[发明专利]一种异常数据检测方法、装置及计算机可读存储介质

说明书

本申请适用于数据处理技术领域，提供了一种异常数据检测方法、装置及计算机可读存储介质，所述异常数据检测方法包括：将待检测宽表输入训练后的生成对抗网络进行处理，得到第一异常数据集合；其中，训练后的生成对抗网络是利用正向样本集合对初始生成对抗网络进行训练得到；根据预设策略对第一异常数据集合和第二异常数据集合进行处理，得到目标异常数据集合；其中，第二异常数据集合是通过预先构建的无监督离群点检测模型根据待检测宽表输出得到。上述异常数据检测方法在异常样本缺失或较少的情况下，提高了对异常数据的检测准确率。

技术领域

本申请属于数据处理技术领域，尤其涉及一种异常数据检测方法、装置及计算机可读存储介质。

背景技术

通常在对企业的运营状况进行评估时，都需要对企业的财务数据进行检测，从而确定该企业的财务数据是否存在异常，例如：财务造假或严重财务风险等问题。现有的检测财务数据中是否存在异常数据的方法是，采用传统的深度学习方法对历史异常数据和历史正常数据训练判断模型，然后利用训练好的判断模型对待检测数据进行处理，当检测到待检测数据与某个历史数据很相似时，根据该历史数据是否异常确定该待检测数据是否异常。

然而，该检测方法需要大量的历史异常样本训练判断模型，当训练判断模型采集的异常样本缺失或较少时，不能对待检测数据进行准确的判断，从而不能准确检测出异常数据。由此可见，上述检测方法存在对异常数据的检测准确率较低的问题。

发明内容

本申请实施例提供了一种异常数据检测方法、装置及计算机可读存储介质，可以解决现有的检测方法在异常样本缺失或较少时，不能准确检测出异常数据，对异常数据的检测准确率较低的问题。

第一方面，本申请实施例提供了一种异常数据检测方法，包括：

将待检测宽表输入训练后的生成对抗网络进行处理，得到第一异常数据集合；其中，所述训练后的生成对抗网络是利用正向样本集合对初始生成对抗网络进行训练得到；

根据预设策略对所述第一异常数据集合和第二异常数据集合进行处理，得到目标异常数据集合；其中，所述第二异常数据集合是通过预先构建的无监督离群点检测模型根据所述待检测宽表输出得到。

进一步的，所述初始生成对抗网络包括生成模型和判别模型；

所述将待检测宽表输入训练后的生成对抗网络进行处理，得到第一异常数据集合之前，还包括：

利用所述生成模型将随机噪声处理为与所述正向样本集合中各数据相同格式的第二数据；

根据所述正向样本集合和所述第二数据对所述初始生成对抗网络进行训练，得到所述训练后的生成对抗网络。

进一步的，所述将待检测宽表输入训练后的生成对抗网络进行处理，得到第一异常数据集合，包括：

将所述待检测宽表输入所述训练后的生成对抗网络中，通过所述判别模型对所述待检测宽表进行处理，得到所述第一异常数据集合。

进一步的，所述根据预设策略对所述第一异常数据集合和第二异常数据集合进行处理，得到目标异常数据集合，包括：

根据所述预设策略对对所述第一异常数据集合和所述第二异常数据集合进行组合，得到所述目标异常数据集合。

进一步的，所述将待检测宽表输入训练后的生成对抗网络进行处理之前，还包括：

从预设数据库中获取第一原始数据；

根据数据仓库技术对所述第一原始数据进行数据预处理，得到所述待检测宽表。

进一步的，所述将待检测宽表输入训练后的生成对抗网络进行处理之前，还包括：

从预设数据库中获取第二原始数据；