申请/专利权人：杭银消费金融股份有限公司

申请日：2024-01-05

公开（公告）日：2024-04-26

公开（公告）号：CN117540325B

主分类号：G06F18/2433

分类号：G06F18/2433;G06F11/30;G06F11/34

优先权：

专利状态码：有效-授权

法律状态：2024.04.26#授权;2024.03.01#实质审查的生效;2024.02.09#公开

摘要：本发明涉及数据异常检测技术领域，具体涉及基于数据变化量捕获的业务数据库异常检测方法及系统，本发明根据用户的每个数据操作类型的业务使用变化值的变化情况以及不同用户之间业务使用变化值的整体相似情况，得到参考显著程度；结合当前采样时刻下的参考显著程度的相对差异以及时序差异，得到调整必要性；进一步地对根据调整必要性筛选出调整数据操作类型的业务使用变化值通过对应的调整必要性进行加权，输入到LOF算法后得到更加准确的加权局部离群因子，使得根据加权局部离群因子筛选出实际异常用户更加准确，也即对业务数据库异常检测效果更好。

主权项：1.基于数据变化量捕获的业务数据库异常检测方法，其特征在于，所述方法包括：在业务数据库中，获取每个用户在每个采样时刻下的每个数据操作类型的业务使用变化值；根据每个用户的每个数据操作类型的业务使用变化值的时序变化情况，以及每个采样时刻下不同用户之间各个数据操作类型的业务使用变化值的整体相似情况，得到每个用户在每个采样时刻下的每个数据操作类型的参考显著程度；在当前采样时刻下，根据每个用户对应的各个数据操作类型的参考显著程度的相对差异，以及时间顺序上每个数据操作类型的参考显著程度的变化情况，得到每个用户在当前采样时刻下每个数据操作类型的调整必要性；根据所述调整必要性筛选出每个用户在当前采样时刻下的调整数据操作类型；根据所述显著特征值对每个用户在当前采样时刻下所述调整数据操作类型的业务使用变化值进行加权，并结合LOF算法得到每个用户的加权局部离群因子；根据所述加权局部离群因子筛选出实际异常用户；所述参考显著程度的获取方法包括：对于任意一个用户：依次将每个采样时刻作为目标采样时刻；将目标采样时刻以及之前的每个采样时刻作为参考采样时刻；将每个数据操作类型在所有采样时刻的业务使用变化值的方差，作为每个数据操作类型在目标采样时刻的业务使用波动指数；将每个数据操作类型在所有采样时刻的业务使用变化值的均值，作为每个数据操作类型在目标采样时刻的标准使用变化值；在每个数据操作类型中，计算每个参考采样时刻的业务使用变化值与标准使用变化值的差值，将所述差值与所述业务使用波动指数的比值的正相关映射值，作为每个数据操作类型在每个参考采样时刻的局部波动显著度；根据每个数据操作类型在所有参考采样时刻的局部波动显著度的整体分布情况，得到用户在目标采样时刻下的每个数据操作类型的增长异常程度；在每个采样时刻下，将每个用户与其余每个用户之间的所有数据操作类型的业务使用变化值的分布相似情况，得到每个用户在每个采样时刻下的业务变化显著性；根据所述增长异常程度和所述业务变化显著性，得到每个用户在每个采样时刻下的每个数据操作类型的参考显著程度，所述增长异常程度和所述业务变化显著性均与所述参考显著程度呈正相关；所述调整必要性的获取公式包括： 其中，Xh,i,d为第h个用户在当前采样时刻d下第i个数据操作类型的调整必要性；Ph,i,d为第h个用户在当前采样时刻d下第i个数据操作类型的参考显著程度，Ph,i,d-1为第h个用户在当前采样时刻的前一个时刻d-1下第i个数据操作类型的参考显著程度，Px,max,d为第h个用户在当前采样时刻d下的所有数据操作类型中的参考显著程度最大值；a为预设调节参数，所述预设调节参数大于0；exp为以自然常数为底的指数函数，||为绝对值符号。

全文数据：

权利要求：

百度查询： 杭银消费金融股份有限公司 基于数据变化量捕获的业务数据库异常检测方法及系统

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