[发明专利]检测模型训练、数据检测方法、装置、设备及存储介质

说明书

本发明实施例公开了一种检测模型训练、数据检测方法、装置、设备及存储介质，其中，检测模型训练方法包括：根据历史目标样本数据构建多维度综合画像样本数据；根据GAN生成器生成伪目标样本数据；将所述多维度综合画像样本数据和所述多维度综合画像样本数据作为训练数据输入至GAN判别器，以对基于GAN网络的检测模型进行训练。本发明实施例的技术方案能够提高检测模型的训练效率，降低模型训练所使用的计算资源，并提高检测模型的准确率，进而提高数据检测的效率和准确率。

技术领域

本发明实施例涉及数据处理技术领域，尤其涉及一种检测模型训练、数据检测方法、装置、设备及存储介质。

背景技术

随着大数据的快速发展，为了提高数据处理效率，保证数据处理的质量，通常需要对数据进行检测。例如，可以检测数据中的异常数据，如从互联网数据中检测黑名单数据，或检测数据中所需的特定数据类型等，如从图像数据中检测人脸数据或等。

目前，检测数据包括两种主要检测方案，第一种通过人为检测，如人为肉眼核验由平台推送过来的交易数据是否合理。第二种为通过网络模型自动检测。近年来，机器学习发展迅速，广泛应用于多个领域。机器学习的核心思想是使得网络模型能够提取出训练集数据样本的统计特性，从而将输入给网络的对象按照差异性进行分类，在数据检测领域应用也较为广泛。

发明人在实现本发明的过程中，发现现有技术存在如下缺陷：人为检测的方式难以满足大数据的检测需求，当检测数据量较大时，仅凭肉眼核验是不现实的，数据检测效率极低。通过网络模型自动检测时，往往直接将样本数据作为训练数据训练网络模型，或仅对样本数据进行简单的预处理操作，这种模型训练方式会耗费大量时间和计算资源，导致模型训练效率低且模型准确率较低，进而导致数据检测效果不理想。

发明内容

本发明实施例提供一种检测模型训练、数据检测方法、装置、设备及存储介质，能够提高检测模型的训练效率，降低模型训练所使用的计算资源，并提高检测模型的准确率，进而提高数据检测的效率和准确率。

根据本发明的一方面，提供了一种检测模型训练方法，包括：

根据历史目标样本数据构建多维度综合画像样本数据；

根据GAN(Generative Adversarial Network，生成式对抗网络)生成器生成伪目标样本数据；

将所述多维度综合画像样本数据和所述多维度综合画像样本数据作为训练数据输入至GAN判别器，以对基于GAN网络的检测模型进行训练。

根据本发明的另一方面，提供了一种数据检测方法，包括：

获取待检测数据；

将所述待检测数据输入至基于GAN网络的检测模型中进行目标数据的检测；

其中，所述基于GAN网络的检测模型通过上述任一所述的检测模型训练方法训练得到。

根据本发明的另一方面，提供了一种检测模型训练装置，包括：

综合画像样本数据构建模块，用于根据历史目标样本数据构建多维度综合画像样本数据；

伪目标样本数据生成模块，用于根据GAN生成器生成伪目标样本数据；

检测模型训练模块，用于将所述多维度综合画像样本数据和所述多维度综合画像样本数据作为训练数据输入至GAN判别器，以对基于GAN网络的检测模型进行训练。

根据本发明的另一方面，提供了一种数据检测装置，包括：

待检测数据获取模块，用于获取待检测数据；

目标数据检测模块，用于将所述待检测数据输入至基于GAN网络的检测模型中进行目标数据的检测；