[发明专利]基于auto-encoder的异常行为检测方法在审
| 申请号： | 201910393985.1 | 申请日： | 2019-05-13 |
| 公开（公告）号： | CN110263807A | 公开（公告）日： | 2019-09-20 |
| 发明（设计）人： | 和中华;范渊;刘博;龙文洁 | 申请（专利权）人： | 杭州安恒信息技术股份有限公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/08 |
| 代理公司： | 杭州中成专利事务所有限公司 33212 | 代理人： | 金祺;周世骏 |
| 地址： | 310051 浙江省*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供一种基于auto‑encoder的异常行为检测方法，涉及深度学习用于异常检测的领域。所述基于auto‑encoder(Auto‑Encoder)的异常行为检测技术是一种半监督学习模型，其中包括：准备数据集、对数据集进行预处理、使用auto‑encoder进行训练、选定阈值、判断新来的数据是否是异常几个步骤。本发明通过使用半监督学习的方法，可以克服有监督学习解决反欺诈问题时常面临的无可用的标记数据或者数据不平衡的问题，此外本方法对于对噪声具有鲁棒性，可以使得训练出来的模型具有更好的泛化能力。 | ||
| 搜索关键词： | 异常行为检测 半监督学习 数据集 预处理 标记数据 异常检测 鲁棒性 噪声 欺诈 学习 监督 | ||
【主权项】：
1.基于auto‑encoder的异常行为检测方法，其特征在于：包括以下步骤：步骤1)、准备原始数据集；步骤2)、对原始数据集进行预处理，得到预处理后的数据；步骤3)、将预处理后的数据作为auto‑encoder网络的输入，对该网络进行训练，得到训练好的模型；步骤4)、根据预处理后的数据和训练好的模型得到最终的阈值；步骤5)、根据训练好的模型和最终的阈值，判断新输入的数据是否是异常。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于杭州安恒信息技术股份有限公司，未经杭州安恒信息技术股份有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910393985.1/，转载请声明来源钻瓜专利网。
