[发明专利]识别异常客户端的方法、装置、计算机设备和存储介质

权利要求书

1.一种识别异常客户端的方法，其特征在于，所述方法包括：

获取多个客户端的模型训练数据；所述模型训练数据为模型在历史时段的所有模型训练参数；

根据各所述客户端的模型训练数据进行相似性识别，得到各所述模型训练数据的相似度，并将满足预设相似度条件的模型训练数据对应的客户端作为第一标记客户端，得到第一客户端集合；

对各所述客户端进行评价处理，得到各所述客户端的异常值，并将满足异常值条件的客户端作为第二标记客户端，得到第二客户端集合；

基于各所述客户端的模型训练数据的相似度，通过动态聚类算法，对各所述客户端进行聚类处理，得到多个客户端组，并将不满足预设聚类条件的客户端组中的所有客户端作为第三标记客户端，得到第三客户端集合；

将所述第一客户端集合、所述第二客户端集合和所述第三客户端集合共同包含的客户端作为异常客户端。

2.根据权利要求1所述的方法，其特征在于，所述获取多个客户端的模型训练数据，包括：

将模型发送至各所述客户端，并通过各所述客户端对所述模型进行训练；

在满足预设时间段的情况下，采集每个客户端对所述模型进行训练的模型训练参数；

针对每个客户端，将所述客户端在历史时段采集的所述模型的所有模型训练参数，作为所述客户端的模型训练数据。

3.根据权利要求1所述的方法，其特征在于，所述相似度条件包括第一相似度条件、以及第二相似度条件，所述根据各所述客户端的模型训练数据进行相似性识别，得到各所述模型训练数据的相似度，并将满足预设相似度条件的模型训练数据对应的客户端作为第一标记客户端，得到第一客户端集合，包括：

针对每个客户端，根据所述客户端的每个模型训练参数，获取所述客户端的每个模型训练参数的模型训练特征信息，并基于所述客户端的每个模型训练参数的模型训练特征信息，计算所述客户端的各模型训练参数的相似度；

基于所述客户端的各模型训练参数的相似度，按照时间顺序，比对所述客户端的各相邻时间的模型训练参数的相似性，得到所述客户端的第一相似特征，并基于各所述客户端的模型训练数据，分别比对各所述客户端在相同时间点的模型训练参数之间的相似性，得到各所述客户端的第二相似特征；

在各所述客户端中，筛选第一相似特征满足第一相似度条件、以及第二相似特征满足第二相似度条件的客户端，作为第一标记客户端，得到第一客户端集合。

4.根据权利要求3所述的方法，其特征在于，所述基于所述客户端的各模型训练参数的相似度，按照时间顺序，比对所述客户端的各相邻时间的模型训练参数的相似性，得到所述客户端的第一相似特征，包括：

针对每个客户端，按照时间顺序，将所述客户端的各模型训练参数的相似度进行排列处理，得到所述各模型训练参数的相似度序列；

基于所述相似度序列，识别相邻时间的各所述模型训练参数之间的相似性，并根据各所述模型训练参数之间的相似性，确定所述客户端的模型训练数据的第一变化情况；

将所述客户端的第一变化情况，作为所述客户端的第一相似特征。

5.根据权利要求3所述的方法，其特征在于，所述基于各所述客户端的模型训练数据，分别比对各所述客户端在相同时间点的模型训练参数之间的相似性，得到各所述客户端的第二相似特征，包括：

计算各所述客户端在相同时间点的模型训练参数之间的客户端相似度；

针对每个客户端，基于所述客户端与其他每个客户端在相同时间点的模型训练参数之间的客户端相似度，分析所述客户端与其他每个客户端的相似性的第二变化情况，并将所述客户端与其他所有客户端的相似性的第二变化情况，作为所述客户端的第二相似特征。