[发明专利]基于用户行为信息的电力系统风控模型构建及应用方法

权利要求书

1.一种基于用户行为信息的电力系统风控模型构建及应用方法，其特征在于，包括：

采集本人用户和异常用户的用户行为信息，所述用户行为信息包括：用户登录行为信息、手机操作行为信息、购电支付行为信息以及设备指纹信息；

根据所述用户行为信息建立用户行为信息数据库；

对所述用户行为信息数据库中的用户行为信息数据进行预处理，所述预处理包括：计算用户行为信息数据的最大值、最小值、均值以及方差，并对部分用户行为信息数据做量化处理，最后进行数据清洗和特征降维处理；

将预处理后的用户行为信息数据封装为一维特征向量，得到一组用以描述用户画像数据的向量；其中，所述一维特征向量用于描绘本人用户、异常用户的实体信息，

为所述用户画像数据标定数据标签；

搭建神经网络模型，通过将带有数据标签的用户画像数据输入待训练的神经网络模型，对神经网络进行训练并保存神经网络风控模型；

实时采集用户行为信息数据；

将所述用户行为信息数据输入到已保存的神经网络风控模型；

利用所述神经网络风控模型对用户行为风险系数进行预测；

判断所述用户行为风险系数是否超过预设阈值；

如果所述用户行为风险系数超过预设阈值，生成系统告警并对电力系统发出预警通知。

2.根据权利要求1所述的方法，其特征在于，所述用户登录行为信息包括：用户输入账号、密码时的按键行为信息，所述按键行为信息包括键入每个字符的时间以及输入总时间。

3.根据权利要求1所述的方法，其特征在于，所述手机操作行为信息包括：操作手机时的手机传感器数据，所述手机传感器数据包括：加速度传感器的x、y、z轴数据，陀螺仪传感器的x、y、z轴数据，磁场传感器的x、y、z轴数据，压强传感器数据以及光感传感器数据。

4.根据权利要求1所述的方法，其特征在于，所述购电支付行为信息包括：历史每月购电支付费用、交费地区以及用电户号。

5.根据权利要求1所述的方法，其特征在于，所述设备指纹信息包括：设备登录地址、IP地址以及设备序列号。

6.根据权利要求1所述的方法，其特征在于，所述神经网络风控模型由三层完全连接层组成，每层完全连接层前加入批量归一化防止梯度消失或爆炸，加快训练速度；并且前两层完全连接层后加入丢弃层抑制过拟合，最后一层完全连接层以Sigmiod作为激活函数，返回一个0-1的值，表示神经网络风控模型将用户行为信息检测为异常用户的风险系数。