【技术实现步骤摘要】
本公开涉及计算机软件领域和金融科技领域，尤其涉及一种数据检测方法、检测模型训练方法、装置、设备、介质和程序产品。
技术介绍
1、随着信息化的发展，使网络中产生了大量的结构化、半结构化及非结构化的数据信息，使得系统难以在短时间内处理海量的网络数据信息，且难以对海量的网络数据信息进行全面检测分析，使得恶意数据信息未被检测到，造成数据检测效率低、准确率低。
技术实现思路
1、鉴于上述问题，本公开提供了数据检测方法、检测模型训练方法、装置、设备、介质和程序产品。
2、根据本公开的第一个方面，提供了一种数据检测方法，包括：通过目标函数对目标数据集进行特征提取操作，得到特征数据集，目标数据集表征网络流量数据的集合。将特征数据集中的特征数据输入至训练后的检测模型，得到针对网络流量数据的检测结果，其中，目标函数通过以下方式得到的：重复执行下述操作，直至达到预定条件：在确定未达到预定条件的情况下，基于多个参数各自的约束条件和个体在第i轮次种群中的位置信息，确定第i轮次种群中n个个体各自的适应度，其中，个体具有根据多个参数确定的函数，位置信息与参数具有关联关系，i、n均为大于或者等于1的整数。根据第i轮次种群中n个个体的各自的适应度，从n个个体中确定目标个体。根据预设搜索参数，更新目标个体在第i轮次种群中的位置信息，得到目标个体在第i+1轮次种群中的位置信息。基于多个参数各自的约束条件和目标个体在第i+1轮次种群中的位置信息，确定第i+1轮次种群中目标个体各自的适应度。根据第i轮次种群中n
3、根据本公开的实施例，在确定未达到预定条件的情况下，基于多个参数各自的约束条件和个体在第i轮次种群中的位置信息，确定第i轮次种群中n个个体各自的适应度包括：在确定未达到预定条件的情况下，基于多个参数的约束条件和个体在第i轮次种群中的位置信息，确定第i轮次种群中n个个体各自的位置浓度值，位置浓度值表征多个参数对函数的影响程度。根据第i轮次种群中n个个体各自的位置浓度值，通过预设公式计算得到n个个体各自的适应度。
4、根据本公开的实施例，在确定未达到预定条件的情况下，基于多个参数的约束条件和个体在第i轮次种群中的位置信息，确定第i轮次种群中n个个体各自的位置浓度值包括：在确定未达到预定条件的情况下，基于多个参数的约束条件，确定目标位置信息，个体在与目标位置信息对应的目标位置处，个体的位置浓度值达到目标值。根据目标位置信息和第k个体的位置信息，计算第k个体的位置与目标位置之间的距离，第k个体的位置与第k个体的位置信息对应，k为小于或等于n的整数。根据第k个体的位置与目标位置之间的距离，确定第k个体的位置浓度值。
5、根据本公开的实施例，函数是根据第一函数和第二函数确定的，多个参数包括第一参数、第二参数和第三参数，方法还包括：根据第一函数的权重与第二函数的权重，确定函数的第一参数，第一函数表征对目标数据集具有全局处理作用的全局函数，第二函数表征对目标数据集具有局部处理作用的局部函数。根据第一函数和第二函数，确定函数的第二参数和第三参数，第二参数控制函数的全局作用范围，第三参数控制函数的局部作用范围。
6、根据本公开的实施例，第k个体的位置浓度值包括与第一参数对应的子位置浓度值、与第二参数对应的子位置浓度值、与第三参数对应的子位置浓度值，与第一参数对应的子位置浓度值是基于第一参数的约束条件和第一子个体在第i轮次种群中的位置信息确定的，第一子个体具有根据第一参数确定的函数。
7、根据本公开的实施例，预设搜索参数包括以下至少一种：方向参数、搜索距离参数，方向参数用于目标个体更新关于方向的位置信息、搜索距离参数用于目标个体更新关于距离的位置信息。
8、根据本公开的第二个方面，提供了一种检测模型训练方法，包括：
9、根据训练样本训练检测模型，得到训练后的检测模型，其中，训练后的检测模型用于处理数据检测方法中的特征数据集中的特征数据，得到针对网络流量数据的检测结果。根据本公开的实施例，上述检测模型训练方法还包括：根据隐藏层的输出矩阵、正则化系数和单位矩阵，确定隐藏层与输出层的连接权重矩阵。根据连接权重矩阵和激活函数，建立检测模型，检测模型包括输入层、隐藏层和输出层，输入层用于将网络流量数据输入至检测模型，隐藏层用于检测网络流量数据，输出层用于输出针对网络流量数据的检测结果。
10、根据本公开的第三个方面，提供了一种数据检测装置包括特征提取模块和输入模块。特征提取模块，用于通过目标函数对目标数据集进行特征提取操作，得到特征数据集，目标数据集表征网络流量数据的集合。输入模块，用于将特征数据集中的特征数据输入至训练后的检测模型，得到针对网络流量数据的检测结果，其中，目标函数通过以下方式得到的：重复执行下述操作，直至达到预定条件：在确定未达到预定条件的情况下，基于多个参数各自的约束条件和个体在第i轮次种群中的位置信息，确定第i轮次种群中n个个体各自的适应度，其中，个体具有根据多个参数确定的函数，位置信息与参数具有关联关系，i、n均为大于或者等于1的整数。根据第i轮次种群中n个个体的各自的适应度，从n个个体中确定目标个体。根据预设搜索参数，更新目标个体在第i轮次种群中的位置信息，得到目标个体在第i+1轮次种群中的位置信息。基于多个参数各自的约束条件和目标个体在第i+1轮次种群中的位置信息，确定第i+1轮次种群中目标个体各自的适应度。根据第i轮次种群中n个个体各自的适应度和第i+1轮次种群中目标个体各自的适应度，确定达到预定条件的个体。将达到预定条件的个体对应的函数，确定为目标函数。
11、根据本公开的第四方面，提供了一种检测模型训练装置包括获得模块。获得模块，用于根据训练样本训练检测模型，得到训练后的检测模型，其中，训练后的检测模型用于处理数据检测方法中的特征数据集中的特征数据，得到针对网络流量数据的检测结果。
12、本公开的第五方面提供了一种电子设备，包括：一个或多个处理器；存储器，用于存储一个或多个程序，其中，当一个或多个程序被一个或多个处理器执行时，使得一个或多个处理器执行上述方法。
13、本公开的第六方面还提供了一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行上述方法。
14、本公开的第七方面还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述方法。
15、根据本公开提供的数据检测方法、检测模型训练方法、装置、设备、介质和程序产品，通过目标函数对目标数据集进行特征提取操作，得到特征数据集，使得网络流量数据更具有特征性，提高数据检测的准确率。将特征数据集中的特征数据输入至训练后的检测模型，得到针对网络流量数据的检测结果。目标函数通过以下方式得到的：根据第i轮次种群中n个个体的各自的适应度，从n个个体中确定目标个体。本文档来自技高网...
【技术保护点】
1.一种数据检测方法，包括：
2.根据权利要求1所述的方法，其中，所述在确定未达到所述预定条件的情况下，基于多个参数各自的约束条件和个体在第i轮次种群中的位置信息，确定所述第i轮次种群中N个个体各自的适应度包括：
3.根据权利要求2所述的方法，其中，所述在确定未达到所述预定条件的情况下，基于多个参数的约束条件和个体在所述第i轮次种群中的位置信息，确定所述第i轮次种群中所述N个个体各自的位置浓度值包括：
4.根据权利要求3所述的方法，其中，所述函数是根据第一函数和第二函数确定的，多个所述参数包括第一参数、第二参数和第三参数，所述方式还包括：
5.根据权利要求4所述的方法，其中，所述第K个体的位置浓度值包括与第一参数对应的子位置浓度值、与第二参数对应的子位置浓度值、与第三参数对应的子位置浓度值，所述与第一参数对应的子位置浓度值是基于所述第一参数的约束条件和第一子个体在所述第i轮次种群中的位置信息确定的，所述第一子个体具有根据所述第一参数确定的函数。
6.根据权利要求1所述的方法，其中，所述预设搜索参数包括以下至少一种：方向参
7.一种检测模型训练方法，包括：
8.根据权利要求7所述的方法，还包括：
9.一种数据检测装置，包括：
10.一种检测模型训练装置，包括：
11.一种电子设备，包括：
12.一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行根据权利要求1～6或7～8中任一项所述的方法。
13.一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现根据权利要求1～6或7～8中任一项所述的方法。
...【技术特征摘要】
1.一种数据检测方法，包括：
2.根据权利要求1所述的方法，其中，所述在确定未达到所述预定条件的情况下，基于多个参数各自的约束条件和个体在第i轮次种群中的位置信息，确定所述第i轮次种群中n个个体各自的适应度包括：
3.根据权利要求2所述的方法，其中，所述在确定未达到所述预定条件的情况下，基于多个参数的约束条件和个体在所述第i轮次种群中的位置信息，确定所述第i轮次种群中所述n个个体各自的位置浓度值包括：
4.根据权利要求3所述的方法，其中，所述函数是根据第一函数和第二函数确定的，多个所述参数包括第一参数、第二参数和第三参数，所述方式还包括：
5.根据权利要求4所述的方法，其中，所述第k个体的位置浓度值包括与第一参数对应的子位置浓度值、与第二参数对应的子位置浓度值、与第三参数对应的子位置浓度值，所述与第一参数对应的子位置浓度值是基于所述第一参数的约束条件和第一...
【专利技术属性】
技术研发人员：唐苏乐，雷刚，曹磊，
申请(专利权)人：中国工商银行股份有限公司，
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。