[发明专利]一种多维数据的异常组合检测方法及装置

权利要求书

1.一种多维数据的异常组合检测方法，其特征在于，包括：

获取待分析的样本集；所述待分析的样本集中包含特征数据，所述特征数据包括特征字段和属性值；其中，所述获取待分析的样本集包括：获取原始的样本集；获取所述原始的样本集中每个特征字段的属性值；依据每个特征字段的属性值，计算每个特征的熵；利用熵值剔除无效的特征数据，得到待分析的样本集；

依据预设的关联分析算法和所述待分析的样本集中每个特征出现的次数，从所述样本集中挖掘出特征的最大频繁项集；

基于特征的最大频繁项集构建异常组合检测字典；所述异常组合检测字典包括：每个最大频繁项集中的特征字段的组合以及每个特征字段的属性值的组合；

依据所述异常组合检测字典，检测待检测的样本集中异常的特征组合；

其中，所述基于特征的最大频繁项集构建异常组合检测字典，包括：

获取每个最大频繁项集中的特征字段，并将同一个最大频繁项集中的特征字段进行组合，得到特征字段组合项；

从每个最大频繁项集中获取每个特征字段的属性值，并将同一个最大频繁项集中的属性值进行组合，得到属性组合项；

建立属于同一个最大频繁项集中的特征字段组合项和属性组合项的关联关系；

其中，在利用所述异常组合检测字典对所述待检测的样本集进行异常的特征组合检测时，先利用所述异常组合检测字典中的特征字段组合项进行匹配，再利用属性组合项进行匹配。

2.根据权利要求1所述的方法，其特征在于，所述依据预设的关联分析算法和所述待分析的样本集中每个特征出现的次数，从所述样本集中挖掘出特征的最大频繁项集，包括：

记录所述待分析的样本集中每个特征出现的次数；

基于预设的最小支持度，过滤掉小于最小支持度的特征；所述支持度表示特征出现的次数；

依据特征出现的次数，构建频繁模式FP树；

基于所述频繁模式FP树挖掘最大频繁项集。

3.根据权利要求1所述的方法，其特征在于，所述依据所述异常组合检测字典，检测待检测的样本集中的异常的特征组合，包括：

将所述待检测的样本集中的各个特征进行组合，得到待检测的多个特征组合项；所述待检测的多个特征组合项包括：待检测的特征字段的组合项和属性的组合项；

将每个待检测的特征字段组合项与所述异常组合检测字典中的各个特征字段组合项进行匹配；

若匹配成功，判断所述待检测的特征字段组合项对应的待检测的属性的组合项是否与相应的异常检测组合字典中的特征字段组合项对应的属性值组合项相匹配；

若匹配成功，则表示所述待检测的特征组合项为异常组合，所述异常组合包含的特征为异常样本。