【技术实现步骤摘要】
基于模型识别的对象异常诊断方法及系统
[0001]本专利技术涉及AI
，具体而言，涉及一种基于模型识别的对象异常诊断方法及系统。
技术介绍
[0002]随着AI数字化的发展，模型识别也被广泛运用，而模型识别就是在输入输出数据的基础上，从一组给定的模型类中，确定一个与所测系统等价的模型。模型辨识有三个要素一一数据、模型和准则，辨识就是按照一个准则在一组模型类中选择一个与数据拟合得最好的模型，当某个在线用户存在异常行为时，需要快速找到异常定位根因以便于后续进行拦截诊断，而如何快速找到异常定位根因是本领域亟待解决的技术问题。
技术实现思路
[0003]有鉴于此，本专利技术实施例的目的在于提供一种基于模型识别的对象异常诊断方法及系统，获取目标在线会话用户对应的候选对象行为数据；将候选对象行为数据输入预设的异常知识点预测网络,生成用于表征各个对象行为数据分块是否包括异常行为知识点；候选对象行为数据包括多个对象行为数据分块；基于对象行为数据分块的行为知识点,生成相关对象行为数据分块序列对应的相关异常节点信息；基于相...
【技术保护点】
【技术特征摘要】
1.一种基于模型识别的对象异常诊断方法，其特征在于，所述方法包括：获取目标在线会话用户对应的候选对象行为数据；将所述候选对象行为数据输入预设的异常知识点预测网络，生成用于表征各个对象行为数据分块是否包括异常行为知识点；所述候选对象行为数据包括多个所述对象行为数据分块；基于所述对象行为数据分块的行为知识点，生成相关对象行为数据分块序列对应的相关异常节点信息；所述相关对象行为数据分块序列中包括多个相互衔接的所述对象行为数据分块；基于所述相关异常节点信息确定所述对象行为数据分块的异常挖掘结果；基于所述异常挖掘结果生成所述目标在线会话用户对应的异常定位根因，并基于所述异常定位根因向目标在线会话用户进行异常拦截诊断。2.根据权利要求1所述的基于模型识别的对象异常诊断方法，其特征在于，所述基于所述对象行为数据分块的行为知识点，生成相关对象行为数据分块序列对应的相关异常节点信息，包括；确定所有所述对象行为数据分块中的目标对象行为数据分块的第一行为知识点；在所有所述对象行为数据分块中，确定与目标对象行为数据分块符合行为关联条件的关联对象行为数据分块；所述相关对象行为数据分块序列包括：所述目标对象行为数据分块和关联对象行为数据分块；确定各个所述关联对象行为数据分块对应的第二行为知识点；基于所述第二行为知识点生成与所述关联对象行为数据分块对应的关联异常节点信息；基于所述第一行为知识点和关联异常节点信息生成所述相关异常节点信息。3.根据权利要求2所述的基于模型识别的对象异常诊断方法，其特征在于，所述基于所述第一行为知识点和关联异常节点信息生成所述相关异常节点信息，包括：基于每个所述对象行为数据分块的行为知识点，生成所述候选对象行为数据对应的整体异常节点信息；将所述第一行为知识点、关联异常节点信息和整体异常节点信息基于设定融合模型进行计算后生成融合特征信息；基于所述融合特征信息生成所述相关异常节点信息。4.根据权利要求1所述的基于模型识别的对象异常诊断方法，其特征在于，还包括：获取用于对初始化神经网络进行网络权重参数更新的模板对象行为数据；确定对所述模板对象行为数据进行拆解的拆解规则；基于所述拆解规则对所述模板对象行为数据进行拆解生成多个拆解成员对象行为数据；基于各个所述拆解成员对象行为数据的第一行为触发信息以及异常训练内容生成与所述模板对象行为数据对应的异常挖掘阵列；对应于同一个所述拆解成员对象行为数据的第一行为触发信息与第二行为触发信息对应关联配置；所述第一行为触发信息用于表征所述拆解成员对象行为数据在所述候选对象行为数
据中的位置；所述第二行为触发信息用于表征基于所述拆解成员对象行为数据对应的异常训练内容生成的预设行为知识点在所述异常挖掘阵列中的位置；基于所述模板对象行为数据以及与各个所述模板对象行为数据对应的异常挖掘阵列生成样本学习数据和样本测试数据；通过所述样本学习数据对初始化神经网络进行网络权重参数更新，生成更新神经网络；在通过所述样本测试数据对所述更新神经网络进行测试，并符合设定测试有效性条件后，将所述更新神经网络作为所述异常知识点预测网络。5.根据权利要求4所述的基于模型识别的对象异常诊断方法，其特征在于，所述基于各个拆解成员对象行为数据的第一行为触发信息以及异常训练内容生成与模板对象行为数据对...
【专利技术属性】
技术研发人员：曹印年，赵景辉，
申请(专利权)人：贵州慧码科技有限公司，
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。