本说明书涉及计算机,尤其涉及一种异常检测方法、装置、设备及可读存储介质。
背景技术:
1、随着人们对隐私数据关注度的提高,以及人工智能技术的快速发展,线上业务得到了快速的发展和广泛的关注。用户可以通过业务平台与其他业务对象进行线上业务。但是,如果用户与参与过异常业务的业务对象进行线上业务,用户的线上业务可能会受到影响。因此,业务平台可以预先对业务对象进行异常检测,及时识别出参与过异常业务的业务对象,从而为用户进行风险预警,提升用户进行线上业务的安全性。
2、基于此,本说明书提供一种异常检测方法。
技术实现思路
1、本说明书提供一种异常检测方法、装置、设备及可读存储介质,以部分的解决现有技术存在的上述问题。
2、本说明书采用下述技术方案:
3、本说明书提供了一种异常检测方法,包括:
4、响应于异常检测请求,获取待检测对象以及异常检测时刻;
5、确定在所述异常检测时刻包含所述待检测对象的目标拓扑图,所述目标拓扑图中各节点分别对应于各业务对象,所述各节点之间的边用于表征在所述异常检测时刻之前所述各业务对象之间存在业务关系,在不同异常检测时刻的目标拓扑图不完全相同;
6、根据所述目标拓扑图中与所述待检测对象通过边连接的邻居节点、所述待检测对象以及所述待检测对象与所述邻居节点之间的边,确定所述待检测对象的目标特征;
7、根据所述待检测对象的目标特征,得到所述待检测对象在所述异常检测时刻的异常检测结果。
8、本说明书提供了一种异常检测装置,包括:
9、获取模块,用于响应于异常检测请求,获取待检测对象以及异常检测时刻;
10、目标拓扑图确定模块,用于确定在所述异常检测时刻包含所述待检测对象的目标拓扑图,所述目标拓扑图中各节点分别对应于各业务对象,所述各节点之间的边用于表征在所述异常检测时刻之前所述各业务对象之间存在业务关系,在不同异常检测时刻的目标拓扑图不完全相同;
11、目标特征确定模块,用于根据所述目标拓扑图中与所述待检测对象通过边连接的邻居节点、所述待检测对象以及所述待检测对象与所述邻居节点之间的边,确定所述待检测对象的目标特征;
12、异常检测结果确定模块,用于根据所述待检测对象的目标特征,得到所述待检测对象在所述异常检测时刻的异常检测结果。本说明书提供了一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述异常检测方法。本说明书提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述异常检测方法。
13、本说明书采用的上述至少一个技术方案能够达到以下有益效果:
14、本说明书提供的异常检测方法中,确定在异常检测时刻包含待检测对象的目标拓扑图,根据目标拓扑图中与待检测对象通过边连接的邻居节点、待检测对象以及待检测对象与邻居节点之间的边,确定待检测对象的目标特征,从而基于待检测对象的目标特征,确定待检测对象在异常检测时刻的异常检测结果。基于在异常检测时刻的目标拓扑图确定待检测对象的目标特征,能够利用随时间变化的邻居节点的信息,以及随时间变化的待检测对象与邻居节点之间的边的信息,汇总目标拓扑图表征的动态变化的图结构和时序信息,从而得到待检测对象在异常检测时刻的异常检测结果,从而基于异常检测结果判断待检测对象是否存在异常,保证了线上业务和隐私数据的安全性。
1.一种异常检测方法,所述方法包括:
2.如权利要求1所述的方法,根据所述目标拓扑图中与所述待检测对象通过边连接的邻居节点、所述待检测对象以及所述待检测对象与所述邻居节点之间的边,确定所述待检测对象的目标特征,具体包括:
3.如权利要求2所述的方法,预先训练的异常检测模型包括特征提取网络和分类网络,所述特征提取网络包括多层图神经网络;
4.如权利要求3所述的方法,根据所述待检测对象的目标特征,得到所述待检测对象在所述异常检测时刻的异常检测结果,具体包括:
5.如权利要求3所述的方法,预先训练异常检测模型,具体包括:
6.如权利要求5所述的方法,根据所述各节点在该历史时刻的异常概率,生成所述各节点对应的伪标签,具体包括:
7.如权利要求5所述的方法,所述方法还包括:
8.一种异常检测装置,包括:
9.一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述权利要求1~7任一项所述的方法。
10.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述权利要求1~7任一项所述的方法。