
本申请提供一种数据异常检测方法及装置，用以减少资源开销，满足实时检测的要求。本专利技术实施例提供的一种数据异常检测方法，包括：获取待测对象的当前检测样本，以及所述待测对象的历史细胞状态和历史隐藏层状态；所述历史细胞状态为将所述待测对象的历史检测样本输入所述待测对象的异常检测模型确定的输出细本文档来自技高网...

【技术保护点】
1.一种数据异常检测方法，其特征在于，包括：/n获取待测对象的当前检测样本、历史细胞状态和历史隐藏层状态；所述历史细胞状态为将所述待测对象的历史检测样本输入所述待测对象的异常检测模型确定的输出细胞状态，所述历史隐藏层状态为将所述待测对象的历史检测样本输入所述待测对象的异常检测模型确定的输出隐藏层状态；/n根据所述当前检测样本，确定所述待测对象的当前特征值；/n将所述待测对象的所述当前特征值、所述历史细胞状态和所述历史隐藏层状态输入所述异常检测模型中，确定所述待测对象对应的风险指数；/n将所述风险指数与风险阈值进行对比，确定所述待测对象的异常判定结果。/n

【技术特征摘要】
1.一种数据异常检测方法，其特征在于，包括：
获取待测对象的当前检测样本、历史细胞状态和历史隐藏层状态；所述历史细胞状态为将所述待测对象的历史检测样本输入所述待测对象的异常检测模型确定的输出细胞状态，所述历史隐藏层状态为将所述待测对象的历史检测样本输入所述待测对象的异常检测模型确定的输出隐藏层状态；
根据所述当前检测样本，确定所述待测对象的当前特征值；
将所述待测对象的所述当前特征值、所述历史细胞状态和所述历史隐藏层状态输入所述异常检测模型中，确定所述待测对象对应的风险指数；
将所述风险指数与风险阈值进行对比，确定所述待测对象的异常判定结果。


2.如权利要求1所述的方法，其特征在于，所述将所述待测对象的所述当前特征值、所述历史细胞状态和所述历史隐藏层状态输入所述异常检测模型中之后，还包括：
确定所述待测对象对应的当前细胞状态以及当前隐藏层状态；
将所述当前细胞状态以及所述当前隐藏层状态进行存储。


3.如权利要求1所述的方法，其特征在于，所述异常检测模型利用以下方式进行训练：
获取历史时间段内的历史样本数据；
根据所述历史样本数据，选择训练对象的训练特征，并确定训练特征对应的训练特征值；
将所述训练特征值输入初始异常检测模型，并根据输出的风险指数及所述训练对象的异常判定结果计算损失函数，当所述损失函数小于预设阈值时，确定对应的参数为所述异常检测模型对应的参数，得到异常检测模型。


4.如权利要求3所述的方法，其特征在于，所述获取待测对象的当前检测样本之前，还包括：
获取所述待测对象的历史检测样本；
将所述待测对象的历史检测样本输入所述异常检测模型中，确定所述待测对象的备选参数、备选参数的训练效果指标、所述待测对象的输出细胞状态以及输出隐藏层状态；
当所述备选参数的训练效果指标大于存储的训练效果指标时，将所述备选参数作为所述待测对象的异常检测模型的参数，并将所述待测对象的输出细胞状态作为历史细胞状态，输出隐藏层状态作为历史隐藏层状态。


5.如权利要求3所述的方法，其特征在于，所述根据所述历史样本数据，选择训练对象的训练特征，包括：
确定所述训练对象的核心特征和可选特征，并将所述核心特征作为训练特征；
根据所述历史样本数据，计算每个可选特征的性能值；
根据所述性能值，选择可选特征作为所述训练特征。


6.如权利要求1至5任一项所述的方法，其特征在于，所述异常检测模型为神经网络模型；
所述将所述待测对象的所述当前特征值、所述历史细胞状态和所述历史隐藏层状态输入所述异常检测模型中，确定所述待测对象对应的风险指数，包括：
根据所述当前特征值、所述历史细胞状态和所述历史隐藏层状态，确定所述神经网络模型的当前隐藏层状态；
根据所述当前特征值确定所述神经网络模型的当前细胞的旁路；
根据所述当前细胞的旁路和当前隐藏层状态，确定所述风险指数。


7.一种数据异常检测装置，其特征在于，包括：
获取模块，用于获取待测对象的当前检测样本、历史细胞状态和历史隐藏层状态；所述历史细...

【专利技术属性】
技术研发人员：臧大卫，
申请(专利权)人：中国银联股份有限公司，
类型：发明
国别省市：上海;31