[发明专利]异常资源转移识别方法、装置、电子设备及可读存储介质

权利要求书

1.一种异常资源转移识别方法，其特征在于，包括：

获取至少一种待识别的资源转移有效特征；

基于预设的权重系数和所述至少一种资源转移有效特征确定待识别的输入特征；

基于训练后的识别模型对所述输入特征进行识别，得到资源转移的异常识别结果；

其中，所述识别模型是基于样本有效特征对初始识别模型进行训练得到的；所述样本有效特征是从样本资源转移特征中进行筛选获取的。

2.根据权利要求1所述的异常资源转移识别方法，其特征在于，所述识别网络通过如下方式训练得到：

获取至少两种样本资源转移特征；

确定所述样本资源转移特征针对资源转移异常识别的重要性权值；

基于所确定的重要性权值从所述样本资源转移特征中筛选出样本有效特征；

基于所述样本有效特征获取样本输入特征，基于所述样本输入特征对所述初始识别模型进行训练，得到所述识别模型。

3.根据权利要求2所述的异常资源转移识别方法，其特征在于，所述样本有效特征设置有对应的样本异常识别结果；所述基于所述样本有效特征获取样本输入特征，基于所述样本输入特征对所述初始识别模型进行训练，得到所述识别模型，包括：

基于初始权重系数和所述样本有效特征确定所述样本输入特征；

将所述样本输入特征输入至所述初始识别模型，得到样本输出特征；

基于所述样本输出特征和样本输入特征计算损失函数；基于所述损失函数调节所述初始权重系数并调节所述初始识别模型的参数，直至调节后得到的损失函数小于预设阈值；

将调节后的初始权重系数设为所述权重系数，将调节参数后的初始识别模型设为所述识别模型。

4.根据权利要求2所述的异常资源转移识别方法，其特征在于，所述确定所述样本资源转移特征针对资源转移异常识别的重要性权值，包括：

基于所述样本资源转移特征确定第一判别矩阵；其中，所述第一判别矩阵用于表示任意两个样本资源转移特征针对资源转移异常识别的重要性的比较结果；

基于所述第一判别矩阵确定所述重要性权值。

5.根据权利要求4所述的异常资源转移识别方法，其特征在于，所述基于所述第一判别矩阵确定所述重要性权值，包括：

基于所述第一判别矩阵确定第一最大特征根，并确定所述样本资源转移特征的第一数量；

基于所述第一最大特征根和所述第一数量确定第一一致性比率；

若第一一致性比率符合第一预设条件，则基于所述第一判别矩阵确定所述重要性权值。

6.根据权利要求5所述的异常资源转移识别方法，其特征在于，所述基于所述第一判别矩阵确定所述重要性权值，包括：

基于所述第一最大特征根确定第一特征向量；

对所述第一特征向量进行归一化得到单排序向量；所述单排序向量用于表示所述样本资源转移特征的重要性权值。

7.根据权利要求5所述的异常资源转移识别方法，其特征在于，所述基于所述第一判别矩阵确定所述重要性权值，包括：

将所述样本资源转移特征进行不同维度的组合，得到不同的组合特征；

基于所述组合特征确定第二判别矩阵；其中，所述第二判别矩阵用于表示任意两个组合特征针对资源转移异常识别的重要性的比较结果；

基于所述第一判别矩阵和所述第二判别矩阵确定所述重要性权值。

8.根据权利要求7所述的异常资源转移识别方法，其特征在于，所述基于所述第一判别矩阵和所述第二判别矩阵确定所述重要性权值，包括：

基于所述第一判别矩阵和所述第二判别矩阵确定第二一致性比率；

若所述第二一致性比率符合第二预设条件，基于所述第一判别矩阵和所述第二判别矩阵确定总排序向量；所述总排序向量用于表示所述组合特征的组合权值；

基于所述组合权值确定与所述组合特征对应的样本资源转移特征的重要性权值。