[发明专利]一种异常数据检测方法、装置及计算机可读存储介质在审

专利信息
申请号: 202011423216.0 申请日: 2020-12-08
公开(公告)号: CN112464051A 公开(公告)日: 2021-03-09
发明(设计)人: 冼泽彬;徐笑森 申请(专利权)人: 深圳市金证优智科技有限公司
主分类号: G06F16/9035 分类号: G06F16/9035;G06F16/25;G06F16/215;G06F11/34;G06N3/04;G06N3/08;G06Q40/00
代理公司: 深圳中一联合知识产权代理有限公司 44414 代理人: 牟蓓佳
地址: 518000 广东省深圳市福田区华富街道莲*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 异常 数据 检测 方法 装置 计算机 可读 存储 介质
【权利要求书】:

1.一种异常数据检测方法,其特征在于,包括:

将待检测宽表输入训练后的生成对抗网络进行处理,得到第一异常数据集合;其中,所述训练后的生成对抗网络是利用正向样本集合对初始生成对抗网络进行训练得到;

根据预设策略对所述第一异常数据集合和第二异常数据集合进行处理,得到目标异常数据集合;其中,所述第二异常数据集合是通过预先构建的无监督离群点检测模型根据所述待检测宽表输出得到。

2.如权利要求1所述的异常数据检测方法,其特征在于,所述初始生成对抗网络包括生成模型和判别模型;

所述将待检测宽表输入训练后的生成对抗网络进行处理,得到第一异常数据集合之前,还包括:

利用所述生成模型将随机噪声处理为与所述正向样本集合中各数据相同格式的第二数据;

根据所述正向样本集合和所述第二数据对所述初始生成对抗网络进行训练,得到所述训练后的生成对抗网络。

3.如权利要求2所述的异常数据检测方法,其特征在于,所述将待检测宽表输入训练后的生成对抗网络进行处理,得到第一异常数据集合,包括:

将所述待检测宽表输入所述训练后的生成对抗网络中,通过所述判别模型对所述待检测宽表进行处理,得到所述第一异常数据集合。

4.如权利要求1所述的异常数据检测方法,其特征在于,所述根据预设策略对所述第一异常数据集合和第二异常数据集合进行处理,得到目标异常数据集合,包括:

根据所述预设策略对对所述第一异常数据集合和所述第二异常数据集合进行组合,得到所述目标异常数据集合。

5.如权利要求1所述的异常数据检测方法,其特征在于,所述将待检测宽表输入训练后的生成对抗网络进行处理之前,还包括:

从预设数据库中获取第一原始数据;

根据数据仓库技术对所述第一原始数据进行数据预处理,得到所述待检测宽表。

6.如权利要求1所述的异常数据检测方法,其特征在于,所述将待检测宽表输入训练后的生成对抗网络进行处理之前,还包括:

从预设数据库中获取第二原始数据;

根据数据仓库技术对所述第二原始数据进行数据预处理,得到第一宽表;

根据预设要求对所述第一宽表中的各个数据进行处理,得到所述正向样本集合。

7.一种异常数据检测装置,其特征在于,包括:

第一处理单元,用于将待检测宽表输入训练后的生成对抗网络进行处理,得到第一异常数据集合;其中,所述训练后的生成对抗网络是利用正向样本集合对初始生成对抗网络进行训练得到;

第二处理单元,用于根据预设策略对所述第一异常数据集合和第二异常数据集合进行处理,得到目标异常数据集合;其中,所述第二异常数据集合是通过预先构建的无监督离群点检测模型根据所述待检测宽表输出得到。

8.如权利要求7所述的异常数据检测装置,其特征在于,所述初始生成对抗网络包括生成模型和判别模型;

所述异常数据检测装置还包括:

第三处理单元,用于利用所述生成模型将随机噪声处理为与所述正向样本集合中各数据相同格式的第二数据;

训练单元,用于根据所述正向样本集合和所述第二数据对所述初始生成对抗网络进行训练,得到所述训练后的生成对抗网络。

9.一种异常数据检测装置,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述的方法。

10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的方法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳市金证优智科技有限公司,未经深圳市金证优智科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202011423216.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top