模型的验证方法及装置、电子设备和计算机可读存储介质制造方法及图纸

本申请提供一种模型的验证方法及装置、电子设备和计算机可读存储介质；其中，该方法包括：获取由第一模型从第一数据中识别出的第一异常流量；其中，所述第一模型由第二模型基于第二异常流量调整得到；所述第二异常流量为第三异常流量中不包括第四异常流量的异常流量，所述第三异常流量由所述第二模型从所述第一数据中识别得到，所述第四异常流量由通过预设的第一规则从所述第一数据中识别得到；比较所述第一异常流量和所述第三异常流量，根据比较结果生成验证结果，其中，所述验证结果用于表征所述第一模型是否为所述第二模型增强后的模型。通过本申请，解决了现有技术中无法验证增强后机器学习模型的识别效果是否确实得到的改善的问题。的改善的问题。的改善的问题。

【技术实现步骤摘要】
模型的验证方法及装置、电子设备和计算机可读存储介质


[0001]本申请涉及数据能力领域，具体涉及一种模型的验证方法及装置、电子设备和计算机可读存储介质。

技术介绍

[0002]目前，广告异常流量识别主要依靠基于经验的规则来进行判别，规则判别体系的缺点是不能主动的及时地去识别一些新的作弊方式，也就是说，需要一定的时间进行各种信息收集和反馈，再进行总结从而增加新的规则。所以，利用机器学习模型来进行异常流量识别的方法开始被业界所关注。因此，提出了利用规则增强机器学习模型以进行异常流量识别，但是对于增强后机器学习模型的识别效果是否确实得到的改善，目前尚未存在有效的解决方案。

技术实现思路

[0003]本申请实施例的目的在于提供一种模型的验证方法及装置、电子设备和计算机可读存储介质，以解决现有技术中无法验证增强后机器学习模型的识别效果是否确实得到的改善的问题。具体技术方案如下：
[0004]在本申请实施例的第一方面，提供了一种模型的验证方法，包括：获取由第一模型从第一数据中识别出的第一异常流量；其中，所述第一模型由第二模型基于第二本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种模型的验证方法，其特征在于，包括：获取由第一模型从第一数据中识别出的第一异常流量；其中，所述第一模型由第二模型基于第二异常流量调整得到；所述第二异常流量为第三异常流量中不包括第四异常流量的异常流量，所述第三异常流量由所述第二模型从所述第一数据中识别得到，所述第四异常流量由通过预设的第一规则从所述第一数据中识别得到；比较所述第一异常流量和所述第三异常流量，根据比较结果生成验证结果，其中，所述验证结果用于表征所述第一模型是否为所述第二模型增强后的模型。2.根据权利要求1所述的方法，其特征在于，所述比较所述第一异常流量和所述第三异常流量，以生成验证结果包括：在所述第一异常流量中除所述第三异常流量外还包括第五异常流量的情况下，生成第一验证结果；其中，所述第一验证结果用于表征所述第一模型为所述第二模型增强后的模型；在所述第一异常流量为所述第三异常流量，或所述第一异常流量为所述第三异常流量的部分的情况下，生成第二验证结果；其中，所述第二验证结果用于表征所述第一模型为所述第二模型增强失败后的模型。3.根据权利要求1所述的方法，其特征在于，所述获取由第一模型从第一数据中识别出的第一异常流量，包括：对所述第一模型中的阈值进行N次调整，直到通过基于N次调整阈值后的第一模型从所述第一数据中识别出的异常流量的数量大于所述第三异常流量的数量；其中，所述阈值用于表征识别出的异常流量的最大值；将通过基于N次调整阈值后的第一模型从所述第一数据中识别出的异常流量确定所述第一异常流量。4.根据权利要求1所述的方法，其特征在于，在获取由第一模型从第一数据中识别出的第一异常流量之前，所述方法还包括：基于所述第三异常流量确定用于识别异常流量的第二规则，其中，所述第二规则不同于所述第一规则；对所述第二规则进行特征工程得到对应的特征；将所述特征输入到所述第一模型中，得到所述第二模型。5.根据权利要求4所述的方法，其特征在于，所述对所述第二规则进行特征工程得到对应的特征，包括：对所述第二规则中的规则内容进行二值化处理；对二值化处理结果进行无量纲处理，并对无量纲处理结果进行归一化处理；对...

【专利技术属性】
技术研发人员：孙泽懿，
申请(专利权)人：上海明略人工智能集团有限公司，
类型：发明
国别省市：