[发明专利]用于异常检测的系统和方法

权利要求书

1.一种用于异常检测的系统，包括：

至少一种存储介质，包括指令集；

至少一个处理器与所述至少一个存储介质通信，其中当执行所述指令集时，所述指令集指示所述至少一个处理器使所述系统执行操作，包括：

获取至少两个样本，所述至少两个样本中的每个样本与事件相关联；

对于所述至少两个样本中的每个样本，基于异常检测机器学习模型，确定与所述至少两个样本中的每个样本相对应的事件是异常的预估概率；

基于与所述至少两个样本的至少部分样本相对应的预估概率确定与所述异常检测机器学习模型相关联的至少两个候选阈值；

针对所述至少两个候选阈值中的每个候选阈值，通过评估所述异常检测机器学习模型，确定评估结果；以及

基于所述评估结果，从所述至少两个候选阈值中确定与所述异常检测机器学习模型相关联的目标阈值。

2.根据权利要求1所述的系统，其特征在于，所述机器学习模型包括一类支持向量机(SVM)模型或隔离森林算法中的至少一种。

3.根据权利要求1或2所述的系统，其特征在于，为了基于与所述至少两个样本的至少部分样本相对应的预估概率确定与所述异常检测机器学习模型相关联的至少两个候选阈值，所述至少一个处理器使所述系统执行附加操作，包括：

指定与所述至少两个样本的至少部分样本中的每个样本相对应的所述预估概率作为所述至少两个候选阈值之一。

4.根据权利要求1至3任一项所述的系统，其特征在于，针对所述至少两个候选阈值中的每个候选阈值，评估所述异常检测机器学习模型，所述至少一个处理器使所述系统执行附加操作，包括：

对于所述至少两个样本中的每个样本，

基于概率估计模型确定对应于所述至少两个样本的每个样本的参考概率；以及

基于所述预估概率和所述参考概率，针对所述至少两个候选阈值的每个候选阈值，评估所述异常检测机器学习模型。

5.根据权利要求4所述的系统，其特征在于，基于所述预估概率和所述参考概率，评估所述机器学习模型，所述至少一个处理器用于使所述系统执行附加操作，包括：

基于所述参考概率和所述预估概率，确定所述异常检测机器学习模型相对所述至少两个候选阈值中每个候选阈值的评估指标。

6.根据权利要求5所述的系统，其特征在于，基于所述参考概率和所述预估概率，确定所述异常检测机器学习模型相对于所述至少两个候选阈值中的每个候选阈值的评估指标，所述至少一个处理器使所述系统执行附加操作，包括：

基于所述至少两个候选阈值中的每个候选阈值和所述预估概率，确定所述至少两个样本中的每个样本的预测标签，所述预测标签包括负样本或正样本；以及

基于所述参考概率和所述预测标签，确定所述机器学习模型相对于所述至少两个候选阈值的每个候选阈值的所述评估指标。

7.根据权利要求6所述的系统，其特征在于，所述至少一个处理器还用于使所述系统执行附加操作，包括：

对所述至少两个样本中的每个样本的所述参考概率进行排序，其中，确定所述异常检测机器学习模型相对于所述至少两个候选阈值的每个候选阈值的所述评估指标，包括：

基于所述排序后的参考概率和与所述至少两个所述样本的每个样本相对应的所述预测标签，确定所述评估指标。

8.根据权利要求5至7任一项所述的系统，其特征在于，所述异常检测机器学习模型的所述评估指标包括曲线下面积或基尼系数中的至少一个。

9.根据权利要求5至8任一项所述的系统，其特征在于，基于所述评估结果，从所述至少两个候选阈值中确定与所述异常检测机器学习模型相关联的目标阈值，所述至少一个处理器使所述系统执行附加操作，包括：

从所述至少两个候选阈值中识别出与所述评估指标的最大值相对应的候选阈值；以及

将所述识别出的候选阈值指定为与所述异常检测机器学习模型相关联的所述目标阈值。