[发明专利]基于高维模式的异常访问数据预警方法及相关设备

权利要求书

1.一种基于高维模式的异常访问数据预警方法，其特征在于，所述方法包括：

按时间顺序收集多个目标对象的流量数据，其中，所述流量数据为店铺人流量或者产品销售量中的一种，所述流量数据包括每日流量、每月流量以及每月目标流量；

基于所述每日流量、每月流量、每月目标流量以及各个目标对象的位置坐标，计算得到各个目标对象的流量指标；

获取临界因子，基于所述临界因子、所述流量指标和各所述目标对象的当前流量，计算得到预警结果;

所述基于所述每日流量、每月流量、每月目标流量以及各个目标对象的位置坐标，计算得到各个目标对象的流量指标，包括：

计算相同位置坐标下的目标对象在同一时间的累积达成比例的算术平均值，得到各所述目标对象的横向比较特征，其中，所述累积达成比例通过计算每日流量、每月流量和每月目标流量的比值得到；

计算同一时间，同一目标对象累积达成比例的算术平均值，作为各所述目标对象的纵向同比特征；

计算连续一个月，同一位置坐标的目标对象，累积达成比例的算术平均值，作为各所述目标对象的纵向环比特征；

根据预设权重表调整所述横向比较特征、纵向同比特征以及纵向环比特征的权重比例，并相加得到所述各目标对象的流量指标;

或者

基于每日流量和每月流量，将各目标对象的流量数据转化为离散的轨迹数据；并

通过one-hot特征编码将字符型的对离散的轨迹数据转换为数值型数据；

对数值型数据进行归一化处理，得到取值在0至1之间的归一化数据；

根据所述归一化数据计算各目标对象的震荡因子，并基于所述震荡因子计算得到所述流量指标。

2. 根据权利要求1所述的方法，其特征在于，在所述获取临界因子，基于所述临界因子、所述流量指标和各所述目标对象的当前流量，计算得到预警结果之前，还包括：

获取样本对象的样本数据和对应的位置坐标；并

从多个所述样本对象中任选一个样本对象以更新为原始样本对象；

计算所述原始样本对象与其他样本对象之间的欧氏距离，并将欧氏距离小于预设距离值，且数量超过预设数量的样本对象，作为所述原始样本对象的簇对象；

将所述原始样本对象和所述簇对象作为一个轨迹对象簇，并重复更新原始样本对象的操作，直到所有样本对象有至少一个轨迹对象簇；

根据所述轨迹对象簇计算所述临界因子。

3.根据权利要求1所述的方法，其特征在于，所述获取临界因子，基于所述临界因子、所述流量指标和各所述目标对象的当前流量，计算得到预警结果，包括：

若所述目标对象的当日流量不在所述临界因子与所述临界因子和所述流量指标之和的范围之内，则所述预警结果为数据异常。

4.根据权利要求1所述的方法，其特征在于，所述根据所述归一化数据计算各目标对象的震荡因子，包括：

获取连续预设时间中的最大每日流量，并计算连续预设时间中的平均流量；

计算所述最大每日流量与所述平均流量的流量比值，并将所述流量比值作为各目标对象的震荡因子。

5.根据权利要求1所述的方法，其特征在于，所述流量数据存储于区块链中。