本申请提供一种设备异常使用识别方法、装置、电子设备及计算机可读存储介质。该设备异常使用识别方法包括：获取各待识别设备的操作特征；基于所述各待识别设备的操作特征进行离群点检测，得到所述各待识别设备中的离群点设备；基于预设的异常程度预测参数，根据所述离群点设备的操作特征进行预测得到所述离群点设备的异常程度；若所述异常程度大于预设程度阈值，则确定所述离群点设备为异常使用设备。本申请中可以更加准确、全面地识别异常使用设备，提高异常使用设备的识别全面性及识别效率。率。率。
【技术实现步骤摘要】
设备异常使用识别方法、装置、电子设备及存储介质
[0001]本申请涉及数据异常识别
，具体涉及一种设备异常使用识别方法、装置、电子设备及计算机可读存储介质。
技术介绍
[0002]随着电子商务的普及，网上购物已经成为人们生活中必不可少的一部分，因此带动了物流行业的快速发展，快递量每年也呈井喷式的增长。
[0003]快递运输过程中通常会配置如收派车辆、中转场设备、收派终端设备、便携打印机等各种类型设备，以提高作业效率。但是，物流场景中涉及的设备种类多、数量大、范围广，因此，对于设备是否存在违规等异常使用行为，通过传统人工静态管理方式难以全面、准确地识别出来。
技术实现思路
[0004]本申请提供一种设备异常使用识别方法、装置、电子设备及计算机可读存储介质，可以更加准确、全面地识别异常使用设备，提高异常使用设备的识别全面性及识别效率。
[0005]第一方面，本申请提供一种设备异常使用识别方法，所述方法包括：
[0006]获取各待识别设备的操作特征；
[0007]基于所述各待识别设备的操作特征进行离群点检测，得到所述各待识别设备中的离群点设备；
[0008]基于预设的异常程度预测参数，根据所述离群点设备的操作特征进行预测得到所述离群点设备的异常程度；
[0009]若所述异常程度大于预设程度阈值，则确定所述离群点设备为异常使用设备。
[0010]在本申请的一些实施例中，所述基于所述各待识别设备的操作特征进行离群点检测，得到所述各待识别设备中的离群点设备，包括：
[0011]通过预设的聚类算法，根据所述各待识别设备的操作特征对所述各待识别设备进行聚类，得到所述各待识别设备中的离群点设备。
[0012]在本申请的一些实施例中，所述基于预设的异常程度预测参数，根据所述离群点设备的操作特征进行预测得到所述离群点设备的异常程度之前，还包括：
[0013]获取各样本设备的操作特征；
[0014]根据所述各样本设备的操作特征对预设孤立森林进行训练，得到已训练孤立森林；
[0015]将所述已训练孤立森林的模型参数作为所述异常程度预测参数。
[0016]在本申请的一些实施例中，所述基于所述各待识别设备的操作特征进行离群点检测，得到所述各待识别设备中的离群点设备，包括：
[0017]基于预先学习得到的特征编码参数，对所述各待识别设备的操作特征进行编码，得到所述各待识别设备的操作特征的目标编码特征；
[0018]通过预先学习得到的特征解码参数，对所述目标编码特征进行解码，得到所述各待识别设备的操作特征的目标解码特征；
[0019]基于所述各待识别设备的操作特征和所述目标解码特征之间的相似度，确定所述各待识别设备是否为离群点数据，得到所述各待识别设备中的离群点设备。
[0020]在本申请的一些实施例中，所述获取各待识别设备的操作特征，包括：
[0021]获取所述各待识别设备的设备使用数据；
[0022]获取所述各待识别设备的设备统计数据；
[0023]基于所述各待识别设备的设备使用数据和所述各待识别设备的设备统计数据，获得所述各待识别设备的操作特征。
[0024]在本申请的一些实施例中，所述获取各待识别设备的操作特征，包括：
[0025]若所述各待识别设备为联网设备，则通过大数据埋点方式实时采集所述各待识别设备的操作特征；
[0026]若所述各待识别设备为非联网设备，则通过联网设备实时采集所述各待识别设备的操作特征。
[0027]在本申请的一些实施例中，所述确定所述离群点设备为异常使用设备之后，还包括：
[0028]输出所述离群点设备异常使用的提示信息。
[0029]第二方面，本申请提供一种设备异常使用识别装置，所述设备异常使用识别装置包括：
[0030]获取单元，用于获取各待识别设备的操作特征；
[0031]检测单元，用于基于所述各待识别设备的操作特征进行离群点检测，得到所述各待识别设备中的离群点设备；
[0032]预测单元，用于基于预设的异常程度预测参数，根据所述离群点设备的操作特征进行预测得到所述离群点设备的异常程度；
[0033]识别单元，用于若所述异常程度大于预设程度阈值，则确定所述离群点设备为异常使用设备。
[0034]在本申请的一些实施例中，所述检测单元具体用于：
[0035]通过预设的聚类算法，根据所述各待识别设备的操作特征对所述各待识别设备进行聚类，得到所述各待识别设备中的离群点设备。
[0036]在本申请的一些实施例中，所述基于预设的异常程度预测参数，根据所述离群点设备的操作特征进行预测得到所述离群点设备的异常程度之前，所述预测单元具体用于：
[0037]获取各样本设备的操作特征；
[0038]根据所述各样本设备的操作特征对预设孤立森林进行训练，得到已训练孤立森林；
[0039]将所述已训练孤立森林的模型参数作为所述异常程度预测参数。
[0040]在本申请的一些实施例中，所述检测单元具体用于：
[0041]基于预先学习得到的特征编码参数，对所述各待识别设备的操作特征进行编码，得到所述各待识别设备的操作特征的目标编码特征；
[0042]通过预先学习得到的特征解码参数，对所述目标编码特征进行解码，得到所述各
待识别设备的操作特征的目标解码特征；
[0043]基于所述各待识别设备的操作特征和所述目标解码特征之间的相似度，确定所述各待识别设备是否为离群点数据，得到所述各待识别设备中的离群点设备。
[0044]在本申请的一些实施例中，所述获取单元具体用于：
[0045]获取所述各待识别设备的设备使用数据；
[0046]获取所述各待识别设备的设备统计数据；
[0047]基于所述各待识别设备的设备使用数据和所述各待识别设备的设备统计数据，获得所述各待识别设备的操作特征。
[0048]在本申请的一些实施例中，所述获取单元具体用于：
[0049]若所述各待识别设备为联网设备，则通过大数据埋点方式实时采集所述各待识别设备的操作特征；
[0050]若所述各待识别设备为非联网设备，则通过联网设备实时采集所述各待识别设备的操作特征。
[0051]在本申请的一些实施例中，所述设备异常使用识别装置还包括输出单元，所述确定所述离群点设备为异常使用设备之后，所述输出单元具体用于：
[0052]输出所述离群点设备异常使用的提示信息。
[0053]第三方面，本申请还提供一种电子设备，所述电子设备包括处理器和存储器，所述存储器中存储有计算机程序，所述处理器调用所述存储器中的计算机程序时执行本申请提供的任一种设备异常使用识别方法中的步骤。
[0054]第四方面，本申请还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器进行加载，以执行所述的设备异常使本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种设备异常使用识别方法，其特征在于，所述方法包括：获取各待识别设备的操作特征；基于所述各待识别设备的操作特征进行离群点检测，得到所述各待识别设备中的离群点设备；基于预设的异常程度预测参数，根据所述离群点设备的操作特征进行预测得到所述离群点设备的异常程度；若所述异常程度大于预设程度阈值，则确定所述离群点设备为异常使用设备。2.根据权利要求1所述的设备异常使用识别方法，其特征在于，所述基于所述各待识别设备的操作特征进行离群点检测，得到所述各待识别设备中的离群点设备，包括：通过预设的聚类算法，根据所述各待识别设备的操作特征对所述各待识别设备进行聚类，得到所述各待识别设备中的离群点设备。3.根据权利要求1所述的设备异常使用识别方法，其特征在于，所述基于预设的异常程度预测参数，根据所述离群点设备的操作特征进行预测得到所述离群点设备的异常程度之前，还包括：获取各样本设备的操作特征；根据所述各样本设备的操作特征对预设孤立森林进行训练，得到已训练孤立森林；将所述已训练孤立森林的模型参数作为所述异常程度预测参数。4.根据权利要求1所述的设备异常使用识别方法，其特征在于，所述基于所述各待识别设备的操作特征进行离群点检测，得到所述各待识别设备中的离群点设备，包括：基于预先学习得到的特征编码参数，对所述各待识别设备的操作特征进行编码，得到所述各待识别设备的操作特征的目标编码特征；通过预先学习得到的特征解码参数，对所述目标编码特征进行解码，得到所述各待识别设备的操作特征的目标解码特征；基于所述各待识别设备的操作特征和所述目标解码特征之间的相似度，确定所述各待识别设备是否为离群点数据，得到所述各待识别设备中的离群点设备。5.根据权利要求1所述的设...
【专利技术属性】
技术研发人员：乔安杰，
申请(专利权)人：顺丰科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。