[发明专利]异常判定阈值的确定方法及装置

权利要求书

1.一种异常判定阈值的确定方法，其特征在于，应用于电子设备，所述方法包括：

对目标对象进行异常度量运算，得到异常度量矩阵；

计算所述异常度量矩阵的数据分布特征；

基于所述异常度量矩阵的数据分布特征，确定所述目标对象的异常判定阈值。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取所述目标对象的输入因子，所述输入因子为判定所述目标对象异常所需的至少一个参数；

所述对目标对象进行异常度量运算，得到异常度量矩阵，包括：

计算所述输入因子的观测值，基于所述观测值，将所述输入因子划分成正常类输入因子和异常类输入因子；

分别对所述正常类输入因子和所述异常类输入因子进行异常度量运算，得到正常类异常度量矩阵和异常类异常度量矩阵。

3.根据权利要求2所述的方法，其特征在于，所述计算所述异常度量矩阵的数据分布特征，包括：

基于所述输入因子的观测值，计算所述正常类异常度量矩阵的均值和标准差，以及所述异常类异常度量矩阵的均值和标准差，得到正常类均值、正常类标准差、异常类均值和异常类标准差。

4.根据权利要求3所述的方法，其特征在于，所述基于所述异常度量矩阵的数据分布特征，确定所述目标对象的异常判定阈值，包括：

将所述正常类均值、所述正常类标准差、所述异常类均值和所述异常类标准差代入贝叶斯最小误差公式p(T|w_u)p(w_u)＝p(T|w_c)p(w_c)，计算所述异常判定阈值；

其中，所述p(w_u)为所述正常类输入因子的先验概率，所述p(w_c)为所述异常类输入因子的先验概率，所述p(T|w_u)为所述正常类异常度量矩阵的条件密度函数，所述p(T|w_c)为异常类异常度量矩阵的条件密度函数，所述p(T|w_u)和所述p(T|w_c)均服从高斯密度函数分布，所述T为所述异常判定阈值。

5.根据权利要求1-4任一项所述的方法，其特征在于，所述方法还包括：

基于所述异常判定阈值，确定所述目标对象的异常分析结果，所述异常分析结果包括正常和异常。

6.根据权利要求4所述的方法，其特征在于，当所述目标对象的输入因子的测量值大于或等于所述异常判定阈值时，所述目标对象的异常分析结果为正常；当所述目标对象的输入因子的测量值小于所述异常判定阈值时，所述目标对象的异常分析结果为异常。

7.根据权利要求5或6所述的方法，其特征在于，所述方法还包括：

将多个所述目标对象的实际结果分别与对应的所述异常分析结果进行比较，得到所述误识率；

基于所述误识率与调整系数之间的映射关系，调整所述异常判定阈值。

8.一种异常判定阈值的确定装置，其特征在于，所述装置包括：

运算单元，用于对目标对象进行异常度量运算，得到异常度量矩阵；

所述运算单元，还用于计算所述异常度量矩阵的数据分布特征；

确定单元，用于基于所述异常度量矩阵的数据分布特征，确定所述目标对象的异常判定阈值。

9.一种电子设备，其特征在于，所述电子设备包括处理器、存储器、通信接口，以及一个或多个程序，所述一个或多个程序被存储在所述存储器中，并且被配置由所述处理器执行，所述程序包括用于执行如权利要求1-7任一项所述的方法中的步骤的指令。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储用于数据交换的计算机程序，所述计算机程序被处理器执行时实现如权利要求1-7任一项所述的方法。