[发明专利]一种基于行为动机仿真的机器学习系统及方法

权利要求书

1.一种基于行为动机仿真的机器学习系统，其特征在于，包括：

行为动机数据获取模块，用于获取行为动机数据集；

第一事件预测模块，用于将行为动机数据集输入至预置的事件预测模型中，得到第一事件预测结果；

行为仿真模块，用于将行为动机数据集进行行为仿真，得到行为仿真数据集；

行为分类模块，用于将行为仿真数据集按照预置的行为分类规则进行分类，得到多种类别的行为数据集；

第二事件预测模块，用于根据多种类别的行为数据集中异常行为数据在预置的事件预测库中进行匹配，得到第二事件预测结果；

对比模块，用于将第一事件预测结果与第二事件预测结果进行对比，得到对比结果；

训练结果模块，用于根据对比结果生成预置的事件预测模型的训练结果。

2.根据权利要求1所述的基于行为动机仿真的机器学习系统，其特征在于，还包括：

事件样本获取模块，用于获取事件样本数据；

样本数据训练模块，用于对事件样本数据采用神经网络算法进行训练，得到事件预测模型。

3.根据权利要求1所述的基于行为动机仿真的机器学习系统，其特征在于，所述行为仿真模块包括：

对抗网络单元，用于将行为动机数据集采用生成式对抗网络进行训练，生成多种行为生成器；

行为模块单元，用于分别采用多种行为生成器进行行为模拟，得到行为仿真数据集。

4.根据权利要求1所述的基于行为动机仿真的机器学习系统，其特征在于，所述训练结果模块包括：

判断单元，用于判断对比结果是否为相同，若相同，则生成预置的事件预测模型的训练结果为良好；若否，则生成预置的事件预测模型的训练结果为不合格。

5.根据权利要求1所述的基于行为动机仿真的机器学习系统，其特征在于，所述第二事件预测模块包括：

统计单元，用于统计多种类别的行为数据集中各个异常行为数据的数量；

筛选单元，用于筛选出多个异常行为数据的数量最大的异常行为数据；

匹配单元，用于将数量最大的异常行为数据在预置的事件预测库中进行匹配，得到匹配的预测事件作为第二事件预测结果。

6.一种基于行为动机仿真的机器学习方法，其特征在于，包括以下步骤：

获取行为动机数据集；

将行为动机数据集输入至预置的事件预测模型中，得到第一事件预测结果；

将行为动机数据集进行行为仿真，得到行为仿真数据集；

将行为仿真数据集按照预置的行为分类规则进行分类，得到多种类别的行为数据集；

根据多种类别的行为数据集中异常行为数据在预置的事件预测库中进行匹配，得到第二事件预测结果；

将第一事件预测结果与第二事件预测结果进行对比，得到对比结果；

根据对比结果生成预置的事件预测模型的训练结果。

7.根据权利要求6所述的基于行为动机仿真的机器学习方法，其特征在于，还包括以下步骤：

获取事件样本数据；

对事件样本数据采用神经网络算法进行训练，得到事件预测模型。

8.根据权利要求6所述的基于行为动机仿真的机器学习方法，其特征在于，所述将行为动机数据集进行行为仿真，得到行为仿真数据集的步骤包括以下步骤：

将行为动机数据集采用生成式对抗网络进行训练，生成多种行为生成器；

分别采用多种行为生成器进行行为模拟，得到行为仿真数据集。

9.一种电子设备，其特征在于，包括：

存储器，用于存储一个或多个程序；

处理器；

当所述一个或多个程序被所述处理器执行时，实现如权利要求6-8中任一项所述的方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求6-8中任一项所述的方法。