JP7465939B2 - 電力不正使用検出のための新しい非パラメトリック統計的挙動識別エコシステム - Google Patents
電力不正使用検出のための新しい非パラメトリック統計的挙動識別エコシステム Download PDFInfo
- Publication number
- JP7465939B2 JP7465939B2 JP2022195769A JP2022195769A JP7465939B2 JP 7465939 B2 JP7465939 B2 JP 7465939B2 JP 2022195769 A JP2022195769 A JP 2022195769A JP 2022195769 A JP2022195769 A JP 2022195769A JP 7465939 B2 JP7465939 B2 JP 7465939B2
- Authority
- JP
- Japan
- Prior art keywords
- demand
- cases
- unknown
- fraud
- data
- 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.)
- Active
Links
- 238000001514 detection method Methods 0.000 title description 71
- 230000003542 behavioural effect Effects 0.000 title description 13
- 230000000694 effects Effects 0.000 claims description 46
- 230000005611 electricity Effects 0.000 claims description 44
- 238000000034 method Methods 0.000 claims description 41
- 238000004422 calculation algorithm Methods 0.000 claims description 27
- 230000008859 change Effects 0.000 claims description 14
- 238000011835 investigation Methods 0.000 claims description 5
- 230000006399 behavior Effects 0.000 description 124
- 238000003860 storage Methods 0.000 description 44
- 238000009826 distribution Methods 0.000 description 27
- 238000012545 processing Methods 0.000 description 26
- 238000004891 communication Methods 0.000 description 25
- 238000007726 management method Methods 0.000 description 24
- 238000010801 machine learning Methods 0.000 description 18
- 238000010586 diagram Methods 0.000 description 17
- 230000008569 process Effects 0.000 description 13
- 238000005516 engineering process Methods 0.000 description 9
- 238000012544 monitoring process Methods 0.000 description 9
- 238000012549 training Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 6
- 230000007423 decrease Effects 0.000 description 6
- 230000001965 increasing effect Effects 0.000 description 6
- 238000013459 approach Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000008520 organization Effects 0.000 description 4
- 230000002093 peripheral effect Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000012546 transfer Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000002547 anomalous effect Effects 0.000 description 3
- 230000001364 causal effect Effects 0.000 description 3
- 238000004140 cleaning Methods 0.000 description 3
- 230000001186 cumulative effect Effects 0.000 description 3
- 238000012517 data analytics Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000005315 distribution function Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 239000011521 glass Substances 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 230000006855 networking Effects 0.000 description 3
- 230000002265 prevention Effects 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 241000699670 Mus sp. Species 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 2
- 239000008186 active pharmaceutical agent Substances 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 241000238558 Eucarida Species 0.000 description 1
- 241000700605 Viruses Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000004397 blinking Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000004424 eye movement Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000002595 magnetic resonance imaging Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000007510 mood change Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000013515 script Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 230000002459 sustained effect Effects 0.000 description 1
- 235000019640 taste Nutrition 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R22/00—Arrangements for measuring time integral of electric power or current, e.g. electricity meters
- G01R22/06—Arrangements for measuring time integral of electric power or current, e.g. electricity meters by electronic methods
- G01R22/061—Details of electronic electricity meters
- G01R22/066—Arrangements for avoiding or indicating fraudulent use
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R22/00—Arrangements for measuring time integral of electric power or current, e.g. electricity meters
- G01R22/06—Arrangements for measuring time integral of electric power or current, e.g. electricity meters by electronic methods
- G01R22/061—Details of electronic electricity meters
- G01R22/063—Details of electronic electricity meters related to remote communication
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/50—Monitoring users, programs or devices to maintain the integrity of platforms, e.g. of processors, firmware or operating systems
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
- G06F2218/16—Classification; Matching by matching signal segments
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S40/00—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them
- Y04S40/20—Information technology specific aspects, e.g. CAD, simulation, modelling, system security
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Power Engineering (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Computer Security & Cryptography (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Public Health (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Computer Hardware Design (AREA)
- Primary Health Care (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Probability & Statistics with Applications (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
本願は、2017年11月21日付で提出された米国非仮出願第15/820,326号と、2017年4月13日付で提出されて「電力不正使用を検出するための新しい非パラメトリック統計的挙動識別エコシステム(NOVEL NON-PARAMETRIC STATISTICAL BEHAVIORAL IDENTIFICATION ECOSYSTEM FOR ELECTRICITY FRAUD DETECTION)」と題された米国仮出願第62/485,319号との利益および優先権を主張するものであって、その各々が全体として引用によりあらゆる目的のためにここに援用されている。
電力会社の顧客の中には、しばしば、代金を支払うことなく電力を盗むことによって不正を働く顧客がいる。広範囲にわたる不正の検出が困難であるため、これは電力会社にとって深刻な問題となっている。
いくつかの実施形態においては、1つ以上のデータストアを含むコンピューティングシステムが開示される。当該1つ以上のデータストアは、電力不正の既知の事例に関連付けられた第1のデータ項目を含む既知のデータセットと、複数のサービスポイントにおける電力不正の未知の事例に関連付けられた第2のデータ項目を含む未知のデータセットとを格納する。この場合、複数のサービスポイントのうちの各サービスポイントは電力メータ
に対応する。第2のデータ項目は、各サービスポイントに対応する電力メータに関連付けられた電力需要を含む。
以下の記載においては、本発明の実施形態の充分な理解を提供するために、説明の目的で、具体的な詳細が述べられる。しかしながら、さまざまな実施形態がこれらの具体的な詳細なしでも実施され得ることは明らかであるだろう。図および記載は限定的なものとして意図されたものではない。
先に述べたように、電力会社の顧客の中には、しばしば、代金を支払うことなく電力を盗むことによって不正を働く顧客がいる。検出率が低いことおよび誤判定率が高いことが組合わさることで、電力会社が現存のシステムでこの不正を検出するのは困難になっていた。言いかえれば、システムは、不正を検出することができない上に、実際には如何なる不正も発生していないのに不正として検出してしまうことが数回ある。
えば、分類:SVM)などの機械学習アルゴリズムは、将来の予測に適用するために過去の観察結果からパターンを記憶する傾向がある。残念ながら、実際の不正についての過去の観察結果のうち限られた数の観察結果が機械学習アルゴリズムに関するコールドスタート問題を引起こす。機械学習アルゴリズムから信頼性のある予測をもたらすための、不正事例についての十分なデータはない。アルゴリズムは、アルゴリズムをトレーニングするのに用いられる限られた数の事例と同様の事例しか検出することができないので、潜在的には、トレーニングセットにおいて最初に識別されなかった場合、アルゴリズムによって検出されない多くの不正事例が存在することとなるだろう。機械学習アルゴリズムは、過去に既に起こったことしか検出することができないので、検出できるものが限られている。検出率が低いという問題は解消されないままとなる可能性があるだろう。
に説明された疑わしい挙動をいずれも除外して、不正である可能性が高い事例を残しておくために用いられる。
(登録商標)(ユーチューブ)/Facebookのコメント、およびグループアソシエーションを監視することができるとともに、個人がどのようなトピックに関与(共有、リンクまたはコメント)しているかについての情報も取込むことができる。この技術は、さまざまなオープンソースツール(open source tool)およびAPIをまとめることにより、またはオラクルマーケティングクラウド(Oracle Marketing Cloud)などのソフトウェアを介して取得することができる。
検出システムは、「変換ファネル」におけるすべての段階を経験し、「変換」に到達した顧客、たとえば実際に不正に関与した顧客、の識別に対処するだろう。
う。さらに、反応型の不正検出システムは、変換後であるすべての人(たとえば、不正を犯した人々)に対処するだろう。これらのシステムをともに組合わせて、不正防止および不正に対する対応の分野における真の合同軍アプローチを構築してもよい。このため、顧客が変換ファネルに到達しているにもかかわらず、これらに対処するために数学的に具体的/厳密な方法が存在するだろう。
は、誤判定は、ソーシャルメディアおよび内部データを活用するためにグラフの上述のトラバース測量を用いて識別されてもよい。これらの2つの別個のアプローチは、さらに、人の専門家が認識しているが機械学習アルゴリズムによって実現される誤判定ルールで(たとえば、データに取込まれていない業務知識に依拠する推論を用いて)、単一の2方面からなるアプローチに組合わせることもできる。このエコシステム性能監視フレームワークは、ユーザが、機能しているものに影響を及ぼすことなく機能していないものを交換することを可能にすることによって電力不正検出システムを絶えず向上させることを可能にするとともに、一定のパラメータが最初に十分に作業を実行し得るのかについての理由をユーザが十分に理解することを可能にする。
図1は、本開示の実施形態に従った、電力不正についてのシステム図である。
まな顧客102-1から102-nについての電力使用量が需要データベース112に格納されてもよい。いくつかの実施形態においては、代価を支払わずに電力を盗む顧客などの、それまでに観察された不正行為の事例に関連付けられたデータ項目を含む、観察された不正データベース114があってもよい。いくつかの実施形態においては、これらの観察された不正の事例は、フィードバックを行なって電力不正検出システム110の結果を実証するのを支援するために用いられてもよい。
集団の少なくとも90%がより大きな需要を有していた)、等である。パーセンタイルに基づいた検出器の実現例が、図4A、図4Bおよび図5に関連付けてさらに詳細に記載されている。なお、顧客の毎日の需要が外れ値を有し得る非常に変動し易い(たとえば、日常的に大幅に変化する)プロセスであり得るので、歪みの潜在的な問題を回避するのに中間値が有用であり得ることに留意されたい。このため、付加的な検出器を容易にモデルに追加することができ、これは、ロバストであるとともに厳格な「エコシステム」と称することができる。なぜなら、これは、需要プロフィールに関連付けられた特有の挙動に焦点を合わせた、高度に特化された多数の独立した検出器を含み得るからである。さらに、この態様で検出器を使用することにより、過去の挙動(たとえば、それまでに観察された不正)のパターンに依存することが回避されるとともに、トレーニングが不要となる。検出器のトレーニングが不要となり、検出器が挙動に焦点を合わせるので、同じ検出器を用いて、産業上の不正だけでなく住居での不正も同様に(いずれの事例にも特有のパターンが適用されないので)検出することができる。
(1)突然低下した後に低いままとどまる需要(図13に図示)、
(2)緩やかに低下した後に低いままとどまる需要(図14に図示)、
(3)長期間にわたって緩やかに低下する需要(図15に図示)、
(4)非常に低い需要(図16に図示)、
(5)上昇すると予想されていた場合に上昇しない需要(図17に図示)、
(6)あまりにも異常に安定している需要(図18に図示)、を含む。
ることができる。場合によっては、これは、電力不正検出システム110にコンピューティングデバイス120への通知の送信を実行させて、調査員122にどのサービスポイントまで出向いて調査するべきかを通知すること等によって、不正が行なわれていることを確認するために調査員に出向くように通知することを必要とするかもしれない。
定のサービス日付についての顧客の需要または電力使用量であり得る。この需要は、如何なる好適な単位またはメトリックでも測定することができる。このような実施形態のうちのいくつかにおいては、この需要はキロワット時(kWh)で測定されてもよい。たとえば、データの行における「4.1」という需要値は、その行についての特定の顧客が(欄306において示された)その特定のサービス日付に4.1kWhを用いたことを表わし得る。したがって、データテーブルにおいて示される需要値は、毎日の使用量に対応していてもよい。しかしながら、他の実施形態においては、需要値は必ずしも日毎の分解能を有するわけではない。たとえば、需要値は、時間毎、分毎、週毎などの単位で追跡することができる。
よい。
と見なされてもよい)。しきい値が低ければ低いほど、挙動は母集団においてよりまれなものとして示され得る。たとえば、10パーセンタイルを下回る中間需要を有する顧客よりも5パーセンタイルを下回る中間需要を有する顧客の方が少ない可能性があり、かつ、5パーセンタイルを下回る中間需要を有する顧客は不正を犯す可能性がより高くなり得る。しかしながら、しきい値をあまりに低く設定すると、結果として、そのしきい値内の挙動を伴う顧客をほんのわずかしか(または全く)見出せない可能性がある。たとえば、しきい値が1パーセンタイルと設定される場合、1パーセンタイル未満の中間需要を有する顧客がゼロになる可能性がある。しきい値を10パーセンタイルなどとより高く設定することで、モデルによって識別される顧客が十分に存在することが確実にされる。これにより、しきい値の設定に関してはトレードオフが得られる可能性がある。トレードオフは、潜在的に不正を行なう可能性のあるより少数の顧客を識別する(および、潜在的には極少数の顧客しか識別されない)こと、または、誤判定率の上昇を犠牲にして潜在的に不正を行なう可能性のより高い顧客を識別することとの間でなされる。
ータテーブルに格納されるだろう。それらの38の不正事例についてのサービスポイントidは、その年にわたってそれらのサービスポイントに関連付けられた需要データ(たとえば、2015年における需要データ)を照会するために用いることができる。このため、2015年の日毎の日々の要求が、それらの38のサービスポイントidごとに識別されるだろう。各々のサービスポイントidごとに、そのサービスポイントidに関連付けられた挙動プロフィールを計算するためにその期間にわたる日毎の需要をさらに用いることができる。たとえば、各サービスポイントidは、アカウントがアクティブであった日数、当該期間にわたる中間要求、当該期間わたる最大需要、当該期間にわたる最小需要などに関連付けられるだろう。言いかえれば、「1234567」のサービスポイントidに関して、アカウントが500日間アクティブであったこと、その1年にわたって4kWhの中間需要があったこと、その1年にわたって0kWhの最小需要があったこと、およびその1年にわたって20kWhの最大需要があったことが判断され得る。
CDFおよび図4Aの分布テーブルはともに、0%から100%の範囲にわたっており、100%は観察結果のすべてを示している。
結果テーブル700は、既知の不正事例のうちどれが検出器によって識別されたかを判断するために、既知の不正事例に検出器を適用することなどによって、電力不正を検出する際に用いられるモデルを検証するために用いることができる。たとえば、(中間および最大の需要が常に0である、中間需要は0であるが最大需要がゼロよりも大きく、かつ、中間需要がゼロと10パーセンタイルとの間である)3つの検出器のセットが低い需要に関連付けられた需要プロフィールを識別するために用いられるシナリオについて検討する。これらの検出器は、それらの既知の事例のうちいくつが検出器についての疑わしい挙動を呈したかを確かめるために、123の既知の不正事例のセットに適用することができる。これらの検出器はまた、それらの未知の事例のうちいくつが検出器についての疑わしい挙動を呈したかを確かめるために、406388の顧客のセットに適用することができる。上述の例においては、既知の不正事例のうち同じ挙動特徴を呈した34719の需要プ
ロフィールが存在したことが述べられた。したがって、結果テーブル700においては、欄702、欄704および欄706は、3つの検出器のうちの1つを用いて検出された123の既知の不正事例の数に対応し得る。欄708、欄712および欄712は、3つの検出器のうちの1つを用いて識別された未知のもののうち34719の需要プロフィールの数に対応し得る。結果テーブル700の行724および行726は、顧客のロットサイズが500平方フィート未満であることに起因して、または顧客が太陽エネルギのユーザであることに起因して、その疑わしい挙動がうまく説明され得る検出された事例の数に対応し得る。顧客が太陽エネルギのユーザであることは、低い需要に関連付けられてもよい。なぜなら、その顧客は、電力を盗むのではなく太陽から電力を獲得し得るからである。500平方フィート未満のロットサイズを有する顧客も、低い需要に関連付けられるだろう。なぜなら、顧客の小規模な住居が、需要であり得るものに対して上限を加えるからである。
00においては、34719の検出された不正事例のうち6375がゼロの中間需要を有するとともに0よりも大きい最大需要を有するものとして識別されたことが示されている。これらの検出された不正事例のうちの2つは、顧客が500平方フィート未満のロットサイズを有することに基づく正当な説明を有していた。
法に基づいたトレーニングデータセットを用いて識別されなかったであろう不正の事例の例を表わしている。
システムが本質的に依存性を有しているために、既存の方法(たとえば、機械学習または専門家ベースのシステム)によってこのようなシステムが開発されるのが妨げられている。なぜなら、それら方法では、データ駆動型の数学的に厳密な態様で正確に確率に到達することができず、スケール変更されておらず、かつ、実際には不可能であるかもしれない(たとえば、人が有意義な影響をもたらす回答に達するのに時間がかかりすぎるであろう)からである。
含まれるデータは、Apache Hadoop、分散型ストレージのために用いられるオープンソー
スソフトウェアフレームワーク、および大型のデータセットの処理を用いて格納されてもよい。オブジェクトストア1120に含まれるデータは分割されて、コンピューティングクラスタにおけるノードにわたって分散された大型のブロックに格納され得る。いくつかの実施形態においては、ビッグデータクラウドサービス1140はさらにエンタープライズR1144を含み得る。エンタープライズR1144は、オブジェクトストア1120内に含まれている大量のデータに関して、R、すなわちオープンソース統計プログラミング言語および環境、の使用を提供する。エンタープライズR1144は、顧客の電気使用パターンにおける不正な挙動の存在を検出するためにこの例において用いることができる自動化されたデータ分析の開発および展開を可能にし得る。
ェクトストア1120に格納されたデータはすべて、一様に、標準フォーマット1122
で格納されてもよい。いくつかの実施形態においては、標準フォーマット112は、Hadoop分散型ファイルシステム(Hadoop Distributed File System:HDFS)であってもよく、スケーラブルで信頼性の高いデータストレージを提供するために用いられるJava(登録商標)ベースのファイルシステムであってもよい。
ェイスを提供するためのApache Hadoopプラットフォーム上に構築されたデータウェアハウスソフトウェアプロジェクトであり得る。Hive LLAP(低レイテンシ分析処理)1136は、より高速のSQL分析を提供することによってHiveアーキテクチャ上に構築されてもよい。これにより、Kafka1130を用いて、ストリーミングデータからのメッセージを解析して取得する。これらメッセージは次いで、オブジェクトストア1120における履歴データに追加される。オブジェクトストア1120に含まれるこの「データレイク」は、この明細書中に上述されてきた電力不正を検出するためのステップを実行するために、Spark1134およびHive LLAP1136を用いて処理される。
。
図19は、この明細書中に開示された実施形態のうちの1つを実現するための分散型システムを示す簡略図である。分散型システム1900は、上述したように、電力不正検出システムの実施形態を実現することができる。例示された実施形態においては、分散型システム1900は、1つ以上のネットワーク1910を介して、ウェブブラウザ、プロプライエタリクライアント(たとえばオラクルフォーム)などのクライアントアプリケーションを実行して動作させるように構成される1つ以上のクライアントコンピューティングデバイス1902、1904、1906および1908を含む。サーバ1912は、ネットワーク1910を介してリモートクライアントコンピューティングデバイス1902、1904、1906および1908と通信可能に結合されてもよい。
D)表現、ページベースの論理的環境などであろうとなかろうと、仮想イベント、トレードショー、シミュレータ、クラスルーム、購買商品取引および企業活動のために用いられるものを含み得る。いくつかの実施形態においては、これらのサービスは、ウェブベースのサービスもしくはクラウドサービスとして、またはソフトウェア・アズ・ア・サービス(Software as a Service:SaaS)モデルのもとで、クライアントコンピューティン
グデバイス1902,1904,1906および/または1908のユーザに供給されてもよい。そして、クライアントコンピューティングデバイス1902,1904,190
6および/または1908を動作させるユーザは、1つ以上のクライアントアプリケーションを利用して、サーバ1912と相互作用して、これらの構成要素によって提供されるサービスを利用し得る。
ー(登録商標)、または使用可能な他の通信プロトコルである。クライアントコンピューティングデバイスは、汎用パーソナルコンピュータであってもよく、当該汎用パーソナルコンピュータは、一例として、マイクロソフトウィンドウズ(登録商標)、アップルマッキントッシュ(登録商標)および/またはリナックス(登録商標)オペレーティングシステムのさまざまなバージョンを実行するパーソナルコンピュータおよび/またはラップトップコンピュータを含む。クライアントコンピューティングデバイスは、ワークステーションコンピュータであってもよく、当該ワークステーションコンピュータは、たとえばGoogle Chrome OSなどのさまざまなGNU/リナックスオペレーティングシステムを含むがこれらに限定されるものではないさまざまな市販のUNIX(登録商標)またはUNIXライクオペレーティングシステムのうちのいずれかを実行する。代替的には、または付加的には、クライアントコンピューティングデバイス1902,1904,1906および1908は、シン・クライアントコンピュータ、インターネットにより可能なゲームシステム(たとえばキネクト(登録商標)ジェスチャ入力装置を備えるかまたは備えないマイクロソフトXボックスゲーム機)、および/または、ネットワーク1910を介して通信が可能なパーソナルメッセージング装置などのその他の電子装置であってもよい。
ある任意のタイプのネットワークであってもよく、当該プロトコルは、TCP/IP(伝送制御プロトコル/インターネットプロトコル)、SNA(システムネットワークアーキテクチャ)、IPX(インターネットパケット交換)、アップルトークなどを含むが、これらに限定されるものではない。単に一例として、ネットワーク1910は、イーサネット(登録商標)、トークンリングなどに基づくものなどのローカルエリアネットワーク(LAN)であってもよい。ネットワーク1910は、広域ネットワークおよびインターネットであってもよい。ネットワーク1910は、仮想ネットワークを含んでいてもよく、当該仮想ネットワークは、仮想プライベートネットワーク(virtual private network:
VPN)、イントラネット、エクストラネット、公衆交換電話網(public switched telephone network:PSTN)、赤外線ネットワーク、無線ネットワーク(たとえば米国電
気電子学会(Institute of Electrical and Electronics:IEEE)802.11の一
連のプロトコル、ブルートゥース(登録商標)および/またはその他の無線プロトコルのうちのいずれかのもとで動作するネットワーク)、および/またはこれらの任意の組合せ、および/または他のネットワークを含むが、これらに限定されるものではない。
社(Sybase)、IBM社(International Business Machines)などから市販されている
ものを含むが、これらに限定されるものではない。
ションを含み得る。
インフラストラクチャシステム2002との間のデータの通信およびやりとりを容易にし得る。各々のネットワークは、ネットワーク1910について上記したものを含むさまざまな市販のプロトコルのうちのいずれかを用いてデータ通信をサポートすることができる、当業者になじみのある任意のタイプのネットワークであってもよい。
し管理し処理するよう、一般的に用いられるソフトウェアツールの構造を超えて、何千ものサーバコンピュータを動作させる大規模並列処理ソフトウェアを必要とし得る。
as a Service:IaaS)カテゴリ、またはハイブリッドサービスを含むサービスの他
のカテゴリのもとで提供される1つ以上のサービスを含み得る。顧客は、サブスクリプションオーダーによって、クラウドインフラストラクチャシステム2002によって提供される1つ以上のサービスを注文し得る。次いで、クラウドインフラストラクチャシステム2002は、顧客のサブスクリプションオーダーでサービスを提供するために処理を実行する。
は、SaaSカテゴリに分類されるクラウドサービスを提供するように構成され得る。たとえば、SaaSプラットフォームは、一体化された開発およびデプロイメントプラットフォーム上で一連のオンデマンドアプリケーションを構築および配信するための機能を提供し得る。SaaSプラットフォームは、SaaSサービスを提供するための基本的なソフトウェアおよびインフラストラクチャを管理および制御し得る。SaaSプラットフォームによって提供されるサービスを利用することによって、顧客は、クラウドインフラストラクチャシステムで実行されるアプリケーションを利用することができる。顧客は、顧客が別々のライセンスおよびサポートを購入する必要なく、アプリケーションサービスを取得することができる。さまざまな異なるSaaSサービスが提供されてもよい。例としては、大規模組織のための販売実績管理、企業統合およびビジネスの柔軟性のためのソリューションを提供するサービスが挙げられるが、これらに限定されるものではない。
使用されるリソースを提供するためのインフラストラクチャリソース2030を含み得る。一実施形態においては、インフラストラクチャリソース2030は、PaaSプラットフォームおよびSaaSプラットフォームによって提供されるサービスを実行するための、サーバ、ストレージおよびネットワーキングリソースなどのハードウェアの予め一体化された最適な組合せを含み得る。
Interface:UI)、すなわちクラウドUI2012、クラウドUI2014および/またはクラウドUI2016にアクセスして、これらのUIを介してサブスクリプションオーダーを行い得る。顧客がオーダーを行ったことに応答してクラウドインフラストラクチャシステム2002によって受信されたオーダー情報は、顧客と、顧客がサブスクライブ
する予定のクラウドインフラストラクチャシステム2002によって提供される1つ以上のサービスとを特定する情報を含み得る。
いるように示されているソフトウェア要素を備える記憶サブシステム2118を備え得る。システムメモリ2110は、処理ユニット2104上でロード可能および実行可能なプログラム命令と、これらのプログラムの実行中に生成されるデータとを格納し得る。
ダイナミックランダムアクセスメモリ(dynamic random access memory:DRAM)などの複数の異なるタイプのメモリを含み得る。いくつかの実現例では、始動中などにコンピュータシステム2100内の要素間で情報を転送することを助ける基本ルーチンを含む基本入力/出力システム(basic input/output system:BIOS)が、典型的にはROM
に格納され得る。一例としておよび非限定的に、システムメモリ2110は、クライアントアプリケーション、ウェブブラウザ、中間層アプリケーション、リレーショナルデータベース管理システム(relational database management system:RDBMS)などを含
み得るアプリケーションプログラム2112、プログラムデータ2114およびオペレーティングシステム2116も示す。一例として、オペレーティングシステム2116は、マイクロソフトウィンドウズ(登録商標)、アップルマッキントッシュ(登録商標)および/もしくはリナックスオペレーティングシステムのさまざまなバージョン、さまざまな市販のUNIX(登録商標)もしくはUNIXライクオペレーティングシステム(さまざまなGNU/リナックスオペレーティングシステム、Google Chrome(登録商標)OSなどを含むが、これらに限定されるものではない)、ならびに/または、iOS、ウィンドウズ(登録商標)フォン、アンドロイド(登録商標)OS、ブラックベリー(登録商標)10OSおよびパーム(登録商標)OSオペレーティングシステムなどのモバイルオペレーティングシステムを含み得る。
ログラム可能ROM(electronically erasable programmable ROM:EEPROM)、フラッシュメモリもしくは他のメモリ技術、CD-ROM、デジタル多用途ディスク(digital versatile disk:DVD)、または他の光学式記憶装置、磁気カセット、磁気テープ、磁気ディスク記憶装置もしくは他の磁気記憶装置、または他の有形のコンピュータ読取可能な媒体などの有形の一時的なコンピュータ読取可能な記憶媒体を含み得る。また、これは、データ信号、データ送信などの無形の一時的なコンピュータ読取可能な媒体、または、所望の情報を送信するために使用可能であるとともに計算システム400によってアクセス可能である他の任意の媒体を含み得る。
RAM、ダイナミックRAM、スタティックRAMなどの揮発性メモリに基づくSSD、DRAMベースのSSD、磁気抵抗RAM(magnetoresistive RAM:MRAM)SSD、およびDRAMとフラッシュメモリベースのSSDとの組合せを使用するハイブリッドSSDを含み得る。ディスクドライブおよびそれらの関連のコンピュータ読取可能な媒体は、コンピュータ読取可能な命令、データ構造、プログラムモジュールおよび他のデータをコンピュータシステム2100に提供し得る。
iFi(IEEE1902.11ファミリ標準または他のモバイル通信技術またはそれらの任意の組合せ)、全地球測位システム(global positioning system:GPS)レシー
バコンポーネント、および/または、他のコンポーネントを含み得る。いくつかの実施形態においては、通信サブシステム2124は、無線インターフェイスに加えて、または無線インターフェイスの代わりに、有線ネットワーク接続(例えばイーサネット)を提供し得る。
スブック(登録商標)更新、リッチ・サイト・サマリ(Rich Site Summary:RSS)フ
ィードなどのウェブフィードなどのデータフィード2126をリアルタイムでソーシャルメディアネットワークおよび/または他の通信サービスのユーザから受信し、および/または、1つ以上の第三者情報源からリアルタイム更新を受信するように構成され得る。
Claims (19)
- 電力不正を検出するためのコンピューティングシステムであって、
1つ以上のプロセッサと、
複数の命令が格納されたメモリとを含み、前記複数の命令は、前記1つ以上のプロセッサによって実行されると、前記1つ以上のプロセッサに、
疑わしい既知の事例のセットおよび説明済みの既知の事例のセットを用いて、それぞれ、検出器モデルおよび説明モデルを検証させる命令を含み、前記疑わしい既知の事例のセットは不正に関連付けられた既知の事例を含み、前記不正に関連付けられた既知の事例は各々、前記検出器モデルを用いて識別された複数の疑わしいアクティビティのうち1つの疑わしいアクティビティを含み、前記説明済みの既知の事例のセットは、各々が、関連付けられた疑わしいアクティビティについての複数の正当な説明のうちの1つの正当な説明を有するとともに前記説明モデルを用いて識別される前記疑わしい既知の事例のサブセットであり、前記複数の命令はさらに、
未知の事例を含むデータアイテムに前記検出器モデルを適用して、疑わしい未知の事例のセットを生成させる命令を含み、前記データアイテムの各々は、それぞれのサービスポイントでそれぞれの電力メータに関連付けられた電力需要データを含み、前記疑わしい未知の事例のセットは、前記複数の疑わしいアクティビティのうちの1つの疑わしいアクティビティを含み、前記複数の命令はさらに、
前記疑わしい未知の事例のセットにおける前記未知の事例の各々に前記説明モデルを適用して、説明済みの未知の事例のセットを生成させる命令を含み、前記説明済みの未知の事例の各々は、前記関連付けられた疑わしいアクティビティについての前記複数の正当な説明のうちの1つの正当な説明を含み、前記複数の命令はさらに、
前記疑わしい未知の事例のセットから前記説明済みの未知の事例のセットを除去して、未説明の未知の事例のセットを生成させる命令を含む、コンピューティングシステム。 - 未知の事例を含む前記データアイテムに前記検出器モデルを適用して前記疑わしい未知の事例のセットを生成させる命令はさらに、前記1つ以上のプロセッサによって実行されると、前記1つ以上のプロセッサに、
前記データアイテムを用いて各々の未知の事例ごとに需要プロフィールを計算させる命令と、
各々の未知の事例ごとに前記需要プロフィールに前記検出器モデルを適用させる命令とを含む、請求項1に記載のコンピューティングシステム。 - 前記複数の疑わしいアクティビティは、突然低下した後に低いままとどまる需要、緩やかに低下した後に低いままとどまる需要、長期間にわたって緩やかに低下する需要、低い需要、異常に一定である需要、または、予想外に変化する需要のうちの少なくとも1つを含む、請求項1または2に記載のコンピューティングシステム。
- 前記複数の正当な説明は、顧客による太陽電池パネルの使用、機器の故障、グリッド過負荷、電力会社の停止、それぞれの敷地における居住者の変化、極端な気候、および、顧客による発電機の使用のうちの少なくとも1つを含む、請求項1~3のいずれか1項に記載のコンピューティングシステム。
- 前記メモリにはさらに、前記1つ以上のプロセッサによって実行されると、前記1つ以上のプロセッサに、
調査のために前記未説明の未知の事例のセットの前記未説明の未知の事例のうちの少なくとも1つを含む通知を送信させる命令が格納されている、請求項1~4のいずれか1項に記載のコンピューティングシステム。 - 前記複数の疑わしいアクティビティは低い需要を含み、低い需要は、複数の顧客にわたる需要に基づいてしきい値百分率よりも低いものとして規定される、請求項1または2に記載のコンピューティングシステム。
- 前記複数の疑わしいアクティビティは低い需要を含み、低い需要は、それぞれの敷地における電力使用の対価のバランスを取るように構成されたアルゴリズムに基づいて自動的に設定されるしきい値よりも低いものとして規定される、請求項1または2に記載のコンピューティングシステム。
- 前記メモリにはさらに、前記1つ以上のプロセッサによって実行されると、前記1つ以上のプロセッサに、
前記データアイテムを用いて各々の未知の事例ごとに需要プロフィールを計算させる命令と、
各々の未知の事例ごとに前記需要プロフィールをランク付けさせる命令とが格納されている、請求項1~7のいずれか1項に記載のコンピューティングシステム。 - 前記メモリにはさらに、前記1つ以上のプロセッサによって実行されると、前記1つ以上のプロセッサに、
外部データソースを用いて前記複数の正当な説明のうちの1つ以上の正当な説明を生成させる命令が格納されている、請求項1~8のいずれか1項に記載のコンピューティングシステム。 - 電力不正を検出するための、コンピュータによって実現される方法であって、
疑わしい既知の事例のセットおよび説明済みの既知の事例のセットを用いて、それぞれ、検出器モデルおよび説明モデルを検証するステップを含み、前記疑わしい既知の事例のセットは不正に関連付けられた既知の事例を含み、前記不正に関連付けられた既知の事例は各々、前記検出器モデルを用いて識別された複数の疑わしいアクティビティのうち1つの疑わしいアクティビティを含み、前記説明済みの既知の事例のセットは、各々が、関連付けられた疑わしいアクティビティについての複数の正当な説明のうちの1つの正当な説明を有するとともに前記説明モデルを用いて識別される前記疑わしい既知の事例のサブセットであり、前記方法はさらに、
未知の事例を含むデータアイテムに前記検出器モデルを適用して、疑わしい未知の事例のセットを生成するステップを含み、前記データアイテムの各々は、それぞれのサービスポイントでそれぞれの電力メータに関連付けられた電力需要データを含み、前記疑わしい未知の事例のセットは、前記複数の疑わしいアクティビティのうちの1つの疑わしいアクティビティを含み、前記方法はさらに、
前記疑わしい未知の事例のセットにおける前記未知の事例の各々に前記説明モデルを適用して、説明済みの未知の事例のセットを生成するステップを含み、前記説明済みの未知の事例の各々は、前記関連付けられた疑わしいアクティビティについての前記複数の正当な説明のうちの1つの正当な説明を含み、前記方法はさらに、
前記疑わしい未知の事例のセットから前記説明済みの未知の事例のセットを除去して、未説明の未知の事例のセットを生成するステップを含む、コンピュータによって実現される方法。 - 未知の事例を含む前記データアイテムに前記検出器モデルを適用するステップは、
前記データアイテムを用いて各々の未知の事例ごとに需要プロフィールを計算するステップと、
各々の未知の事例ごとに前記需要プロフィールに前記検出器モデルを適用するステップとを含む、請求項10に記載の、コンピュータによって実現される方法。 - 前記複数の疑わしいアクティビティは、突然低下した後に低いままとどまる需要、緩やかに低下した後に低いままとどまる需要、長期間にわたって緩やかに低下する需要、低い需要、異常に一定である需要、または、予想外に変化する需要のうちの少なくとも1つを含む、請求項10または11に記載の、コンピュータによって実現される方法。
- 前記複数の正当な説明は、顧客による太陽電池パネルの使用、機器の故障、グリッド過負荷、電力会社の停止、それぞれの敷地における居住者の変化、極端な気候、および、顧客による発電機の使用のうちの少なくとも1つを含む、請求項10~12のいずれか1項に記載の、コンピュータによって実現される方法。
- 調査のために前記未説明の未知の事例のセットの前記未説明の未知の事例のうちの少なくとも1つを含む通知を送信するステップをさらに含む、請求項10~13のいずれか1項に記載の、コンピュータによって実現される方法。
- 前記複数の疑わしいアクティビティは低い需要を含み、低い需要は、複数の顧客にわたる需要に基づいてしきい値百分率よりも低いものとして規定される、請求項10または11に記載の、コンピュータによって実現される方法。
- 前記複数の疑わしいアクティビティは低い需要を含み、低い需要は、それぞれの敷地における電力使用の対価のバランスを取るように構成されたアルゴリズムに基づいて自動的に設定されるしきい値よりも低いものとして規定される、請求項10または11に記載の、コンピュータによって実現される方法。
- 前記データアイテムを用いて各々の未知の事例ごとに需要プロフィールを計算するステップと、
各々の未知の事例ごとに前記需要プロフィールをランク付けするステップとをさらに含む、請求項10~16のいずれか1項に記載の、コンピュータによって実現される方法。 - 外部データソースを用いて前記複数の正当な説明のうちの1つ以上の正当な説明を生成するステップをさらに含む、請求項10~17のいずれか1項に記載の、コンピュータによって実現される方法。
- 1以上のプロセッサに請求項10~18のいずれか1項に記載の方法を実行させるプログラム。
Applications Claiming Priority (6)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201762485319P | 2017-04-13 | 2017-04-13 | |
US62/485,319 | 2017-04-13 | ||
US15/820,326 | 2017-11-21 | ||
US15/820,326 US10656190B2 (en) | 2017-04-13 | 2017-11-21 | Non-parametric statistical behavioral identification ecosystem for electricity fraud detection |
PCT/US2018/022718 WO2018190984A1 (en) | 2017-04-13 | 2018-03-15 | Novel non-parametric statistical behavioral identification ecosystem for electricity fraud detection |
JP2019542656A JP7191837B2 (ja) | 2017-04-13 | 2018-03-15 | 電力不正使用検出のための新しい非パラメトリック統計的挙動識別エコシステム |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019542656A Division JP7191837B2 (ja) | 2017-04-13 | 2018-03-15 | 電力不正使用検出のための新しい非パラメトリック統計的挙動識別エコシステム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2023029983A JP2023029983A (ja) | 2023-03-07 |
JP7465939B2 true JP7465939B2 (ja) | 2024-04-11 |
Family
ID=63790337
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019542656A Active JP7191837B2 (ja) | 2017-04-13 | 2018-03-15 | 電力不正使用検出のための新しい非パラメトリック統計的挙動識別エコシステム |
JP2022195769A Active JP7465939B2 (ja) | 2017-04-13 | 2022-12-07 | 電力不正使用検出のための新しい非パラメトリック統計的挙動識別エコシステム |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019542656A Active JP7191837B2 (ja) | 2017-04-13 | 2018-03-15 | 電力不正使用検出のための新しい非パラメトリック統計的挙動識別エコシステム |
Country Status (5)
Country | Link |
---|---|
US (2) | US10656190B2 (ja) |
EP (1) | EP3610402B1 (ja) |
JP (2) | JP7191837B2 (ja) |
CN (1) | CN110268409B (ja) |
WO (1) | WO2018190984A1 (ja) |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130232074A1 (en) * | 2012-03-05 | 2013-09-05 | Mark Carlson | System and Method for Providing Alert Messages with Modified Message Elements |
US10637239B2 (en) | 2017-10-13 | 2020-04-28 | Honeywell International Inc. | Utility network monitoring device |
WO2019075431A1 (en) * | 2017-10-13 | 2019-04-18 | Honeywell International, Inc. | DEVICE FOR DETECTING ENERGY FLIGHT |
US11477667B2 (en) * | 2018-06-14 | 2022-10-18 | Mark Cummings | Using orchestrators for false positive detection and root cause analysis |
KR102302631B1 (ko) * | 2018-10-30 | 2021-09-16 | 제노테크 주식회사 | 인공지능 서비스를 위한 연결된 데이터 아키텍처 시스템 및 이에 대한 제어방법 |
US20200265119A1 (en) * | 2019-02-14 | 2020-08-20 | Accenture Global Solutions Limited | Site-specific anomaly detection |
CN110738415A (zh) * | 2019-10-15 | 2020-01-31 | 国网山西省电力公司晋中供电公司 | 基于用电采集系统和离群点算法的窃电用户分析方法 |
US11611576B2 (en) * | 2019-12-11 | 2023-03-21 | GE Precision Healthcare LLC | Methods and systems for securing an imaging system |
RU2762241C2 (ru) * | 2020-02-26 | 2021-12-16 | Акционерное общество "Лаборатория Касперского" | Система и способ выявления мошеннических активностей при взаимодействии пользователя с банковскими сервисами |
CN111539843B (zh) * | 2020-04-17 | 2022-07-12 | 国网新疆电力有限公司营销服务中心(资金集约中心、计量中心) | 基于数据驱动的反窃电智能预警方法 |
KR102408152B1 (ko) * | 2020-04-20 | 2022-06-15 | (주)제타미디어 | 인공지능 기반의 히스토리 데이터 관리 방법 |
TWI747334B (zh) * | 2020-06-17 | 2021-11-21 | 王其宏 | 檢測數據詐欺裝置、方法、程式產品及電腦可讀取媒體 |
RU2758359C1 (ru) * | 2020-06-19 | 2021-10-28 | Акционерное общество "Лаборатория Касперского" | Система и способ выявления массовых мошеннических активностей при взаимодействии пользователей с банковскими сервисами |
CN112215721A (zh) * | 2020-09-04 | 2021-01-12 | 国网青海省电力公司信息通信公司 | 基于大数据的电力窃电精准识别及窃电反馈数据分析模型 |
CN112527783B (zh) * | 2020-11-27 | 2024-05-24 | 中科曙光南京研究院有限公司 | 一种基于Hadoop的数据质量探查系统 |
US20230351009A1 (en) * | 2022-04-29 | 2023-11-02 | Truist Bank | Training an artificial intelligence engine for real-time monitoring to eliminate false positives |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005250802A (ja) | 2004-03-03 | 2005-09-15 | Toshiba Solutions Corp | 不正アクセス検出装置及び不正アクセス検出プログラム |
JP2010152431A (ja) | 2008-12-24 | 2010-07-08 | Mitsubishi Electric Corp | 不正アクセス検知装置及び不正アクセス検知プログラム及び記録媒体及び不正アクセス検知方法 |
WO2011132377A1 (ja) | 2010-04-23 | 2011-10-27 | パナソニック株式会社 | 検知装置及び検知システム |
JP2013105497A (ja) | 2011-11-15 | 2013-05-30 | Fujitsu Ltd | エネルギー消費のプロファイリング |
US20140358838A1 (en) | 2013-06-04 | 2014-12-04 | International Business Machines Corporation | Detecting electricity theft via meter tampering using statistical methods |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AUPR863001A0 (en) | 2001-11-01 | 2001-11-29 | Inovatech Limited | Wavelet based fraud detection |
US20080283593A1 (en) * | 2007-05-18 | 2008-11-20 | Bank Of America Corporation | Compromised Account Detection |
JP5084591B2 (ja) * | 2008-04-17 | 2012-11-28 | Jx日鉱日石エネルギー株式会社 | 異常検知装置 |
US7936163B2 (en) * | 2008-06-20 | 2011-05-03 | General Electric Company | Method and system for detecting electricity theft |
US7991689B1 (en) * | 2008-07-23 | 2011-08-02 | Experian Information Solutions, Inc. | Systems and methods for detecting bust out fraud using credit data |
CN103635920A (zh) * | 2011-02-22 | 2014-03-12 | 维萨国际服务协会 | 通用电子付款装置、方法与系统 |
AU2013212226A1 (en) | 2012-01-23 | 2014-08-14 | Itron, Inc. | Analytics in a utility infrastructure |
US9305028B2 (en) * | 2012-04-11 | 2016-04-05 | Zynga Inc. | Gaming platform utilizing a fraud detection platform |
CN102967735A (zh) | 2012-12-04 | 2013-03-13 | 辽宁省电力有限公司抚顺供电公司 | 反窃电异常分析系统 |
US9098553B2 (en) | 2013-03-15 | 2015-08-04 | Gridglo Llc | System and method for remote activity detection |
US20160161539A1 (en) | 2014-12-09 | 2016-06-09 | Powerhive, Inc. | Electricity theft detection system |
CN205193128U (zh) | 2015-12-10 | 2016-04-27 | 丁泽术 | 一种三相电表防窃电检测模块 |
-
2017
- 2017-11-21 US US15/820,326 patent/US10656190B2/en active Active
-
2018
- 2018-03-15 JP JP2019542656A patent/JP7191837B2/ja active Active
- 2018-03-15 WO PCT/US2018/022718 patent/WO2018190984A1/en unknown
- 2018-03-15 EP EP18715872.0A patent/EP3610402B1/en active Active
- 2018-03-15 CN CN201880010436.5A patent/CN110268409B/zh active Active
-
2020
- 2020-04-15 US US16/849,632 patent/US10948526B2/en active Active
-
2022
- 2022-12-07 JP JP2022195769A patent/JP7465939B2/ja active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005250802A (ja) | 2004-03-03 | 2005-09-15 | Toshiba Solutions Corp | 不正アクセス検出装置及び不正アクセス検出プログラム |
JP2010152431A (ja) | 2008-12-24 | 2010-07-08 | Mitsubishi Electric Corp | 不正アクセス検知装置及び不正アクセス検知プログラム及び記録媒体及び不正アクセス検知方法 |
WO2011132377A1 (ja) | 2010-04-23 | 2011-10-27 | パナソニック株式会社 | 検知装置及び検知システム |
JP2013105497A (ja) | 2011-11-15 | 2013-05-30 | Fujitsu Ltd | エネルギー消費のプロファイリング |
US20140358838A1 (en) | 2013-06-04 | 2014-12-04 | International Business Machines Corporation | Detecting electricity theft via meter tampering using statistical methods |
Non-Patent Citations (1)
Title |
---|
奥村晃弘ほか2名,"スマートハウスにおける電力変動からの不正アクセス検知の検討",FIT2013 第12回情報科学技術フォーラム 講演論文集 第4分冊,一般社団法人情報処理学会,2013年08月20日,pp.87~90 |
Also Published As
Publication number | Publication date |
---|---|
JP2023029983A (ja) | 2023-03-07 |
CN110268409B (zh) | 2023-04-04 |
EP3610402B1 (en) | 2022-04-13 |
JP2020516979A (ja) | 2020-06-11 |
CN110268409A (zh) | 2019-09-20 |
JP7191837B2 (ja) | 2022-12-19 |
US10948526B2 (en) | 2021-03-16 |
EP3610402A1 (en) | 2020-02-19 |
US10656190B2 (en) | 2020-05-19 |
US20180299495A1 (en) | 2018-10-18 |
US20200241057A1 (en) | 2020-07-30 |
WO2018190984A1 (en) | 2018-10-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7465939B2 (ja) | 電力不正使用検出のための新しい非パラメトリック統計的挙動識別エコシステム | |
CN109844781B (zh) | 用于从日志文件识别处理流并使流可视化的系统和方法 | |
JP7043512B2 (ja) | パイプ漏れを予測する新規な自律的人工知能システム | |
US11915195B2 (en) | Systems and methods for intelligent field matching and anomaly detection | |
US20160132904A1 (en) | Influence score of a brand | |
US10069891B2 (en) | Channel accessible single function micro service data collection process for light analytics | |
US11570214B2 (en) | Crowdsourced innovation laboratory and process implementation system | |
Schintler et al. | Encyclopedia of big data | |
WO2019161027A1 (en) | System and method for bot detection | |
US20190132352A1 (en) | Nearline clustering and propagation of entity attributes in anti-abuse infrastructures | |
CN115151928A (zh) | 使用机器学习技术的用于通信工作流的增强的处理 | |
CN110023901A (zh) | 用于更新基于云的多层应用栈的系统和方法 | |
US20170091666A1 (en) | System framework processor for channel contacts | |
CN110717597A (zh) | 利用机器学习模型获取时序特征的方法和装置 | |
Lee et al. | Detecting anomaly teletraffic using stochastic self-similarity based on Hadoop | |
US20160048850A1 (en) | Collecting, aggregating, analyzing and reporting traction data on internet-connected applications | |
US12014283B2 (en) | Systems and methods for identifying process flows from log files and visualizing the flow | |
Arampatzis | Clustering streaming data in distributed environments based on belief propagation techniques |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221213 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20221213 |
|
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: 20240305 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240401 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7465939 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |