申请/专利权人：安徽思高智能科技有限公司

申请日：2024-01-03

公开（公告）日：2024-03-26

公开（公告）号：CN117493220B

主分类号：G06F11/36

分类号：G06F11/36;G06N3/0442;G06Q10/10

优先权：

专利状态码：有效-授权

法律状态：2024.03.26#授权;2024.02.23#实质审查的生效;2024.02.02#公开

摘要：本发明提供了一种RPA流程操作异常检测方法、设备及存储设备，涉及RPA流程技术领域，预备企业资产库内的RPA操作流程用例；按操作键提取训练数据的操作模板序列；设置窗口长度，按照一定步长依次对每个操作模板序列通过滑动窗口来提取训练数据，得到训练集；使用训练集结合人工智能算法训练神经网络，训练完成后接入全连接网层，经过softmax函数处理后，输出所有可能是正确输出的操作键的概率分布；取待检测的RPA操作流程用例，按操作键提取检测样本的操作模板序列；加载训练后的模型，对操作模板序列通过滑动窗口依次进行异常检测。本发明的有益效果是：本发明具有实时性和准确性。

主权项：1.一种RPA流程操作异常检测方法，其特征在于：包括：S1：预备企业资产库内的RPA操作流程用例；S2：将RPA操作流程用例按操作键提取操作模板序列，操作模板序列包括操作内容、操作键集合及操作键的次序信息；S3：设置窗口长度，按照预设步长依次对操作模板序列进行滑动窗口来提取训练数据，得到训练集；S4：使用训练集结合人工智能算法训练神经网络模型，训练完成后接入全连接网层，经过softmax函数处理后，输出所有可能是正确输出的操作键的概率分布；训练神经网络模型的过程为：S4.1：为了使训练数据下一个操作键的概率最大化，学习概率分布，ki表示第i个操作键，Tt表示在操作模板序列中位置t处的操作键，表示不变时Tt取第i个操作键ki时的概率，表示不变时下一步操作解析的操作键Tt=ki的次数，Tt=ki表示第m个训练数据在位置t时的操作键Tt就是ki，表示训练集中属于这种情况的例子个数；S4.2：根据概率分布，以在位置t-j处的操作键与前一步隐藏状态向量作为输入，结合门函数和权重变量对单个LSTM块进行处理，j=1,2,...,h，h为窗口长度；将LSTM块处理后输出的细胞状态向量与隐藏状态向量作为新的输入传入下一时间步长的LSTM块中；其中，表示第层隐藏层，p∈{1,2,…,h1}，h1表示LSTM块的数量，p表示第p个LSTM块；S4.3：按照步骤S4.1-S4.2对多个LSTM块逐个进行处理，得到训练后的练神经网络模型；S5：取待检测的RPA操作流程用例，按操作键提取待检测RPA的操作模板序列；S6：加载训练后的神经网络模型，结合步骤S4得到的概率分布，对待检测RPA的操作模板序列通过滑动窗口依次进行异常检测，判断当前操作是否存在异常，若是，则反馈给用户进行修改；异常检测的过程如下：S6.1：通过设置的窗口长度，按照预设步长依次对待检测RPA的操作模板序列提取检测集Xtest=[x1,x2,…,xq,…,xv-h]和Ytest=[y1,y2,…,yq,…,yv-h]，其中，v-h表示检测样本的总个数，v表示解析待检测RPA操作流程用例的操作内容总个数，xq和yq表示第q个检测样本，h表示窗口长度；S6.2：为了检测yq={Tt}时的输入操作键是否异常，取待检测RPA的操作模板序列w=xq={Tt-h,…,Tt-2,Tt-1}作为神经网络模型的输入模板序列进行检测，Tt-j表示在操作模板序列w中位置t-j处的操作键，j=1,2,…,h；S6.3：对每一个检测样本计算出概率最大的topN模板集合，若检测样本属于topN模板集合，则输入操作键正常，否则输入操作键异常；S6.4：通过异常检测得到按概率大小降序排列的条件概率分布，当yq={Tt}中在操作模板序列w中位置t处的操作键Tt属于由多个概率最大的操作键组成的集合时，则表示该操作正常，否则提示用户该操作异常。

全文数据：

权利要求：

百度查询： 安徽思高智能科技有限公司 一种RPA流程操作异常检测方法、设备及存储设备

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD