[发明专利]训练数据生成方法、装置、计算机设备和存储介质

说明书

本申请涉及一种训练数据生成方法、装置、计算机设备和存储介质。本申请涉及信息安全及人工智能技术领域。方法包括：获取初始业务数据集；根据预设的补充策略，对各初始业务数据进行补充处理，并对补充处理后的初始业务数据进行数据清洗处理，得到各业务数据；对各业务数据进行聚类处理，得到各业务数据组，并从各业务数据组中，筛选满足预设聚类条件的业务数据组为初始目标训练组；从各初始目标训练组中，抽取多个业务数据，作为初始目标训练数据，并对每个初始目标训练数据进行数据拆分重组处理，得到各目标训练数据，目标训练数据用于训练人工智能模型。采用本方法能够减少生成的业务数据中的攻击数据。

技术领域

本申请涉及信息安全技术领域，特别是涉及一种训练数据生成方法、装置、计算机设备、存储介质和计算机程序产品。

背景技术

随着金融业发展，金融业需要各种的人工智能模型来辅助金融业数据处理，但是在训练人工智能模型的过程中，往往会受到异常客户端的攻击数据的破坏，从而导致人工智能模型受到攻击无法正常运行，因此如何防御攻击数据是当前研究的重点。

传统攻击数据的防御方式是通过在数据层面上对所有业务数据进行数据分割和重构，从而降低潜在的攻击数据对业务数据集的影响。但是通过上述方法无法直接剔除攻击数据，并且，对大量正常数据以及大量异常数据同时进行数据分割并重组，可能会大量破坏原正常数据的数据性，使得大量的原正常数据出现数据异常的情况，从而导致无法训练人工智能模型。

发明内容

基于此，有必要针对上述技术问题，提供一种训练数据生成方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

第一方面，本申请提供了一种训练数据生成方法。所述方法包括：

获取初始业务数据集；所述初始业务数据集包括多个初始业务数据；

根据预设的补充策略，对各所述初始业务数据进行补充处理，并对补充处理后的初始业务数据进行数据清洗处理，得到各业务数据；

对各所述业务数据进行聚类处理，得到各业务数据组，并从各所述业务数据组中，筛选满足预设聚类条件的业务数据组为初始目标训练组；

从各所述初始目标训练组中，抽取多个业务数据，作为初始目标训练数据，并对每个初始目标训练数据进行数据拆分重组处理，得到各目标训练数据，所述目标训练数据用于训练人工智能模型。

可选的，所述根据预设的补充策略，对各所述初始业务数据进行补充处理，并对补充处理后的初始业务数据进行数据清洗处理，得到各业务数据，包括：

识别每个初始业务数据的数据属性、以及各所述初始业务数据中存在空缺数据的第一异常初始业务数据，并根据每个第一异常初始业务数据的相同数据属性的各其他数据，补充每个第一异常初始业务数据的空缺数据，得到各第一业务数据；

通过异常数据检测策略，识别各所述第一业务数据中的第二异常数据，并删除所述第二异常数据，得到各第二业务数据；

对各所述第二业务数据进行排序，得到各所述初始业务数据的数据序列，并基于所述数据序列，对各所述初始业务数据进行均分平滑处理，得到各业务数据。

可选的，所述初始业务数据的数据属性包括数值属性和非数值属性；所述根据每个第一异常初始业务数据的相同数据属性的各其他数据，补充每个第一异常初始业务数据的空缺数据，包括：

针对每个第一异常初始业务数据，在各所述初始业务数据中，选择除所有第一异常初始业务数据之外的，与所述第一异常初始业务数据的数据属性相同的第一初始业务数据，并根据所述第一异常初始业务数据的空缺数据，在每个第一初始业务数据中，选择与所述空缺数据对应的各待补充数据；

在所述第一异常初始业务数据的数据属性为数值属性的情况下，将各所述待补充数据进行平均处理，得到补充数据，并将所述补充数据补充至所述第一异常初始业务数据；