[发明专利]数据类型的确定方法和装置、存储介质及电子装置

权利要求书

1.一种数据类型的确定方法，其特征在于，包括：

获取待处理数据的第一目标序列数据，其中，所述第一目标序列数据是从所述待处理数据中按照时间序列提取的多个维度的序列数据；

将所述第一目标序列数据输入预先训练好的对抗网络模型中，得到所述对抗网络模型输出的所述待处理数据属于正常类型的目标概率，其中，所述对抗网络模型用于将所述第一目标序列数据进行重构，得到第二目标序列数据，并根据所述第一目标序列数据与所述第二目标序列数据之间的重构误差确定所述目标概率，所述目标概率与所述重构误差负相关，所述对抗网络模型是基于所述正常类型的训练数据进行训练得到的模型，所述对抗网络模型用于在输入数据为所述正常类型的数据时输出的所述输入数据为正常类型的概率大于或等于预设阈值；

在所述目标概率大于或等于预设阈值的情况下，确定所述待处理数据属于所述正常类型；在所述目标概率小于所述预设阈值的情况下，确定所述待处理数据不属于所述正常类型。

2.根据权利要求1所述的方法，其特征在于，所述将所述第一目标序列数据输入预先训练好的对抗网络模型中，得到所述对抗网络模型输出的所述待处理数据属于正常类型的目标概率，包括：

将所述第一目标序列数据输入预先训练好的第一目标生成器中，所述第一目标生成器用于将所述第一目标序列数据进行重构，得到所述第二目标序列数据；

将所述第一目标序列数据与所述第二目标序列数据输入到预先训练好的第一目标判别器中，得到所述第一目标判别器根据重构误差输出的所述目标概率，其中，所述对抗网络模型包括所述第一目标生成器和所述第一目标判别器。

3.根据权利要求2所述的方法，其特征在于，在获取所述待处理数据的第一目标序列数据之前，所述方法还包括：

获取属于所述正常类型的训练数据的第一序列数据，其中，所述第一序列数据是从所述训练数据中按照时间序列提取的多个维度的时间序列数据；

根据所述第一序列数据对第一初始生成器进行训练，得到所述第一目标生成器，其中，所述第一序列数据为所述第一初始生成器的输入，所述第一初始生成器用于对所述第一序列数据进行重构，得到第二序列数据，所述第二序列数据与所述第一序列数据之间的第一损失函数满足第一预定收敛条件；

根据所述第一序列数据与所述第二序列数据对第一初始判别器进行训练，得到第一目标判别器，其中，所述第一序列数据与所述第二序列数据为所述第一初始判别器的输入，所述第一初始判别器输出所述训练数据属于所述正常类型的概率，所述第一目标生成器基于所述第一序列数据、所述第二序列数据所输出的预估的所述训练数据属于正常类型的概率的第二损失函数满足第二预定收敛条件。

4.根据权利要求3所述的方法，其特征在于，根据所述第一序列数据对第一初始生成器进行训练，得到所述第一目标生成器包括：

对所述第一序列数据进行编码处理，得到所述训练数据的第一隐向量，其中，所述第一隐向量为所述第一序列数据编码处理后的向量；

对所述第一隐向量进行解码处理，得到所述第二序列数据。

5.根据权利要求3所述的方法，其特征在于，根据所述第一序列数据与所述第二序列数据对第一初始判别器进行训练，得到第一目标判别器包括：

将所述第二序列数据与所述第一序列数据进行对比，得到所述训练数据的第一重构误差；

将所述第一重构误差、所述第一损失函数以及所述第二损失函数之和确定为第一目标总误差，在所述第一目标总误差满足第三预定收敛条件的情况下，完成对所述第一初始生成器与所述第一初始判别器的训练，分别得到所述第一目标生成器与所述第一目标判别器。