[发明专利]样本数据构建方法、装置、设备和介质

说明书

本申请实施例公开了一种样本数据构建方法、装置、设备和介质，涉及机器学习技术领域。其中，该样本数据构建方法包括：对检测对象在目标操作类型下的运行状态进行监测，得到与目标操作类型对应的至少两个目标运行行为数据；对目标运行行为数据进行组合排列，并对组合排列结果进行样本标记得到样本数据；其中，样本数据用于训练针对检测对象的异常检测模型。本申请实施例可以实现快速构建丰富的训练样本数据的效果。

技术领域

本申请涉及计算机技术领域，尤其涉及机器学习，具体涉及一种样本数据构建方法、装置、设备和介质。

背景技术

随着人工智能技术的发展，利用机器学习对设备的运行状态进行检测日益普遍。训练样本库的充足性，是机器学习得以有效实施的重要前提。

以汽车为例，通过人工智能技术来实现针对汽车的异常检测逐步成为汽车安全研究人员努力尝试的一个方向。然而，由于目前实际公开或实施的汽车安全攻击事件相对较少，也即车辆处于异常运行状态的行为监测数据较少，导致机器学习过程所需的训练样本库存在缺失。训练样本库的缺乏，使得机器学习在汽车运行状态的异常检测中无法发挥应有的价值。

发明内容

本申请提供一种样本数据构建方法、装置、设备和介质，以实现快速构建丰富的训练样本数据。

根据本申请实施例的一方面，提供了一种样本数据构建方法，包括：

对检测对象在目标操作类型下的运行状态进行监测，得到与所述目标操作类型对应的至少两个目标运行行为数据；

对所述目标运行行为数据进行组合排列，并对组合排列结果进行样本标记得到样本数据；其中，所述样本数据用于训练针对所述检测对象的异常检测模型。

根据本申请实施例的另一方面，提供了一种样本数据构建装置，包括：

运行监测模块，用于对检测对象在目标操作类型下的运行状态进行监测，得到与所述目标操作类型对应的至少两个目标运行行为数据；

样本数据确定模块，用于对所述目标运行行为数据进行组合排列，并对组合排列结果进行样本标记得到样本数据；其中，所述样本数据用于训练针对所述检测对象的异常检测模型。

根据本申请实施例的另一方面，提供了一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如本申请实施例任一所述的样本数据构建方法。

根据本申请实施例的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使计算机执行如本申请实施例任一所述的样本数据构建方法。

根据本申请实施例的技术方案，通过对检测对象的运行状态进行监测，并对监测得到的与目标操作类型对应的目标运行行为数据进行组合排列，并对组合排列结果进行样本标记得到样本数据，实现了快速构建丰富的训练样本数据的效果。

应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本申请的限定。其中：

图1是根据本申请实施例公开的一种样本数据构建方法的流程图；

图2是根据本申请实施例公开的另一种样本数据构建方法的流程图；

图3是根据本申请实施例公开的一种车辆异常检测的流程示意图；