[发明专利]用于检测异常数据的方法、设备和计算机可读存储介质

说明书

本公开实施例提供了用于检测异常数据的方法、设备和计算机可读存储介质。该方法包括：确定与具有图形式的待检测数据集相对应的可疑度树；基于所述可疑度树来确定所述待检测数据集中的一个或多个密集子图；以及将所述一个或多个密集子图中的至少一个密集子图中的数据确定为异常数据。

技术领域

本公开大体上涉及数据挖掘领域，且更具体地涉及用于检测异常数据的方法、设备和计算机可读存储介质。

背景技术

随着互联网的日益普及，其已经成为了现代生活中不可或缺的一部分。然而，网络欺诈已经成为了当代互联网的严重威胁之一。欺诈的目的形形色色，从轻微的试图获取公众注意力到严重的金融诈骗(例如，信用卡盗用)都有。例如，在社交网站或媒体分享网站上，人们想要通过增加更多的关注者(关注者或追随者)来增加自身的账户价值。又例如，在电子商务网站上，欺诈者注册很多新账户以滥用网站提供的新用户优惠，或者通过海量注册的伪账户对伪劣服务、商品等给予高评价来向正常用户兜售虚假服务、商品等。因此，需要一种能够检测到这种网络欺诈行为的方案。

发明内容

为了至少部分解决或减轻上述问题，提供了根据本公开的用于检测异常数据的方法、设备和计算机可读存储介质。

根据本公开的第一方面，提供了一种用于检测异常数据的方法。该方法包括：确定与具有图形式的待检测数据集相对应的可疑度树；基于所述可疑度树来确定所述待检测数据集中的一个或多个密集子图；以及将所述一个或多个密集子图中的至少一个密集子图中的数据确定为异常数据。

在一些实施例中，所述待检测数据集具有二分图的形式，所述二分图的节点包括源节点和目标节点，所述二分图的边包括一个或多个源节点与一个或多个目标节点之间的边。

在一些实施例中，确定与具有图形式的待检测数据集相对应的可疑度树的步骤包括：基于所述待检测数据集的源节点和边来生成第一可疑度树；以及基于所述待检测数据集的目标节点和边来生成第二可疑度树。

在一些实施例中，基于所述可疑度树来确定所述待检测数据集中的一个或多个密集子图的步骤包括：基于所述第一可疑度树来确定所述待检测数据集中的一个或多个第一最大半孤立完全二分图；基于所述第二可疑度树来确定所述待检测数据集中的一个或多个第二最大半孤立完全二分图；以及将所述一个或多个第一最大半孤立完全二分图和所述一个或多个第二最大半孤立完全二分图的并集确定为所述待检测数据集中的一个或多个密集子图。

在一些实施例中，基于所述待检测数据集的源节点/目标节点和边来相应生成第一可疑度树/第二可疑度树的步骤包括：基于所述待检测数据集的源节点/目标节点和边来生成指示每个源节点/目标节点的局部连接性的筐，其中，所述筐包括相应源节点/目标节点、与所述源节点/目标节点相连的目标节点/源节点、以及指示所述筐的可疑度的可疑度分数；以及基于每个源节点/目标节点的筐来生成所述第一可疑度树/第二可疑度树。

在一些实施例中，所述可疑度分数如下定义：

其中，f(n)是针对源节点/目标节点n所生成的筐的可疑度分数，I(n)表示所述待检测数据集中与源节点/目标节点n之间存在边的目标节点/源节点的集合，E表示所述待检测数据集中的边的集合，|·|表示集合中的元素数目，以及log表示以e为底的对数函数，其中，c为常数且满足c＜|E|-Max(|I(n)|)，Max表示最大值函数。

在一些实施例中，所述可疑度分数如下定义：

f(n)＝log(|I(n)|+c)

其中，f(n)是针对源节点/目标节点n所生成的筐的可疑度分数，I(n)表示所述待检测数据集中与源节点/目标节点n之间存在边的目标节点/源节点的集合，|·|表示集合中的元素数目，以及log表示以e为底的对数函数，其中，c为常数且满足c＜|E|-Max(|I(n)|)，Max表示最大值函数。