异常检测方法、装置、电子设备及存储介质制造方法及图纸

本申请实施例提供一种异常检测方法、装置、电子设备及存储介质，可应用于铁路运营故障检测、网络安全入侵检测、潜在涉毒人员挖掘等场景中，其中，该方法包括：获取第一数据集；根据所述第一数据集得到至少一个目标聚类簇；利用所述至少一个目标聚类簇进行模型构建，得到至少一个单分类模型；所述至少一个单分类模型与所述至少一个目标聚类簇一一对应；获取第二数据集；利用所述至少一个单分类模型对所述第二数据集进行异常检测，得到异常检测结果。本申请实施例有利于提高单分类问题中异常检测的准确度。

【技术实现步骤摘要】
异常检测方法、装置、电子设备及存储介质
本申请涉及数据处理
，尤其涉及一种异常检测方法、装置、电子设备及存储介质。
技术介绍
异常检测是指检测出数据中不符合预期行为模式的数据，这种不符合预期行为模式即被称为异常。异常检测在各行业各领域中有着广泛的应用，比如贷款面审欺诈检测、保险或医疗保健、网络安全入侵检测、铁路运营系统故障检测、公安办案辅助检测等等。目前，实现异常检测的算法或模型已有很多，并且能在一定的条件下达到很不错的效果，但是，其检测的准确度仍有待很高。
技术实现思路
针对上述问题，本申请提供了一种异常检测方法、装置、电子设备及存储介质，有利于提高单分类问题中异常检测的准确度。为实现上述目的，本申请实施例第一方面提供了一种异常检测方法，该方法包括：获取第一数据集；所述第一数据集包括以下中的至少一种：铁路运营故障检测数据、网络安全入侵检测数据、挖掘潜在涉毒人员的通联数据及银行贷款面审数据；根据所述第一数据集得到至少一个目标聚类簇；利用所述至少一个目标聚类簇进行模型构建，得到至少一个单分本文档来自技高网...

【技术保护点】
1.一种异常检测方法，其特征在于，所述方法包括：/n获取第一数据集；所述第一数据集包括以下中的至少一种：铁路运营故障检测数据、网络安全入侵检测数据、挖掘潜在涉毒人员的通联数据及银行贷款面审数据；/n根据所述第一数据集得到至少一个目标聚类簇；/n利用所述至少一个目标聚类簇进行模型构建，得到至少一个单分类模型；所述至少一个单分类模型与所述至少一个目标聚类簇一一对应；/n获取第二数据集；所述第二数据集与所述第一数据集属于同一类型；/n利用所述至少一个单分类模型对所述第二数据集进行异常检测，得到异常检测结果。/n

【技术特征摘要】
1.一种异常检测方法，其特征在于，所述方法包括：
获取第一数据集；所述第一数据集包括以下中的至少一种：铁路运营故障检测数据、网络安全入侵检测数据、挖掘潜在涉毒人员的通联数据及银行贷款面审数据；
根据所述第一数据集得到至少一个目标聚类簇；
利用所述至少一个目标聚类簇进行模型构建，得到至少一个单分类模型；所述至少一个单分类模型与所述至少一个目标聚类簇一一对应；
获取第二数据集；所述第二数据集与所述第一数据集属于同一类型；
利用所述至少一个单分类模型对所述第二数据集进行异常检测，得到异常检测结果。


2.根据权利要求1所述的方法，其特征在于，所述根据所述第一数据集得到至少一个目标聚类簇，包括：
对所述第一数据集进行N次聚类，得到每次聚类的至少一个聚类簇；所述N为大于1的整数；
从第1次至第(N-1)次聚类的所述至少一个聚类簇中确定出所述至少一个目标聚类簇；第1次至第(N-1)次聚类的所述至少一个聚类簇与所述至少一个目标聚类簇一一对应。


3.根据权利要求2所述的方法，其特征在于，所述对所述第一数据集进行N次聚类，得到每次聚类的至少一个聚类簇，包括：
对所述第一数据集进行第1次聚类，得到第1次聚类的所述至少一个聚类簇；
将第1次聚类的所述至少一个聚类簇中确定出的目标聚类簇从所述第一数据集中剔除；
对所述第一数据集中剩余的数据进行第2次聚类，得到第2次聚类的所述至少一个聚类簇；
将第2次聚类的所述至少一个聚类簇中确定出的目标聚类簇从所述第一数据集中剔除；
对所述第一数据集中剩余的数据执行相同的操作，直至进行第N次聚类，得到第N次聚类的所述至少一个聚类簇。


4.根据权利要求2或3所述的方法，其特征在于，从所述N次聚类中任意一次聚类的所述至少一个聚类簇中确定目标聚类簇，包括：
选取所述至少一个聚类簇中各聚类簇之间具有区分度的数据作为区分度指标；所述具有区分度是指各聚类簇之间属于同一维度的数据的差距大于或等于所述同一维度的数据的标准差；
将所述至少一个聚类簇中所述区分度指标大于或等于第一阈值的聚类簇确定为候选目标聚类簇；
获取所述候选目标聚类簇中的数据符合预设规则...

【专利技术属性】
技术研发人员：苏钰，王爱波，
申请(专利权)人：深圳云天励飞技术股份有限公司，
类型：发明
国别省市：广东;44