[发明专利]设备使用异常判定方法、装置以及计算机存储介质在审
| 申请号： | 201910142855.0 | 申请日： | 2019-02-26 |
| 公开（公告）号： | CN109976934A | 公开（公告）日： | 2019-07-05 |
| 发明（设计）人： | 王志省;阮崇航;顾少丰 | 申请（专利权）人： | 上海拍拍贷金融信息服务有限公司 |
| 主分类号： | G06F11/07 | 分类号： | G06F11/07 |
| 代理公司： | 北京集佳知识产权代理有限公司 11227 | 代理人： | 李笑笑;吴敏 |
| 地址： | 200120 上海市浦东新区中国（*** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 用户标记 异常检测 计算机存储介质 设备使用 数据对应 异常判定 判定 数据计算结果 数学模型计算 经济成本 人工监控 时间成本 无人监控 异常设备 用户标准 | ||
1.一种设备使用异常判定方法，其特征在于，包括：
获取用户标记数据；
将所述用户标记数据输入异常检测数学模型，获取各个用户标记数据对应的异常检测评分；
将异常检测评分与用户标准阈值进行比较，确定异常的用户标记数据；
将所述异常的用户标记数据对应的设备判定为使用异常设备。
2.根据权利要求1所述的设备使用异常判定方法，其特征在于，所述将所述用户标记数据输入异常检测数学模型，获取各个用户标记数据对应的异常检测评分，包括：
将所述用户标记数据输入异常检测分类数学模型，所述异常检测分类数学模型将用户标记数据进行类别划分；
将各个类别内的用户标记数据分别输入异常检测评分数学模型，所述异常检测评分数学模型计算各个类别的用户标记数据的异常检测评分。
3.根据权利要求2所述的设备使用异常判定方法，其特征在于，所述异常检测分类数学模型为knn算法构建的数学模型。
4.根据权利要求2所述的设备使用异常判定方法，其特征在于，所述异常检测评分数学模型为iforest算法构建的数学模型。
5.根据权利要求1所述的设备使用异常判定方法，其特征在于，所述将异常检测评分与用户标准阈值进行比较，确定异常的用户标记数据，包括：
将异常检测评分高于所述用户标准阈值的用户标记数据确定为异常的用户标记数据。
6.根据权利要求1所述的设备使用异常判定方法，其特征在于，所述将所述异常的用户标记数据对应的设备判定为使用异常设备，包括：
若选定设备对应的异常的用户标记数据的数量高于其他设备对应的异常的用户标记数据的平均数量，判定所述选定设备为使用异常设备。
7.根据权利要求1～6任一项所述的设备使用异常判定方法，其特征在于，所述用户标记数据包括以下至少一种：设备使用时长、商品种类、商品购买金额、商品购买历史。
8.一种设备使用异常判定装置，其特征在于，包括：
获取单元，用于获取用户标记数据；
计算单元，用于将所述用户标记数据输入异常检测数学模型，获取各个用户标记数据对应的异常检测评分；
比较单元，用于将异常检测评分与用户标准阈值进行比较，确定异常的用户标记数据；
判定单元，用于将所述异常的用户标记数据对应的设备判定为使用异常设备。
9.根据权利要求8所述的设备使用异常判定装置，其特征在于，所述计算单元，还用于将所述用户标记数据输入异常检测分类数学模型，所述异常检测分类数学模型将用户标记数据进行类别划分；
将各个类别内的用户标记数据分别输入异常检测评分数学模型，所述异常检测评分数学模型计算各个类别的用户标记数据的异常检测评分。
10.根据权利要求9所述的设备使用异常判定装置，其特征在于，所述异常检测分类数学模型为knn算法构建的数学模型。
11.根据权利要求9所述的设备使用异常判定装置，其特征在于，所述异常检测评分数学模型为iforest算法构建的数学模型。
12.根据权利要求8所述的设备使用异常判定装置，其特征在于，所述比较单元，还用于将异常检测评分高于所述用户标准阈值的用户标记数据确定为异常的用户标记数据。
13.根据权利要求8所述的设备使用异常判定装置，其特征在于，所述判定单元，还用于若选定设备对应的异常的用户标记数据的数量高于其他设备对应的异常的用户标记数据的平均数量，判定所述选定设备为使用异常设备。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于上海拍拍贷金融信息服务有限公司，未经上海拍拍贷金融信息服务有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201910142855.0/1.html，转载请声明来源钻瓜专利网。
