[发明专利]数据的异常评估方法、装置、计算机设备和介质

权利要求书

1.一种数据的异常评估方法，其特征在于，包括步骤：

获取预设数量的历史测试数据中的正常数据；

对所述正常数据进行特征筛选，得到所述正常数据的所有必要特征以及每一个所述必要特征相应的多个第一特征数据；

对多个所述第一特征数据进行特征还原，得到多个历史还原数据；

计算多个所述第一特征数据与多个所述历史还原数据的第一差异值；

将多个所述第一差异值带入sigmoid函数映射到(0,1)上，然后将结果放大预设倍数，得到所述正常数据的多个风险评分值，并取其最大值得到模型数据评分值S_模；

获取需要评测的测试数据；

按照正常数据的必要特征对所述测试数据进行特征筛选，得到所述测试数据的所有必要特征以及每一个所述必要特征相应的第二特征数据；

计算所述第二特征数据与所述历史还原数据的第二差异值；

将所述第二差异值带入sigmoid函数映射到(0,1)上，然后将结果放大预设倍数，得到所述测试数据的多个风险评分值，并取其最大值得到模型数据评分值S_测；

将S_模、S_测通过预设规则进行对比，得到风险结果。

2.根据权利要求1所述的数据的异常评估方法，其特征在于，所述对所述第一特征数据进行特征还原，得到历史还原数据的步骤，包括：

对所述第一特征数据进行归一化，得到历史数据的归一化模型；

将所述历史数据的归一化模型转化为第一特征矩阵；

对所述第一特征矩阵通过PCA逆变换的方法进行特征还原，得到历史还原数据。

3.根据权利要求1所述的数据的异常评估方法，其特征在于，所述对所述正常数据进行特征筛选，得到所述正常数据的所有必要特征以及每一个所述必要特征相应的第一特征数据的步骤，包括：

识别出正常数据的所有特征；

若其中的特征数据的特征值数量小于等于3个，则判定为非必要特征；

若其中的特征数据的特征值数量大于3个，则判定为必要特征；

将其中的非必要特征去除，得到所述正常数据的所有必要特征以及每一个所述必要特征相应的多个第一特征数据。

4.根据权利要求1所述的数据的异常评估方法，其特征在于，所述将S_模、S_测通过预设规则进行对比，得到风险结果的步骤包括：

若S_测>S_模，则判定存在风险；

若S_模*90％<S_测<S_模，则判定可能存在风险；

若S_测<S_模*90％，则判定不存在风险。

5.根据权利要求2所述的数据的异常评估方法，其特征在于，所述对所述第一特征数据进行归一化，得到历史数据的归一化模型的步骤包括：

获取同一特征的最大值和最小值，并计算最大值和最小值的差值；

依次将所述特征中的每一个数据减去所述最小值的结果除以所述差值，得到特征归一化数值；

对所有特征中的所有数据求得特征归一化数值，即得到归一化模型。

6.根据权利要求2所述数据的异常评估方法，其特征在于，所述将所述历史数据的归一化模型转化为第一特征矩阵的步骤，包括：

将所述历史数据的归一化模型中贡献率超过95％的主成分提取出来，得到由特征向量组成的第一特征矩阵。

7.根据权利要求6所述数据的异常评估方法，其特征在于，所述贡献率为：其中，contrib为贡献率，si为特征值。