[发明专利]用于电力欺诈检测的新型非参数统计行为识别生态系统

摘要

本公开的实施例针对电力欺诈检测系统，该电力欺诈检测系统涉及提高电力欺诈的检测率同时降低假肯定率的行为检测生态系统。更具体而言，避开机器学习算法有利于顺序地应用的两个单独模型。第一模型旨在通过使用检测器基于参与可疑行为的客户的需求简档来识别这些客户，从而提高电力欺诈的检测率。第二模型旨在通过识别任何可疑行为的潜在合理解释来降低假肯定率。减去具有合理解释的可疑行为只留下识别出的、无法解释的很可能与欺诈活动相关联的可疑行为。

主权项

1.一种用于检测电力欺诈的计算机实现的方法，所述方法包括：访问已知数据集，所述已知数据集包括与已知电力欺诈案例相关联的第一数据项；通过至少将模型的检测器行为应用于第一数据项来确定可疑已知案例集合；通过针对所述模型的一个或多个假肯定解释来分析可疑已知案例集合中的每个已知案例，从可疑已知案例集合中确定已解释的已知案例集合，其中已解释的已知案例集合是可疑已知案例集合的子集；基于所确定的可疑已知案例集合来验证所述模型；访问未知数据集，未知数据集包括与多个服务点处的未知电力欺诈案例相关联的第二数据项，其中所述多个服务点中的每个服务点对应于电表，并且其中第二数据项包括与对应于每个服务点的电表相关联的电力需求；通过至少将所述检测器行为应用于第二数据项来确定可疑未知案例集合；通过针对所述一个或多个假肯定解释来分析可疑未知案例集合中的每个未知案例，从可疑未知案例集合确定已解释的未知案例集合，其中已解释的未知案例集合是可疑未知案例集合的子集；以及通过从可疑未知案例集合中减去已解释的未知案例集合来确定无法解释的未知案例集合，其中无法解释的未知案例集合是与已解释的未知案例集合不重叠的可疑未知案例集合的子集。