基于人工智能的异常事件识别方法、装置及设备与流程

本公开涉及人工智能领域，具体而言，涉及一种基于人工智能的异常事件识别方法、装置及设备。

背景技术：

1、风控管理是金融的发展命脉，提高风控意识和风险管理水平是行业稳健发展的基础。近年来，监管机构持续完善法律法规，加强行业监管、完善主体责任、规范企业经营，推动金融行业合规发展。不过，受限于汽车产业整体信息技术水平及线上化程度较低，生态整合及科技应用能力较弱，数字金融服务能力仍有待深化。在此基础上，参与主体如何提升风控质效、把控风控成本、保障合规经营是难点所在。随着用户消费行为及习惯的转变，银行业务逐步向线上化、场景化、多样化转型发展，其中个人、小微贷款业务面临的操作风险、信用风险、技术风险也不断加大，传统风控手段难以满足银行对风险管理的智能化、精细化及多元化需求，如何通过科技手段加强核心风控环节管理，保障业务合规开展是当下的挑战之一。

技术实现思路

1、本发明的目的在于提供一种基于人工智能的异常事件识别方法、装置及设备。

2、本公开实施例的技术方案是这样实现的：

3、第一方面，本公开实施例提供了一种基于人工智能的异常事件识别方法，应用于电子设备，所述方法包括：

4、获取拟识别用户行为事件集；

5、对所述拟识别用户行为事件集进行异常情况确定，确定所述拟识别用户行为事件集的第一异常确定信息；其中，所述第一异常确定信息用以描述所述拟识别用户行为事件集是否存在异常事件；

6、当确定所述拟识别用户行为事件集存在异常事件时，获取所述拟识别用户行为事件集的局部描述知识载体；所述局部描述知识载体用以描述所述拟识别用户行为事件集涵盖的行为事件在所述拟识别用户行为事件集的局部自相关事件中表征的事件特征信息；所述局部自相关事件为所述拟识别用户行为事件集中与所述行为事件同在预设时间范围内的其余行为事件；

7、通过所述局部描述知识载体，确定所述拟识别用户行为事件集包含的异常行为事件；

8、确定所述异常行为事件为拟识别用户行为事件集对应的异常识别结果，标记所述异常识别结果。

9、可选地，所述对所述拟识别用户行为事件集进行异常情况确定，确定所述拟识别用户行为事件集的第一异常确定信息，包括：

10、依据异常事件识别算法中的特征提炼网络，对所述拟识别用户行为事件集进行知识载体提炼，得到所述拟识别用户行为事件集的全局描述知识载体，所述全局描述知识载体为通过所述拟识别用户行为事件集中的全部行为事件获得；

11、依据所述异常事件识别算法中的第一决策网络，对所述全局描述知识载体进行异常确定操作，确定所述第一异常确定信息。

12、可选地，所述依据异常事件识别算法中的特征提炼网络，对所述拟识别用户行为事件集进行知识载体提炼，得到所述拟识别用户行为事件集的全局描述知识载体，包括：

13、对所述拟识别用户行为事件集进行事件数据编码，得到所述拟识别用户行为事件集对应的初始事件向量序列；所述拟识别用户行为事件集包含第一定位信息码和第二定位信息码；所述第一定位信息码为所述拟识别用户行为事件集中的连续型行为事件的事件开始节点设置的信息码；所述第二定位信息码为所述拟识别用户行为事件集中的连续型行为事件的事件截止节点设置的信息码；所述初始事件向量序列中包括所述拟识别用户行为事件集中涵盖的行为事件的事件向量表征、第一定位信息码的事件向量表征以及第二定位信息码的事件向量表征；

14、将所述初始事件向量序列输入所述特征提炼网络中，得到所述初始事件向量序列中的事件向量表征对应的描述知识载体；所述特征提炼网络用于确定输入的事件向量表征对应的描述知识载体；

15、确定所述第一定位信息码的事件向量表征对应的描述知识载体为所述拟识别用户行为事件集的全局描述知识载体。

16、可选地，依据所述异常事件识别算法中的第一决策网络，对所述全局描述知识载体进行异常确定操作，确定所述第一异常确定信息，包括：依据所述第一决策网络，对所述全局描述知识载体进行处理，得到第一支持系数，所述第一支持系数表示拟识别用户行为事件集在存在异常事件下的支持系数和拟识别用户行为事件集在不存在异常事件下的支持系数；通过所述第一支持系数，确定所述拟识别用户行为事件集的第一异常确定信息；

17、所述确定所述拟识别用户行为事件集的局部描述知识载体，包括：依据所述异常事件识别算法中的过滤器对所述全局描述知识载体进行滑动滤波，得到所述拟识别用户行为事件集的局部描述知识载体；

18、所述通过所述局部描述知识载体，确定所述拟识别用户行为事件集包含的异常行为事件，包括：依据所述异常事件识别算法中的第二决策网络对所述局部描述知识载体进行异常确定操作，得到第二异常确定信息；所述第二异常确定信息中包括所述拟识别用户行为事件集中所涵盖的行为事件对应的异常确定标记，所述异常确定标记用以描述所述行为事件是否为异常行为事件；确定指示行为事件为异常行为事件的异常确定标记对应的行为事件为所述拟识别用户行为事件集对应的异常行为事件。

19、可选地，所述方法还包括：

20、当确定所述拟识别用户行为事件集存在异常事件时，获取预设异常行为事件集合中的异常识别结果与所述拟识别用户行为事件集之间的异常信息相似性系数；在所述预设异常行为事件集合中，确定异常信息相似性系数大于相似性系数临界值的异常识别结果为所述拟识别用户行为事件集对应的异常识别结果；

21、其中，所述拟识别用户行为事件集的第一异常确定信息为依据异常事件识别算法中的第一决策网络和所述拟识别用户行为事件集的全局描述知识载体获得的；所述全局描述知识载体为依据异常事件识别算法中的特征提炼网络，对所述拟识别用户行为事件集中的全部行为事件的进行知识载体提炼获得的；

22、所述确定预设异常行为事件集合中的异常识别结果与所述拟识别用户行为事件集之间的异常信息相似性系数，包括：依据所述特征提炼网络对所述预设异常行为事件集合中的异常识别结果进行知识载体挖掘，得到异常事件知识载体；通过所述异常事件知识载体和所述全局描述知识载体，确定所述异常信息相似性系数；

23、所述标记所述异常识别结果，包括：获取所述异常识别结果对应的第一关联评估值、所述异常识别结果中的行为子事件个数和所述拟识别用户行为事件集的采集时间；所述第一关联评估值用以描述确定的异常识别结果和拟识别用户行为事件集的相关性程度；通过所述第一关联评估值，所述异常识别结果中的行为子事件个数和所述拟识别用户行为事件集的采集时间，确定所述异常识别结果对应的质量系数；所述质量系数用以描述所述异常识别结果的准确度；通过所述质量系数标记所述异常识别结果。

24、可选地，所述获取所述异常识别结果对应的第一关联评估值，包括：

25、当确定所述异常识别结果为通过所述拟识别用户行为事件集包含的异常行为事件获得时，通过所述异常识别结果中的异常行为事件对应的第二支持系数、所述异常识别结果中的异常行为事件的个数和第一预设影响系数，确定所述第一关联评估值；所述第二支持系数用以描述所述行为事件为异常行为事件的可信度；

26、当确定所述异常识别结果为来自于所述预设异常行为事件集合中时，通过所述异常识别结果对应的异常信息相似性系数和第二预设影响系数，确定所述第一关联评估值；所述第一预设影响系数大于所述第二预设影响系数；

27、所述通过所述第一关联评估值，所述异常识别结果中的行为子事件个数和所述拟识别用户行为事件集的采集时间，确定所述异常识别结果对应的质量系数，包括：通过所述拟识别用户行为事件集的采集时间，确定第二关联评估值，所述第二关联评估值和所述采集时间的数值变动方向一致；通过所述异常识别结果中的行为子事件个数，确定第三关联评估值；通过所述第一关联评估值、所述第二关联评估值和所述第三关联评估值，确定所述异常识别结果对应的质量系数。

28、可选地，所述异常事件识别算法通过以下步骤进行训练得到：

29、获取用户行为事件训练集；所述用户行为事件训练集携带有第一批注信息和第二批注信息，所述第一批注信息用以描述所述用户行为事件训练集是否存在异常事件，所述第二批注信息用以描述所述用户行为事件训练集所涵盖的行为事件是否为异常行为事件；

30、通过所述用户行为事件训练集对初始化算法进行训练，得到异常事件识别算法；所述异常事件识别算法用于对拟识别用户行为事件集进行异常情况确定，当确定所述拟识别用户行为事件集存在异常事件时，获取所述拟识别用户行为事件集的局部描述知识载体，并通过所述局部描述知识载体，确定所述拟识别用户行为事件集包含的异常行为事件；所述局部描述知识载体用以描述所述拟识别用户行为事件集涵盖的行为事件在所述拟识别用户行为事件集的局部自相关事件中表征的事件特征信息；所述局部自相关事件为所述拟识别用户行为事件集中与所述行为事件同在预设时间范围内的其余行为事件。

31、可选地，所述通过所述用户行为事件训练集对初始化算法进行训练，得到异常事件识别算法，包括：

32、将所述用户行为事件训练集输入所述初始化算法，得到第一执行信息和第二执行信息；第一执行信息用以描述所述初始化算法确定的所述用户行为事件训练集是否存在异常事件；所述第二执行信息用以描述所述初始化算法确定的所述用户行为事件训练集中的行为事件是否为异常行为事件；

33、通过所述第一执行信息和所述第一批注信息得到第一代价算法；

34、通过所述第二执行信息和所述第二批注信息得到第二代价算法；

35、通过所述第一代价算法和所述第二代价算法对所述初始化算法进行参数修正，得到所述异常事件识别算法；

36、其中，所述将所述用户行为事件训练集输入所述初始化算法，得到第一执行信息和第二执行信息，包括：

37、依据所述初始化算法的原始特征提炼网络对所述用户行为事件训练集进行知识载体提炼，得到所述用户行为事件训练集的全局描述知识载体；所述全局描述知识载体为通过所述用户行为事件训练集中的全部行为事件获得；

38、依据所述初始化算法中的第一原始决策网络对所述全局描述知识载体进行异常确定操作，确定所述第一执行信息；

39、依据所述初始化算法中的原始过滤器对所述用户行为事件训练集的全局描述知识载体进行滑动滤波，得到所述用户行为事件训练集的局部描述知识载体；

40、依据所述初始化算法中的第二原始决策网络对所述用户行为事件训练集的局部描述知识载体进行异常确定操作，得到第二执行信息；所述第二执行信息包括所述用户行为事件训练集中所涵盖的行为事件对应的异常确定标记，所述异常确定标记用以描述所述行为事件是否为异常行为事件。

41、另一方面，本公开提供一种异常事件识别装置，所述装置包括：

42、行为数据获取模块，用于获取拟识别用户行为事件集；

43、异常情况确定模块，用于对所述拟识别用户行为事件集进行异常情况确定，确定所述拟识别用户行为事件集的第一异常确定信息；其中，所述第一异常确定信息用以描述所述拟识别用户行为事件集是否存在异常事件；

44、知识载体挖掘模块，用于当确定所述拟识别用户行为事件集存在异常事件时，获取所述拟识别用户行为事件集的局部描述知识载体；所述局部描述知识载体用以描述所述拟识别用户行为事件集涵盖的行为事件在所述拟识别用户行为事件集的局部自相关事件中表征的事件特征信息；所述局部自相关事件为所述拟识别用户行为事件集中与所述行为事件同在预设时间范围内的其余行为事件；

45、异常行为确定模块，用于通过所述局部描述知识载体，确定所述拟识别用户行为事件集包含的异常行为事件；

46、异常结果标记模块，用于确定所述异常行为事件为拟识别用户行为事件集对应的异常识别结果，标记所述异常识别结果。

47、第三方面，本公开还提供一种电子设备，包括存储器和处理器，所述存储器存储有可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述的方法。

48、本公开至少具有以下有益效果：本公开中为了提取拟识别用户行为事件集对应的异常识别结果，先对拟识别用户行为事件集进行异常情况确定，通过异常情况确定后获得第一异常确定信息确定是否具有异常事件，从而判断是否对拟识别用户行为事件集进行处理。如果确定拟识别用户行为事件集不包含异常事件，不再进行后续异常识别结果的确定，释放处理器算力。当确定拟识别用户行为事件集具备异常事件时，获取拟识别用户行为事件集对应的局部描述知识载体，从而精确表征每一行为事件在对应的局部自相关事件的行为描述结果，有利于通过局部描述知识载体精确地识别拟识别用户行为事件集中的异常行为事件。

49、在后面的描述中，将部分地陈述其他的特征。在检查后面内容和附图时，本领域的技术人员将部分地发现这些特征，或者可以通过生产或运用了解到这些特征。通过实践或使用后面所述详细示例中列出的方法、工具和组合的各个方面，当前申请中的特征可以被实现和获得。