[发明专利]基于生成对抗网络的通信网络异常用户检测方法

权利要求书

1.基于生成对抗网络的通信网络异常用户检测方法，其特征在于，包括以下步骤：

1)对异常用户的数据进行规则化，得到维度和量级均一致的数据；

2)对生成对抗网络进行训练，即对生成器和鉴别器进行训练，实现对异常用户的过采样；

3)将生成器生成的数据与正常用户组成训练数据集，利用深度全连接神经网络对训练数据集进行分类，判断用户类型。

2.根据权利要求1所述的基于生成对抗网络的通信网络异常用户检测方法，其特征在于，步骤1)中对异常用户的数据进行规则化具体为对不同量级的数据采用最大最小归一化方式进行规则化，对标签数据采用one-hot编码方法进行标注以实现规则化。

3.根据权利要求1所述的基于生成对抗网络的通信网络异常用户检测方法，其特征在于，步骤2)的具体步骤为：

21)采用两个多层全连接神经网络构成生成器和鉴别器；

22)针对生成器进行训练，生成器模拟真实异常用户数据的分布，生成模拟异常用户数据；

23)将真实异常用户数据和生成器产生的模拟异常用户数据分别输入鉴别器，对鉴别器进行训练；

24)对生成器和鉴别器进行交替迭代达成对生成对抗网络的训练。

4.根据权利要求3所述的基于生成对抗网络的通信网络异常用户检测方法，其特征在于，所述步骤22)中，生成器为G(z)，其中z是一个随机噪声，生成器G将随机噪声z进行转化，模拟真实的异常用户数据的分布，生成模拟异常用户数据。

5.根据权利要求3所述的基于生成对抗网络的通信网络异常用户检测方法，其特征在于，所述步骤23)中，鉴别器为D(x)，输入为真实异常用户数据X_a和生成器产生的模拟异常用户数据X_g，鉴别器D输出0-1范围的一个实数，用于判断生成器G生成的模拟异常用户数据样本X_g与真实异常用户数据样本X_a的概率，Pr和Pg分别代表真实异常用户数据分布和模拟异常用户数据分布，鉴别器的目标函数为：

其中，表示真实异常用户数据被判断为真实异常用户数据的期望，表示生成器产生的模拟异常用户数据被判断为模拟异常用户数据的期望。

6.根据权利要求3所述的基于生成对抗网络的通信网络异常用户检测方法，其特征在于，步骤24)中对生成器和鉴别器进行交替迭代采用的方法为最大最小化目标函数，分别对生成器G和鉴别器D进行交互迭代，固定生成器G时优化鉴别器D；固定鉴别器D时优化生成器G，直到过程收敛；

生成器G的目标为使鉴别器D无法区分真实样本和生成样本，整体优化函数如下：

其中，表示真实异常用户数据被判断为真实异常用户数据的期望，表示生成器产生的模拟异常用户数据被判断为模拟异常用户数据的期望；D(x)表示鉴别器。