异常行为风险评估模型建立方法、异常行为风险评估方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114118711A(43)申请公布日2022.03.01(21)申请号202111289824.1(22)申请日2021.11.02(71)申请人中国电子科技集团公司电子科学研究院地址100041北京市石景山区双园路11号(72)发明人张欣海陈诚王晶徐楷斯马丽红(74)专利代理机构工业和信息化部电子专利中心11010代理人田卫平(51)Int.Cl.G06Q10/06(2012.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书1页说明书6页附图3页(54)发明名称异常行为风险评估模型建立方法、异常行为风险评估方法(57)摘要本发明涉及一种异常行为风险评估模型建立方法、异常行为风险评估方法，本发明实施例提供的该异常行为风险评估模型建立方法，包括：采集目标数据，所述目标数据用于评估异常行为；对所述目标数据进行预处理，得到目标向量，并根据所述目标向量构建数据集；构建神经网络模型，所述神经网络模型包括多层全连接网络，且各层全连接层都包括批标准化；通过所述数据集对所述神经网络模型进行训练，得到异常行为风险评估模型，其中异常行为风险评估模型用于监测异常行为，可以直接通过自动收集数据实现了异常行为风险评估，而不在需要人工访谈、回访的方式，节约了人力资源。CN114118711ACN114118711A权利要求书1/1页1.一种异常行为风险评估模型建立方法，其特征在于，所述方法包括：采集目标数据，所述目标数据用于评估异常行为；对所述目标数据进行预处理，得到目标向量，并根据所述目标向量构建数据集；构建神经网络模型，所述神经网络模型包括多层全连接网络，且各层全连接层都包括批标准化；通过所述数据集对所述神经网络模型进行训练，得到异常行为风险评估模型。2.根据权利要求1所述的方法，其特征在于，采集目标数据中，所述目标数据包括：网络行为数据、轨迹信息数据。3.根据权利要求2所述的方法，其特征在于，对所述目标数据进行预处理，得到目标向量，包括：将所述网络行为数据转化为第一向量，将所述轨迹信息数据转化为第二向量；对所述第一向量与所述第二向量进行横向拼接，得到拼接结果；将所述拼接结果进行归一化处理得到预设模长的所述目标向量。4.根据权利要求3所述的方法，其特征在于，根据所述目标向量构建数据集，包括：根据所述目标向量自动构建所述数据集；识别所述数据集中的特殊数据，并根据识别结果为各个特殊数据生成数据标签。5.根据权利要求4所述的方法，其特征在于，通过所述数据集对所述神经网络模型进行训练，得到异常行为风险评估模型，包括：采用预设训练法，将所述数据集输入所述神经网络模型进行训练；当所述神经网络模型收敛时，判定所述神经网络神经网络模型训练完成，将训练完成的所述神经网络模型作为所述异常行为风险评估模型。6.根据权利要求5所述的方法，其特征在于，得到异常行为风险评估模型后，所述方法还包括：将所述异常行为风险评估模型的模型结构与模型参数进行存储。7.一种异常行为风险评估方法，其特征在于，所述方法包括：对待识别数据进行处理，得到待识别向量；将所述待识别向量输入通过如权利要求1‑6任一项所述的异常行为风险评估模型建立方法建立的异常行为风险评估模型，得到输出结果；根据所述输出结果判断是否存在异常行为。2CN114118711A说明书1/6页异常行为风险评估模型建立方法、异常行为风险评估方法技术领域[0001]本发明涉及计算机领域，尤其涉及一种异常行为风险评估模型建立方法、异常行为风险评估方法。背景技术[0002]相关技术中，对关注人员的行为进行监测，以评估关注人员是否存在异常行为，其中对关注人员的行为监测包括：谈话、走访等方式，结合业务规则和专家经验对其行为进行评估，以评判关注人员是否存在异常行为。[0003]上述方法中存在一下缺陷，第一点，传统评估方法过程复杂，费时费力，需要大量人工参与。第二点，人工经验往往只能满足于特定的某一类关注人员行为。第三点，实时响应难。第四点，当关注人员数量增大时，耗费人工更多。第五点，难以同时关注多个行为活动，也即传统方法首先对人力需求过大，通常情况下，关注一个关注人员就会耗费多个人力，其次，上述评估方式难以适应不断升级的各种值得关注的行为。发明内容[0004]为了解决上述技术问题或者至少部分地解决上述技术问题，本发明提供了一种异常行为风险评估模型建立方法、异常行为风险评估方法。[0005]第一方面，本发明提供了一种异常行为风险评估模型建立方法，所述方法包括：采集目标数据，所述目标数据用于评估异常行为；对所述目标数据进行预处理，得到目标向量，并根据所述目标向量构建数据集；构建神经网络模型，所述神经网络模型包括多层全连接网络，且各层全