[发明专利]基于模糊聚类算法的群体异常行为检测方法及装置

权利要求书

1.一种基于模糊聚类算法的群体异常行为检测方法，其特征在于，包括：

基于总群体中所有目标的历史行为数据，将所述总群体分类成多个子群体；

基于所述目标的历史行为数据，计算所述子群体的子群异常因子以及所述总群体的总群异常因子；

通过比较所述子群异常因子与第一阈值的关系以及所述总群异常因子与第二阈值的关系，判断所述群体是否存在异常行为。

2.根据权利要求1所述的基于模糊聚类算法的群体异常行为检测方法，其特征在于，将所述总群体分类成多个所述子群体的方法包括：

基于所有目标的历史行为数据，生成每个目标的行为向量；

基于每个所述目标的行为向量，采用模糊C均值聚类算法将所述总群体分类成多个所述子群体。

3.根据权利要求2所述的基于模糊聚类算法的群体异常行为检测方法，其特征在于，计算所述子群体的异常因子以及所述总群体的总群异常因子，包括：

基于每个所述目标的所述行为向量，计算所述总群体的总平均行为向量；

基于每个所述子群体所包含的所述目标的所述行为向量，计算所述子群体的子平均行为向量；

基于所述总平均行为向量和所述子平均行为向量计算所述子群体异常因子；

基于所有所述子群体的所述子群体异常因子计算所述总群异常因子。

4.根据权利要求1所述的基于模糊聚类算法的群体异常行为检测方法，其特征在于，

当所述子群异常因子大于所述第一阈值时，则判定所述子群存在异常行为；

当所述总群异常因子大于所述第二阈值时，则判定所述总群体存在异常行为。

5.根据权利要求4所述的基于模糊聚类算法的群体异常行为检测方法，其特征在于，

当判定所述子群存在异常行为时，将所述子群中的所有目标归类至异常用户集中。

6.一种基于模糊聚类算法的群体异常行为检测装置，其特征在于，包括：

分类模块，用于基于总群体中所有目标的历史行为数据，将所述总群体分类成多个子群体；

计算模块，用于基于所述目标的历史行为数据，计算所述子群体的子群异常因子以及所述总群体的总群异常因子；

判断模块，用于通过比较所述子群异常因子与第一阈值的关系以及所述总群异常因子与第二阈值的关系，判断所述群体是否存在异常行为。

7.根据权利要求6所述的基于模糊聚类算法的群体异常行为检测装置，其特征在于，所述装置还包括：

行为向量生成模块，用于基于所述总群体中所有目标的历史行为数据，生成每个目标的行为向量；

所述分类模块基于每个所述目标的行为向量，采用模糊C均值聚类算法将所述总群体分类成多个所述子群体。

8.根据权利要求7所述的基于模糊聚类算法的群体异常行为检测装置，其特征在于，所述计算模块包括：

第一计算模块，用于基于每个所述目标的所述行为向量，计算所述总群体的总平均行为向量；

第二计算模块，用于基于每个所述子群体所包含的所述目标的所述行为向量，计算所述子群体的子平均行为向量；

第三计算模块，用于基于所述总平均行为向量和所述子平均行为向量计算所述子群体异常因子；

第四计算模块，用于基于所有所述子群体的所述子群体异常因子计算所述总群异常因子。

9.根据权利要求6所述的基于模糊聚类算法的群体异常行为检测装置，其特征在于，所述判断模块用于：

当所述子群异常因子大于所述第一阈值时，则判定所述子群存在异常行为；

当所述总群异常因子大于所述第二阈值时，则判定所述总群体存在异常行为。

10.根据权利要求9所述的基于模糊聚类算法的群体异常行为检测装置，其特征在于，所述装置还包括：

异常用户归类模块，用于当判定所述子群存在异常行为时，将所述子群中的所有目标归类至异常用户集中。