[发明专利]异常用户检测方法、装置、介质及电子设备

说明书

本申请涉及人工智能技术领域，可应用于智慧安防场景中，提供一种异常用户检测方法，该方法包括：由第一级至目标级依次从前一级的用户行为特征数据集中搜索多个子数据集作为后一级的多个用户行为特征数据集；对搜索得到的子数据集中的用户样本进行聚类得到用户样本聚类簇后，计算子数据集的轮廓系数；获取轮廓系数大于预定阈值的子数据集，作为待检测特征数据集；将每个待检测特征数据集，输入孤立森林异常检测模型，得到预测异常用户样本；对待检测特征数据集评分，以基于评分确定第一级的用户行为特征数据集中的异常用户样本。本申请的实施例有效提升异常用户检测的准确性及可靠性。

技术领域

本申请涉及人工智能技术领域，具体而言，涉及一种异常用户检测方法、装置、介质及电子设备。

背景技术

随着人工智能(AI)热潮的兴起与蓬勃发展，人工智能技术在异常检测场景的落地应用越来越受到各行各业的关注。但运用人工智能技术进行异常检测却存在数据标签少或无标签的技术难点，因此无监督学习技术几乎成了唯一选择。而无监督学习技术中又以孤立森林算法较为常用。正常情况下，孤立森林算法可以输出全局的相对异常点；而异常用户，往往会伪装为正常用户，仅仅是在局部的特征上表现为异常；在不知道异常用户会在哪些行为上表现异常，往往需要尽可能多的开发特征，导致维度灾难；而且虽然丰富了特征维度，但是也给孤立森林算法模型带来了不可识别的噪音；因此，全局的相对异常点并不总是意味着真实的异常用户。这样，现有技术中，在异常用户检测时，存在检测准确性及可靠性较低的问题。

因此，需要提供一种新的异常用户检测方案。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本申请的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本申请的目的在于提供一种异常用户检测方案，进而至少在一定程度上有效提升异常用户检测的准确性及可靠性。

根据本申请的一个方面，提供一种异常用户检测方法，包括：

从第一级的用户行为特征数据集开始，由第一级至目标级依次从前一级的用户行为特征数据集中搜索多个子数据集作为后一级的多个用户行为特征数据集，其中，每一级的多个所述子数据集中子数据集两两之间特征个数相同且至少有一个特征互不相同；

对搜索得到的所述子数据集中的用户样本进行聚类得到用户样本聚类簇后，基于所述用户样本聚类簇计算所述子数据集的轮廓系数；

获取轮廓系数大于预定阈值的所述子数据集，作为待检测特征数据集；

将每个所述待检测特征数据集，输入孤立森林异常检测模型，得到每个所述待检测特征数据集内的预测异常用户样本；

利用每个所述待检测特征数据集对应的用户样本聚类簇及所述预测异常用户样本，对所述待检测特征数据集评分，以基于所述评分确定所述第一级的用户行为特征数据集中的异常用户样本。

在本申请的一种示例性实施例中，所述后一级的多个所述用户行为特征数据集，包括：

后一级的所述用户行为特征数据集中的行为特征个数比前一级的所述用户行为特征数据集中的行为特征个数少第一预定个数。

在本申请的一种示例性实施例中，所述方法还包括：

所述目标级的用户行为特征数据集中行为特征个数大于等于第二预定个数。

在本申请的一种示例性实施例中，用户行为特征数据集包括：

与欺诈检测相关行为的特征数据集，所述与欺诈检测相关行为的特征数据集中包括欺诈用户团伙对应的用户样本集合的与欺诈检测相关行为的特征数据集。