[发明专利]电子装置、异常用户处理策略智能决策方法及存储介质

说明书

本发明公开了一种电子装置、异常用户处理策略智能决策方法以及存储介质，所述方法包括：预先确定的多个用户的操作特征数据以及基于所述操作特征数据，以无监督学习方式确定出所述多个用户中的异常用户；根据有监督学习方法对确定的各个异常用户的异常特征进行关键性分析，以得到所述各个异常用户的关键异常特征；将各个异常用户的关键异常特征代入预先确定的异常用户评分公式进行用户评分计算，以计算出各个异常用户的用户评分；根据预先存储的用户评分与异常处理策略之间的映射关系，确定针对各个异常用户所需的异常处理策略。不仅能节约大量的人力资源，且能够提高结果的准确性。

技术领域

本发明涉及异常处理领域，尤其涉及一种电子装置、异常用户处理策略智能决策方法及存储介质。

背景技术

目前，针对异常数据(异常操作行为)对应的用户(异常用户)进行核查以及选取对应的处理策略的过程，一般都是由人工根据经验进行异常特征分析，然后进一步获取与异常数据相关联的异常用户的其他信息，并进行人工核查并选取对应的处理策略，整个过程存在较多的人工处理环节，且各阶段通常会由不同的人员进行处理，导致各个阶段之间相对分离，无法实现智能决策，不仅浪费大量的人力资源，且无法保证结果的准确性。

发明内容

有鉴于此，为解决上述问题，本发明提出一种电子装置、所述电子装置包括存储器、及与所述存储器连接的处理器，所述处理器用于执行所述存储器上存储的异常用户处理策略智能决策程序，所述异常用户处理策略智能决策程序被所述处理器执行时实现如下步骤：

A1、获取预先确定的多个用户的操作特征数据以及基于所述操作特征数据，以无监督学习方式确定出所述多个用户中的异常用户；

A2、根据有监督学习方法对确定的各个异常用户的异常特征参数进行关键性分析，以得到所述各个异常用户的关键异常特征参数；

A3、将各个异常用户的关键异常特征参数代入预先确定的异常用户评分公式进行用户评分计算，以计算出各个异常用户的用户评分；

A4、根据预先存储的用户评分与异常处理策略之间的映射关系，确定针对各个异常用户所需的异常处理策略。

优选地，在所述步骤A1中，所述无监督学习方式为聚类算法，所述以无监督学习方式确定出所述多个用户中的异常用户的步骤，包括：

对多个用户的操作特征数据进行聚类，将关联度高的用户的操作特征数据聚合，得到多个簇；

分别判断每一个簇中各个操作特征数据的分布，若一个簇中包含的操作特征数据小于第一预设数量，则认为该簇中的用户为异常用户；

若一个簇中包含的操作特征数据大于或者等于所述第一预设数量，且离预定义的中心数据的距离大于预定义距离阈值的操作特征数据的个数，大于或者等于第二预设数量，则认为该簇中的用户为异常用户；

或者，若一个簇中包含的操作特征数据大于或者等于所述第一预设数量，且离预定义的中心数据的距离大于预定义距离阈值的操作特征数据的个数，小于所述第二预设数量，则认为该簇中离中心数据的距离大于预定义距离阈值的操作特征数据对应的用户的为异常用户。

优选地，在所述步骤A2中，所述有监督学习方式为决策树方法，所述步骤A2包括：

利用确定出的异常用户的操作特征数据，构建决策树，所述决策树包含多个节点，每一个节点对应一个操作特征数据且距离决策树的根节点的位置越近的节点对应的操作特征数据在识别异常用户中越重要；

选取决策树中距离所述根节点的深度小于预定义的深度阈值的节点对应的操作特征数据作为关键异常特征。

优选地，在所述步骤A3中，所述用户评分公式为：