[发明专利]一种校园卡异常使用行为在线预警方法及系统

说明书

本公开提供了一种校园卡异常使用行为在线预警方法及系统，属于计算机信息技术领域，所述方法包括以下过程：获取待检测校园卡使用数据；根据可变时间间隔的聚合模型，将获取的待检测校园卡使用数据转换为使用行为样本数据；根据使用行为样本数据和自适应权重的预设分类模型，得到校园卡使用行为分类结果；根据校园卡使用行为分类结果，进行异常使用行为在线预警；本公开提升了分类和预警效率，同时有效提升了分类和预警的查全率及查准率。

技术领域

本公开涉及计算机信息技术领域，特别涉及一种校园卡异常使用行为在线预警方法及系统。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术，并不必然构成现有技术。

校园卡是高校师生工作、学习和生活的重要载体，既承载着就餐购物、洗浴、班车等使用交易服务，也承载着校园、宿舍、教室、图书馆等场所的出入认证服务，其主要介质为实体校园卡(M1、CPU)和虚拟校园卡(二维码)。

在校园卡的使用过程中，存在着如下异常使用行为：克隆(卡片被人为复制)、篡改(卡内信息特别是余额被篡改)、租借(持卡人将某一介质租借给其他人员)以及技术性异常(因系统原因导致的其它交易异常)。这些异常使用行为给校园卡系统稳定运行和用户账户资金安全带来了较大风险，如何快速检测分类这些异常使用行为已成为校园卡系统管理服务中的重要问题。

发明人发现，现有技术中检测分类校园卡异常使用行为的方法主要有人工筛查方法、基于专家库的检测分类方法、基于神经网络的检测分类方法，这些方法未能充分挖掘利用使用大数据的价值，且主要为离线检测分类方法，不能实现在线检测分类和预警。

发明内容

为了解决现有技术的不足，本公开提供了一种校园卡异常使用行为在线预警方法及系统，提升了分类和预警效率，同时有效提升了分类和预警的查全率及查准率。

为了实现上述目的，本公开采用如下技术方案：

本公开第一方面提供了一种校园卡异常使用行为在线预警方法。

一种校园卡异常使用行为在线预警方法，包括以下过程：

获取待检测校园卡使用数据；

根据可变时间间隔的聚合模型，将获取的待检测校园卡使用数据转换为使用行为样本数据；

根据使用行为样本数据和自适应权重的预设分类模型，得到校园卡使用行为分类结果；

根据校园卡使用行为分类结果，进行异常使用行为在线预警。

进一步的，预设分类模型中：

采用预设训练集和随机森林的并行化方式周期性重建K棵CART树，利用K棵CART树对使用行为样本数据进行预分类得到局部分类结果；

计算每棵CART树对使用行为样本数据的相关性偏置值，根据使用行为样本数据在每棵CART树上的分类精度和相关性偏置值得到自适应的双重权重；

根据得到的局部分类结果和自适应的双重权重，进行使用行为分类。

更进一步的，以分类精度权重和相关性偏置权重的乘积为自适应的双重权重，根据类别分离函数和自适应的双重权重构建分类选举函数，以获得累加权重最大的类别作为最终校园卡使用行为分类结果。

更进一步的，构建考虑样本结构相关度的自适应权重偏置模型，通过结构相关样本簇计算方法获取使用行为样本数据在样本结构相关评估集上的结构相关样本簇，进而得到所有CART树的相关性偏置值。

更进一步的，样本结构相关度为两个样本中结构相似特征的数量和非结构相似特征的数量的比值；

结构相似特征的数量为类别型结构相似特征的数量与数值型结构相似特征的数量的加和；