[发明专利]基于时间分段特征统计的数据安全异常检测方法及系统

权利要求书

1.基于时间分段特征统计的数据安全异常检测方法，其特征在于，包括步骤：

S1.采集多种类号码的通话话单数据；

S2.对采集到的号码相对应的通话话单数据中的每一条通话记录的时间基于预设时间范围进行分段，并对分段后时间相对应的通话记录进行打标签，得到4种类型的通话记录；

S3.统计每小时通话话单数据中4种类型的通话个数，将每小时统计的4种类型的通话个数转化为相对应的96维特征，并统计24小时内的96维特征；其中，96维特征为神经网络的输入的维度；

S4.将统计的96维特征作为输入，构建神经网络检测模型；

S5.将测试号码执行步骤S2-S3，并通过构建的神经网络检测模型输出是否为不良号码的结果。

2.根据权利要求1所述的基于时间分段特征统计的数据安全异常检测方法，其特征在于，所述步骤S2中预设时间范围包括T=0s、0s＜T≤10s、10s＜T≤30s、T＞30s；其中，T表示通话记录的时间。

3.根据权利要求2所述的基于时间分段特征统计的数据安全异常检测方法，其特征在于，所述步骤S2中对分段后时间相对应的通话记录进行打标签具体为：

将T=0s的通话记录定义为silence通话类型；将0s＜T≤10s的通话记录定义为short通话类型；将10s＜T≤30s的通话记录定义为medium通话类型；将T＞30s的通话记录定义为long通话类型。

4.根据权利要求3所述的基于时间分段特征统计的数据安全异常检测方法，其特征在于，所述步骤S3包括：

S31.统计每小时通话话单数据中的silence通话类型、short通话类型、medium通话类型、long通话类型的通话个数；

S32.将统计的每小时的silence通话类型、short通话类型、medium通话类型、long通话类型的通话个数转化为96维特征；

S33.统计24小时内的96维特征。

5.根据权利要求1所述的基于时间分段特征统计的数据安全异常检测方法，其特征在于，所述步骤S4中构建神经网络检测模型中的神经网络为3层神经网络，其中第1层神经网络有128个节点，第2层神经网络有32个节点，第3层神经网络有4个节点。

6.基于时间分段特征统计的数据安全异常检测系统，其特征在于，包括：

采集模块，用于采集多种类号码的通话话单数据；

分段模块，用于对采集到的号码相对应的通话话单数据中的每一条通话记录的时间基于预设时间范围进行分段，并对分段后时间相对应的通话记录进行打标签，得到4种类型的通话记录；

第一统计模块，用于统计每小时通话话单数据中4种类型的通话个数，将每小时统计的4种类型的通话个数转化为相对应的96维特征，并统计24小时内的96维特征；其中，96维特征为神经网络的输入的维度；

构建模块，用于将统计的96维特征作为输入，构建神经网络检测模型；

测试模块，用于将测试号码相对应的数据输入构建的神经网络检测模型中，输出是否为不良号码的结果。

7.根据权利要求6所述的基于时间分段特征统计的数据安全异常检测系统，其特征在于，所述分段模块中预设时间范围包括T=0s、0s＜T≤10s、10s＜T≤30s、T＞30s；其中，T表示通话记录的时间。

8.根据权利要求7所述的基于时间分段特征统计的数据安全异常检测系统，其特征在于，所述分段模块中对分段后时间相对应的通话记录进行打标签具体为：

将T=0s的通话记录定义为silence通话类型；将0s＜T≤10s的通话记录定义为short通话类型；将10s＜T≤30s的通话记录定义为medium通话类型；将T＞30s的通话记录定义为long通话类型。