JP2023517338A - 異常行為検出方法、装置、電子機器及びコンピュータプログラム - Google Patents
異常行為検出方法、装置、電子機器及びコンピュータプログラム Download PDFInfo
- Publication number
- JP2023517338A JP2023517338A JP2022554811A JP2022554811A JP2023517338A JP 2023517338 A JP2023517338 A JP 2023517338A JP 2022554811 A JP2022554811 A JP 2022554811A JP 2022554811 A JP2022554811 A JP 2022554811A JP 2023517338 A JP2023517338 A JP 2023517338A
- Authority
- JP
- Japan
- Prior art keywords
- target
- sub
- model
- detection
- abnormal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 320
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 96
- 238000004590 computer program Methods 0.000 title claims abstract description 11
- 230000009471 action Effects 0.000 claims abstract description 105
- 206010000117 Abnormal behaviour Diseases 0.000 claims abstract description 66
- 238000000034 method Methods 0.000 claims abstract description 53
- 230000002547 anomalous effect Effects 0.000 claims abstract description 23
- 230000006399 behavior Effects 0.000 claims description 73
- 238000006243 chemical reaction Methods 0.000 claims description 14
- 230000001186 cumulative effect Effects 0.000 claims description 2
- 230000003542 behavioural effect Effects 0.000 claims 1
- 238000009826 distribution Methods 0.000 description 41
- 230000008569 process Effects 0.000 description 32
- 238000012545 processing Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 7
- 230000005856 abnormality Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000009466 transformation Effects 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 4
- 230000000903 blocking effect Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004883 computer application Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000013515 script Methods 0.000 description 1
- 230000001568 sexual effect Effects 0.000 description 1
- 238000011524 similarity measure Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/535—Tracking the activity of the user
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/38—Payment protocols; Details thereof
- G06Q20/382—Payment protocols; Details thereof insuring higher security of transaction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/38—Payment protocols; Details thereof
- G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
- G06Q20/401—Transaction verification
- G06Q20/4016—Transaction verification involving fraud or risk level assessment in transaction processing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Security & Cryptography (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Hardware Design (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Probability & Statistics with Applications (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Algebra (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Debugging And Monitoring (AREA)
- Alarm Systems (AREA)
- Image Analysis (AREA)
Abstract
Description
検出待ち行為情報を取得し、前記検出待ち行為情報は第一目標対象(target object)、第二目標対象及び目標データ量を含み;
第一所定対象モデルのうちから、前記第一目標対象に対応する第一目標サブモデルを取得し;
所定モデルパラメータに基づいて、前記第一目標サブモデルのうちから異常データ量を決定し、前記目標データ量と前記異常データ量との対比(比較)結果に基づいて、前記検出待ち行為情報に対応する第一検出結果を決定し;
第二所定対象モデルのうちから、前記第二目標対象に対応し、かつ前記第一目標サブモデルとの類似度が最も高い第二目標サブモデルを取得し;
前記第二目標サブモデルに対応する目標最大データ量を取得し、前記目標データ量と前記目標最大データ量との対比結果に基づいて、前記検出待ち行為情報に対応する第二検出結果を決定し;及び
前記第一検出結果及び前記第二検出結果に基づいて、前記検出待ち行為情報の目標検出結果を決定するステップを含む。
検出待ち行為情報を取得するように構成される情報取得モジュールであって、前記検出待ち行為情報は第一目標対象、第二目標対象及び目標データ量を含む、情報取得モジュール;
第一所定対象モデルのうちから、前記第一目標対象に対応する第一目標サブモデルを取得するように構成される第一検出モジュールであって、前記第一検出モデルはさらに、所定モデルパラメータに基づいて、前記第一目標サブモデルのうちから異常データ量を決定し、前記目標データ量と前記異常データ量との対比結果に基づいて、前記検出待ち行為情報に対応する第一検出結果を決定するように構成される、第一検出モジュール;
第二所定対象モデルのうちから、前記第二目標対象に対応し、かつ前記第一目標サブモデルとの類似度が最も高い第二目標サブモデルを取得するように構成される第二検出モジュールであって、前記第二検出モデルはさらに、前記第二目標サブモデルに対応する目標最大データ量を取得し、前記目標データ量と前記目標最大データ量との対比結果に基づいて、前記検出待ち行為情報に対応する第二検出結果を決定するように構成される、第二検出モジュール;及び
前記第一検出結果及び前記第二検出結果に基づいて、前記検出待ち行為情報の目標検出結果を決定するように構成される、結果決定モジュールを含む。
実行可能な命令(コンピュータプログラム)を記憶している記憶器;及び
前記記憶器に接続される処理器を含み、
前記処理器は、前記記憶器に記憶されている実行可能な命令を実行するときに、本出願の実施例により提供される異常行為検出方法を実現するように構成される。
ネットワーク通信モジュール452:1つ又は複数の(有線又は無線)ネットワークインターフェース420を経由して他の計算装置に至るために用いられ、例示的なネットワークインターフェース420はブルートゥース、Wi-Fi、ユニバーサルシリアルバス(USB、Universal Serial Bus)などを含み;
表示モジュール453:ユーザインターフェース430に関連付けられる1つ又は複数の出力装置431(例えば、表示パネル、スピーカーなど)により情報を表示するために用いられ(例えば、周辺機器を操作し、内容及び情報を表示するためのユーザインターフェースである);
入力処理モジュール454:1つ又は複数の入力装置432のうちの1つからの1つ又は複数のユーザによる入力又はインタラクションに対して検出を行い、検出した入力又はインタラクションを処理(例えば、翻訳)するために用いられる。
表2に示す決定マトリックスから容易に分かるように、販売者側で支払い注文が異常支払いであることを表し、かつユーザ側で支払い注文も異常支払いであることを表すときに、支払い注文が異常支払いであると決定し;販売者側で支払い注文が異常支払いであることを表し、かつユーザ側で支払い注文が正常支払いであることを表すときに、支払い注文が疑似異常支払いであると決定し、このときに、実際の状況に応じて支払い注文の異常性を決定し、即ち、実際の状況に応じて支払い注文が正常であると見なしても良く、支払い注文が異常であると見なしても良く;販売者側で支払い注文が正常支払いであることを表し、かつユーザ側で支払い注文が異常支払いであることを表すときに、支払い注文が疑似異常支払いであると決定し、このときに、実際の状況に応じて支払い注文の異常性を決定し、即ち、実際の状況に応じて支払い注文が正常であると決定しても良く、支払い注文が異常であると決定しても良く;販売者側で支払い注文が正常支払いであることを表し、かつユーザ側で支払い注文も正常支払いであることを表すときに、支払い注文が正常支払いであると決定する。
第一検出モジュール4552:第一所定対象モデルのうちから、前記第一目標対象に対応する第一目標サブモデルを取得するように構成され、また、前記第一検出モデル4552はさらに、所定モデルパラメータに基づいて、前記第一目標サブモデルのうちから異常データ量を決定し、前記目標データ量と前記異常データ量との対比結果に基づいて、前記検出待ち行為情報に対応する第一検出結果を決定するように構成され;
第二検出モジュール4553:第二所定対象モデルのうちから、前記第二目標対象に対応し、かつ前記第一目標サブモデルとの類似度が最も高い第二目標サブモデルを取得するように構成され、また、前記第二検出モデル4553はさらに、前記第二目標サブモデルに対応する目標最大データ量を取得し、前記目標データ量と前記目標最大データ量との対比結果に基づいて、前記検出待ち行為情報に対応する第二検出結果を決定するように構成され;
結果決定モジュール4554:前記第一検出結果及び前記第二検出結果に基づいて、前記検出待ち行為情報の目標検出結果を決定するように構成される。
Claims (15)
- 電子機器が実行する異常行為検出方法であって、
検出待ち行為情報を取得するステップであって、前記検出待ち行為情報は第一目標対象、第二目標対象及び目標データ量を含む、ステップ;
第一所定対象モデルのうちから、前記第一目標対象に対応する第一目標サブモデルを取得するステップ;
所定モデルパラメータに基づいて、前記第一目標サブモデルのうちから異常データ量を決定し、前記目標データ量と前記異常データ量との対比結果に基づいて、前記検出待ち行為情報に対応する第一検出結果を決定するステップ;
第二所定対象モデルのうちから、前記第二目標対象に対応し、かつ前記第一目標サブモデルとの類似度が最も高い第二目標サブモデルを取得するステップ;
前記第二目標サブモデルに対応する目標最大データ量を取得し、前記目標データ量と前記目標最大データ量との対比結果に基づいて、前記検出待ち行為情報に対応する第二検出結果を決定するステップ;及び
前記第一検出結果及び前記第二検出結果に基づいて、前記検出待ち行為情報の目標検出結果を決定するステップを含む、異常行為検出方法。 - 請求項1に記載の異常行為検出方法であって、
前記第一所定対象モデルのうちから、前記第一目標対象に対応する第一目標サブモデルを取得するステップの前に、前記方法はさらに、
行為情報サンプルを取得するステップ;
第一所定対象類型に基づいて前記行為情報サンプルに対してクラスタリングを行い、各第一対象に対応するデータ量集合を取得し、前記データ量集合に基づいて、各前記第一対象に対応する第一サブモデルを構築し、構築した各前記第一対象に対応する各前記第一サブモデルを前記第一所定対象モデルと決定するステップ;
第二所定対象類型に基づいて前記行為情報サンプルに対してクラスタリングを行い、各第二対象に対応する第一対象集合及び最大データ量を取得するステップ;
前記第一対象集合をトラバースし、トラバースした前記第一対象に対応する前記第一サブモデルに基づいて、少なくとも1つの第二対象サブモデルを構築するステップ;及び
少なくとも1つの前記第二対象サブモデルと前記最大データ量とを、各前記第二対象に対応する第二サブモデルとして組み合わせ、組み合わせた各前記第二対象に対応する各前記第二サブモデルを前記第二所定対象モデルと決定するステップを含む、異常行為検出方法。 - 請求項2に記載の異常行為検出方法であって、
前記データ量集合に基づいて、各前記第一対象に対応する第一サブモデルを構築することは、
前記データ量集合内の各データ量に対応するデータ量範囲を得るステップ;
前記データ量範囲に対してセグメント分けを行い、複数の目標セグメントを得るステップ;
前記データ量集合のうちから、複数の前記目標セグメントのうちの各前記目標セグメントに属するデータ量に対応する目標数をカウントするステップ;
前記目標数と、前記データ量集合に対応する集合元素数との比の値を、各前記目標セグメントに対応する確率の値と決定するステップ;及び
決定した複数の前記目標セグメントに対応する複数の前記確率の値を、各前記第一対象に対応する前記第一サブモデルと決定するステップを含む、異常行為検出方法。 - 請求項3に記載の異常行為検出方法であって、
前記データ量集合内の各データ量に対応するデータ量範囲を得るステップは、
前記データ量集合内の各前記データ量に対して変換を行い、変換後のデータ量集合を得るステップ;及び
前記変換後のデータ量集合内の各変換後のデータ量に対応する範囲を前記データ量範囲と決定するステップを含み、
前記データ量集合のうちから、複数の前記目標セグメントのうちの各前記目標セグメントに属するデータ量に対応する目標数をカウントするステップは、
前記変換後のデータ量集合のうちから、複数の前記目標セグメントのうちの各前記目標セグメントに属する変換後のデータ量に対応する前記目標数をカウントするステップを含む、異常行為検出方法。 - 請求項2乃至4のうちの何れか1項に記載の異常行為検出方法であって、
前記第一対象集合をトラバースし、トラバースした前記第一対象に対応する前記第一サブモデルに基づいて、少なくとも1つの第二対象サブモデルを構築するステップは、
前記第一対象集合をトラバースし、トラバースした1番目の前記第一対象に対応する前記第一サブモデルを現在のサブモデルと決定し、前記現在のサブモデルを含む1番目の現在のサブモデル集合を構築するステップ;
トラバースしたi番目の前記第一対象に対応する前記第一サブモデルと、i-1番目の現在のサブモデル集合内の各前記現在のサブモデルのそれぞれとの対比を行い、類似サブモデルを得るステップであって、2<i≦Iであり、iは値が逓増する正整数型変数であり、Iは前記第一対象集合内の第一対象の数である、ステップ;
i番目の前記第一対象に対応する前記第一サブモデルと、前記類似サブモデルとの間の類似度が第一所定類似度よりも大きいときに、i番目の前記第一対象に対応する前記第一サブモデルと、前記類似サブモデルとを合併して合併後のサブモデルを取得し、前記合併後のサブモデルで前記i-1番目の現在のサブモデル集合内の前記類似サブモデルを置換してi番目の現在のサブモデル集合を得るステップ;
i番目の前記第一対象に対応する前記第一サブモデルと、前記類似サブモデルとの間の類似度が前記第一所定類似度以下のときに、i番目の前記第一対象に対応する前記第一サブモデルを前記i-1番目の現在のサブモデル集合に插入してi番目の現在のサブモデル集合を得るステップ;及び
I番目の現在のサブモデル集合を少なくとも1つの前記第二対象サブモデルと決定するステップを含む、異常行為検出方法。 - 請求項5に記載の異常行為検出方法であって、
トラバースしたi番目の前記第一対象に対応する前記第一サブモデルと、i-1番目の現在のサブモデル集合内の各前記現在のサブモデルのそれぞれとの対比を行い、類似サブモデルを得るステップは、
トラバースしたi番目の前記第一対象に対応する前記第一サブモデルのうちから、複数の目標セグメントに対応する複数の第一目標確率の値を得るステップ;
前記i-1番目の現在のサブモデル集合内の各前記現在のサブモデルのうちから、複数の前記目標セグメントに対応する複数の第二目標確率の値を得るステップ;
複数の前記第一目標確率の値と、複数の前記第二目標確率の値とを一対一対応して対比し、複数の最小確率の値を取得し、複数の前記最小確率の値の累積合計を、i番目の前記第一対象に対応する前記第一サブモデルと、各前記現在のサブモデルとの類似度と決定するステップ;及び
決定した、前記i-1番目の現在のサブモデル集合に対応する少なくとも1つの前記類似度のうちから、最高の類似度を選択し、前記i-1番目の現在のサブモデル集合において前記最高の類似度に対応する前記現在のサブモデルを、前記類似サブモデルと決定するステップを含む、異常行為検出方法。 - 請求項5に記載の異常行為検出方法であって、
i番目の前記第一対象に対応する前記第一サブモデルと、前記類似サブモデルとを合併して併後のサブモデルを取得することは、
i番目の前記第一対象に対応する前記第一サブモデルのうちから、複数の目標セグメントに対応する複数の第一目標確率の値を得るステップ;
前記類似サブモデルのうちから、複数の前記目標セグメントに対応する複数の合併待ち確率の値を得るステップ;
複数の前記第一目標確率の値と、複数の前記合併待ち確率の値とを一対一対応して対比し、複数の最大確率の値を得るステップ;及び
複数の前記目標セグメントと、複数の前記最大確率の値とを組み合わせて前記合併後のサブモデルを得るステップを含む、異常行為検出方法。 - 請求項1乃至4のうちの何れか1項に記載の異常行為検出方法であって、
前記第二所定対象モデルのうちから、前記第二目標対象に対応し、かつ前記第一目標サブモデルとの類似度が最も高い第二目標サブモデルを取得するステップは、
前記第二所定対象モデルのうちから、前記第二目標対象に対応する少なくとも1つの目標第二対象サブモデルを得るステップ;
前記第一目標サブモデルと、少なくとも1つの前記目標第二対象サブモデルのそれぞれとの少なくとも1つの目標類似度を得るステップ;
少なくとも1つの前記目標類似度のうちから最高の目標類似度を得るステップ;及び
少なくとも1つの前記目標第二対象サブモデルのうちから、前記最高の目標類似度に対応する目標第二対象サブモデルを前記第二目標サブモデルと決定するステップを含む、異常行為検出方法。 - 請求項8に記載の異常行為検出方法であって、
前記第二目標サブモデルに対応する目標最大データ量を取得することは、
前記最高の目標類似度が第二所定類似度よりも大きいときに、前記第二所定対象モデルにおいて前記第二目標対象に対応する最大データ量を、前記第二目標サブモデルに対応する前記目標最大データ量と決定するステップ;及び
前記最高の目標類似度が前記第二所定類似度以下のときに、所定データ量を前記第二目標サブモデルに対応する前記目標最大数と決定するステップを含む、異常行為検出方法。 - 請求項1乃至4のうちの何れか1項に記載の異常行為検出方法であって、
前記目標データ量と前記異常データ量との対比結果に基づいて、前記検出待ち行為情報に対応する第一検出結果を決定するステップは、
前記目標データ量が前記異常データ量よりも大きいときに、前記検出待ち行為情報が前記第一目標対象に関して異常であると決定するステップであって、前記第一検出結果は前記検出待ち行為情報が前記第一目標対象に関して異常であることである、ステップ;及び
前記目標データ量が前記異常データ量以下のときに、前記検出待ち行為情報が前記第一目標対象に関して正常であると決定するステップであって、前記第一検出結果は前記検出待ち行為情報が前記第一目標対象に関して正常であることである、ステップを含む、異常行為検出方法。 - 請求項1乃至4のうちの何れか1項に記載の異常行為検出方法であって、
前記目標データ量と前記目標最大データ量との対比結果に基づいて、前記検出待ち行為情報に対応する第二検出結果を決定するステップは、
前記目標データ量が前記目標最大データ量よりも大きいときに、前記検出待ち行為情報が前記第二目標対象に関して異常であると決定するステップであって、前記第二検出結果は前記検出待ち行為情報が前記第二目標対象に関して異常であることである、ステップ;及び
前記目標データ量が前記目標最大データ量以下のときに、前記検出待ち行為情報が前記第二目標対象に関して正常であると決定するステップであって、前記第二検出結果は前記検出待ち行為情報が前記第二目標対象に関して正常であることである、ステップを含む、異常行為検出方法。 - 請求項1乃至4のうちの何れか1項に記載の異常行為検出方法であって、
前記第一検出結果及び前記第二検出結果に基づいて、前記検出待ち行為情報の目標検出結果を決定するステップは、
前記第一検出結果が「前記検出待ち行為情報が前記第一目標対象に関して異常である」であり、かつ前記第二検出結果が「前記検出待ち行為情報が前記第二目標対象に関して異常である」であるときに、前記検出待ち行為情報が異常であることを含む前記目標検出結果を決定するステップ;
前記第一検出結果が「前記検出待ち行為情報が前記第一目標対象に関して正常である」であり、かつ前記第二検出結果が「前記検出待ち行為情報が前記第二目標対象に関して異常である」であるときに、前記検出待ち行為情報が異常であることを含む前記目標検出結果を決定するステップ;
前記第一検出結果が「前記検出待ち行為情報が前記第一目標対象に関して正常である」であり、かつ前記第二検出結果が「前記検出待ち行為情報が前記第二目標対象に関して正常である」であるときに、前記検出待ち行為情報が正常であることを含む前記目標検出結果を決定するステップ;及び
前記第一検出結果が「前記検出待ち行為情報が前記第一目標対象に関して異常である」であり、かつ前記第二検出結果が「前記検出待ち行為情報が前記第二目標対象に関して正常である」であるときに、前記検出待ち行為情報が正常であることを含む前記目標検出結果を決定するステップを含む、異常行為検出方法。 - 異常行為検出装置であって、
情報取得モジュール、第一検出モジュール、第二検出モジュール及び結果決定モジュールを含み、
前記情報取得モジュールは、検出待ち行為情報を取得するように構成され、前記検出待ち行為情報は第一目標対象、第二目標対象及び目標データ量を含み、
前記第一検出モジュールは、第一所定対象モデルのうちから、前記第一目標対象に対応する第一目標サブモデルを取得するように構成され、
前記第一検出モジュールはさらに、所定モデルパラメータに基づいて、前記第一目標サブモデルのうちから異常データ量を決定し、前記目標データ量と前記異常データ量との対比結果に基づいて、前記検出待ち行為情報に対応する第一検出結果を決定するように構成され、
前記第二検出モジュールは、第二所定対象モデルのうちから、前記第二目標対象に対応し、かつ前記第一目標サブモデルとの類似度が最も高い第二目標サブモデルを取得するように構成され、
前記第二検出モジュールはさらに、前記第二目標サブモデルに対応する目標最大データ量を取得し、前記目標データ量と前記目標最大データ量との対比結果に基づいて、前記検出待ち行為情報に対応する第二検出結果を決定するように構成され、
前記結果決定モジュールは、前記第一検出結果及び前記第二検出結果に基づいて、前記検出待ち行為情報の目標検出結果を決定するように構成される、異常行為検出装置。 - 異常行為検出機器であって、
コンピュータプログラムを記憶している記憶器と、
前記記憶器に接続される処理器と、を含み、
前記処理器は、前記コンピュータプログラムを実行することで、請求項1乃至12のうちの何れか1項に記載の異常行為検出方法を実現するように構成される、異常行為検出機器。 - コンピュータに、請求項1乃至12のうちの何れか1項に記載の異常行為検出方法を実行させるためのプログラム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010840924.8 | 2020-08-20 | ||
CN202010840924.8A CN114078008A (zh) | 2020-08-20 | 2020-08-20 | 异常行为检测方法、装置、设备及计算机可读存储介质 |
PCT/CN2021/104999 WO2022037299A1 (zh) | 2020-08-20 | 2021-07-07 | 异常行为检测方法、装置、电子设备及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2023517338A true JP2023517338A (ja) | 2023-04-25 |
JP7430816B2 JP7430816B2 (ja) | 2024-02-13 |
Family
ID=80282949
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022554811A Active JP7430816B2 (ja) | 2020-08-20 | 2021-07-07 | 異常行為検出方法、装置、電子機器及びコンピュータプログラム |
Country Status (5)
Country | Link |
---|---|
US (1) | US20230004979A1 (ja) |
EP (1) | EP4120167A4 (ja) |
JP (1) | JP7430816B2 (ja) |
CN (1) | CN114078008A (ja) |
WO (1) | WO2022037299A1 (ja) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116192538B (zh) * | 2023-04-28 | 2023-07-11 | 北京源堡科技有限公司 | 基于机器学习的网络安全评估方法、装置、设备及介质 |
CN116451139B (zh) * | 2023-06-16 | 2023-09-01 | 杭州新航互动科技有限公司 | 一种基于人工智能的直播数据快速分析方法 |
CN117687859B (zh) * | 2024-01-31 | 2024-04-12 | 苏州元脑智能科技有限公司 | PCIe设备的异常检测设备、系统、服务器、方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019082820A (ja) * | 2017-10-30 | 2019-05-30 | みずほ情報総研株式会社 | 不正検知システム、不正検知方法及び不正検知プログラム |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6430539B1 (en) * | 1999-05-06 | 2002-08-06 | Hnc Software | Predictive modeling of consumer financial behavior |
US7962435B2 (en) * | 2008-02-20 | 2011-06-14 | Panasonic Corporation | System architecture and process for seamless adaptation to context aware behavior models |
CN103559420B (zh) * | 2013-11-20 | 2016-09-28 | 苏州大学 | 一种异常检测训练集的构建方法及装置 |
US10896421B2 (en) * | 2014-04-02 | 2021-01-19 | Brighterion, Inc. | Smart retail analytics and commercial messaging |
CN105843947B (zh) * | 2016-04-08 | 2019-03-05 | 华南师范大学 | 基于大数据关联规则挖掘的异常行为检测方法和系统 |
US10896424B2 (en) * | 2017-10-26 | 2021-01-19 | Mastercard International Incorporated | Systems and methods for detecting out-of-pattern transactions |
TWI710922B (zh) * | 2018-10-29 | 2020-11-21 | 安碁資訊股份有限公司 | 行為標記模型訓練系統及方法 |
-
2020
- 2020-08-20 CN CN202010840924.8A patent/CN114078008A/zh active Pending
-
2021
- 2021-07-07 WO PCT/CN2021/104999 patent/WO2022037299A1/zh unknown
- 2021-07-07 JP JP2022554811A patent/JP7430816B2/ja active Active
- 2021-07-07 EP EP21857394.7A patent/EP4120167A4/en active Pending
-
2022
- 2022-08-29 US US17/898,324 patent/US20230004979A1/en active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019082820A (ja) * | 2017-10-30 | 2019-05-30 | みずほ情報総研株式会社 | 不正検知システム、不正検知方法及び不正検知プログラム |
GB2574779A (en) * | 2017-10-30 | 2019-12-18 | Psi Inc | Fraud detection system, method, and non-temporary computer readable storage medium |
Also Published As
Publication number | Publication date |
---|---|
JP7430816B2 (ja) | 2024-02-13 |
EP4120167A1 (en) | 2023-01-18 |
EP4120167A4 (en) | 2023-10-25 |
CN114078008A (zh) | 2022-02-22 |
US20230004979A1 (en) | 2023-01-05 |
WO2022037299A1 (zh) | 2022-02-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7430816B2 (ja) | 異常行為検出方法、装置、電子機器及びコンピュータプログラム | |
Wang et al. | Ponzi scheme detection via oversampling-based long short-term memory for smart contracts | |
Wang et al. | An improved boosting based on feature selection for corporate bankruptcy prediction | |
US11531987B2 (en) | User profiling based on transaction data associated with a user | |
CN110442712B (zh) | 风险的确定方法、装置、服务器和文本审理系统 | |
CN111127178A (zh) | 数据处理方法与装置、存储介质、电子设备 | |
WO2017013529A1 (en) | System and method for determining credit worthiness of a user | |
US20220351284A1 (en) | System and method for the rapid, flexible approval and disbursement of a loan | |
CN113093958B (zh) | 数据处理方法、装置和服务器 | |
US11847420B2 (en) | Conversational explainability | |
CN109685645A (zh) | 用户信用风险评估方法及装置、存储介质 | |
CN110929525B (zh) | 一种网贷风险行为分析检测方法、装置、设备和存储介质 | |
US10937073B2 (en) | Predicting delay in a process | |
US20230236892A1 (en) | Apparatus for resource enhacement | |
WO2021138271A1 (en) | Creating predictor variables for prediction models from unstructured data using natural language processing | |
KR20210113885A (ko) | 이상 금융거래 탐지 방법 및 시스템 | |
CN111179051A (zh) | 金融目标客户确定方法、装置及电子设备 | |
CN111598122B (zh) | 数据校验方法、装置、电子设备和存储介质 | |
Hao et al. | A novel method using LSTM-RNN to generate smart contracts code templates for improved usability | |
US10693855B1 (en) | Fraud detection | |
US20220188562A1 (en) | Dynamic Feature Names | |
CN110362981B (zh) | 基于可信设备指纹判断异常行为的方法及系统 | |
CN114036267A (zh) | 对话方法及系统 | |
Huang et al. | SmartIntentNN: Towards Smart Contract Intent Detection | |
US20230419098A1 (en) | Utilizing selective transformation and replacement with high-dimensionality projection layers to implement neural networks in tabular data environments |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220912 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230920 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231003 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231226 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20240116 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240131 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7430816 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |