对象监测方法、装置及存储介质与流程

本技术涉及通信，尤其涉及一种对象监测方法、装置及存储介质。

背景技术：

1、金融、运营商、医疗保健等服务行业领域，各企业均拥有大量业务办理所相关的对象；在企业日常经营活动中，部分对象可能触及一些违规操作；而在对该类对象管理过程中如若不采取适当的预警防范措施，不仅影响客户体验，甚至给公司和客户带来重大经济损失。目前的对象监测方法存在准确率低、效率低、异常发现不及时、异常原因不明确等问题，因此，亟需一种对象监测方法以精准监测对象的异常行为。

技术实现思路

1、本技术提供一种对象监测方法、装置及存储介质，用于提高对异常对象监测的准确性和效率。本技术技术方案如下：

2、第一方面，本技术提供一种对象监测方法，该方法包括：

3、对于多个区域中每个对象，根据对象的特征行为数据，确定对象对应的多个特征行为次数，多个特征行为次数包括对象基于每种业务类型处理客户数据的特征行为次数；

4、根据多个区域中每个对象对应的多个特征行为次数，利用聚类算法将多个区域划分为多个第一类别，每个第一类别包括至少一个区域，一个区域包括至少一个对象；

5、对于每个第一类别，根据第一类别中每个对象对应的多个特征行为次数，利用孤立森林算法确定第一类别中每个对象的初步异常标识；

6、基于第一类别中每个对象的初步异常标识和对应的多个特征行为次数，确定第一类别中每个对象的异常标识。

7、本技术提供的技术方案至少带来以下有益效果由于不同区域的对象行为可能会有差异，根据多个区域中每个对象对应的多个特征行为次数，利用聚类算法将多个区域划分为多个第一类别，分别确定不同的第一类别中的对象的异常标识，这样可以使得确定出的对象的异常标识更加准确，提高确定效率，也可以极大地节约资源的投入。然后对于每个第一类别首先根据第一类别中每个对象对应的多个特征行为次数，利用孤立森林算法确定第一类别中每个对象的初步异常标识；然后基于第一类别中每个对象的初步异常标识和对应的多个特征行为次数，确定第一类别中每个对象的异常标识。进一步提高对象的异常标识确定的准确率，进而保障客户信息安全，维护企业品牌声誉，避免不必要经济损失。

8、在一种可能的实现方式中，基于第一类别中每个对象对应的多个特征行为次数和多种业务类型，确定多种业务类型中每种业务类型对应的多个特征行为次数；基于多种业务类型中每种业务类型对应的多个特征行为次数，构建多个孤立树；根据多个孤立树，得到第一类别中每个对象的异常值；对于第一类别中每个对象，基于对象的异常值确定对象的初步异常标识。

9、基于该可能的实现方式，孤立森林算法是一种基于集合的无监督异常检测算法，通过随机选择特征和随机分割点来构建树，并利用路径长度来度量样本的异常程度；通过对每个样本进行路径长度计算和异常度量，孤立森林算法可以快速确定出对象的初步异常标识。

10、另一种可能的实现方式中，在对象的异常值大于第一预设值的情况下，确定对象的初步异常标识为潜在异常；在对象的异常值小于或等于第一预设值的情况下，确定对象的初步异常标识为无异常。

11、基于该可能的实现方式，通过对象的异常值与第一预设值进行对比，确定对象的初步异常标识。并别第一预设值可以在不同的场景下可以不同，进而调整本方法的适用性。例如不同的第一类别对应的第一预设值不同。

12、又一种可能的实现方式中，基于第一类别中每个对象的初步异常标识，确定第一类别中第一对象和第二对象，第一对象和第二对象的初步异常标识不同；在第二对象中选择第三对象，第三对象的数量和第一对象的数量相同；根据第一对象对应的多个特征行为次数和第三对象对应的多个特征行为次数，利用聚类算法将第一对象和第三对象划分为多个第二类别；基于第一对象所属的第二类别中第一对象的数量与第二对象的数量的比值，确定第一对象的异常标识。

13、基于该可能的实现方式，基于第一对象所属类别中第一对象的数量与第二对象的数量的比值，确定第一对象的异常标识，使得确定出的第一对象的异常标识更加准确。

14、又一种可能的实现方式中，在第一对象的初步异常标识为潜在异常，第二对象的初步异常标识为无异常的情况下，基于比值和第二预设值，确定第一对象的异常标识；在第一对象的初步异常标识为无异常，第二对象的初步异常标识为潜在异常的情况下，基于比值和第三预设值，确定第一对象的异常标识。

15、又一种可能的实现方式中，在比值大于第二预设值的情况下，确定第一对象的异常标识为真异常；在比值小于或等于第二预设值的情况下，确定第一对象的异常标识为潜在异常。

16、又一种可能的实现方式中，在比值大于第三预设值的情况下，确定第一对象的异常标识为潜在异常；在比值小于或等于第三预设值的情况下，确定第一对象的异常标识为无异常。

17、基于上述三种可能的实现方式，初步异常标识不同的第一对象确定其异常标识的方法不同，再次进一步提高异常标识确定的准确率。

18、又一种可能的实现方式中，对于第一类别中每个对象，基于对象对应的多个特征行为次数，以及对象的异常标识，通过层次分析法确定对象的异常得分。

19、基于该可能的实现方式，基于不同维度的总和分析确定对象的异常得分。以便管理人员更加准确判断对象出现异常的概率，便于管理人员的管理。

20、又一种可能的实现方式中，在对象的异常得分大于第四预设值的情况下，生成并发送对象对应的预警信息。

21、基于该可能的实现方式，及时向管理人员通知可能出现异常的对象的预警信息，便于管理人员及时处理，维护公司利益。

22、第二方面，本技术提供一种对象监测装置，该装置包括：

23、数据处理模块，用于对于多个区域中每个对象，根据对象的特征行为数据，确定对象对应的多个特征行为次数，多个特征行为次数包括对象基于每种业务类型处理客户数据的特征行为次数；

24、聚类模块，用于根据多个区域中每个对象对应的多个特征行为次数，利用聚类算法将多个区域划分为多个第一类别，每个第一类别包括至少一个区域，一个区域包括至少一个对象；

25、异常确定模块，用于对于每个第一类别，根据第一类别中每个对象对应的多个特征行为次数，利用孤立森林算法确定第一类别中每个对象的初步异常标识；

26、异常确定模块，还用于基于第一类别中每个对象的初步异常标识和对应的多个特征行为次数，确定第一类别中每个对象的异常标识。

27、在一种可能的实现方式中，异常确定模块，具体用于：

28、基于第一类别中每个对象对应的多个特征行为次数和多种业务类型，确定多种业务类型中每种业务类型对应的多个特征行为次数；

29、基于多种业务类型中每种业务类型对应的多个特征行为次数，构建多个孤立树；

30、根据多个孤立树，得到第一类别中每个对象的异常值；

31、对于第一类别中每个对象，基于对象的异常值确定对象的初步异常标识。

32、另一种可能的实现方式中，异常确定模块，还用于：

33、在对象的异常值大于第一预设值的情况下，确定对象的初步异常标识为潜在异常；

34、在对象的异常值小于或等于第一预设值的情况下，确定对象的初步异常标识为无异常。

35、又一种可能的实现方式中，异常确定模块，还用于：

36、基于第一类别中每个对象的初步异常标识，确定第一类别中第一对象和第二对象，第一对象和第二对象的初步异常标识不同；

37、在第二对象中选择第三对象，第三对象的数量和第一对象的数量相同；

38、根据第一对象对应的多个特征行为次数和第三对象对应的多个特征行为次数，利用聚类算法将第一对象和第三对象划分为多个第二类别；

39、基于第一对象所属的第二类别中第一对象的数量与第二对象的数量的比值，确定第一对象的异常标识。

40、又一种可能的实现方式中，异常确定模块，还用于：

41、在第一对象的初步异常标识为潜在异常，第二对象的初步异常标识为无异常的情况下，基于比值和第二预设值，确定第一对象的异常标识；

42、在第一对象的初步异常标识为无异常，第二对象的初步异常标识为潜在异常的情况下，基于比值和第三预设值，确定第一对象的异常标识。

43、又一种可能的实现方式中，异常确定模块，还用于：

44、在比值大于第二预设值的情况下，确定第一对象的异常标识为真异常；

45、在比值小于或等于第二预设值的情况下，确定第一对象的异常标识为潜在异常。

46、又一种可能的实现方式中，异常确定模块，还用于：

47、在比值大于第三预设值的情况下，确定第一对象的异常标识为潜在异常；

48、在比值小于或等于第三预设值的情况下，确定第一对象的异常标识为无异常。

49、又一种可能的实现方式中，异常确定模块，还用于：

50、对于第一类别中每个对象，基于对象对应的多个特征行为次数，以及对象的异常标识，通过层次分析法确定对象的异常得分。

51、又一种可能的实现方式中，对象监测装置还包括预警模块，用于在对象的异常得分大于第四预设值的情况下，生成并发送对象对应的预警信息。

52、第三方面，本技术还提供了一种电子设备，该电子设备包括：处理器和用于存储处理器可执行指令的存储器；其中，处理器被配置为执行指令，使得电子设备执行如第一方面及其任一种可能的实现方式的对象监测方法。

53、第四方面，本技术还提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机指令，当计算机指令在电子设备上运行时，使得电子设备执行如第一方面及其任一种可能的实现方式的对象监测方法。

54、本技术中第二方面到第四方面及其各种实现方式的具体描述，可以参考第一方面及其各种实现方式中的详细描述。第二方面到第四方面及其各种实现方式的有益效果，可以参考第一方面及其各种实现方式的有益效果分析，此处不再赘述。

技术特征：

1.一种对象监测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述根据所述第一类别中每个对象对应的多个特征行为次数，利用孤立森林算法确定所述第一类别中每个对象的初步异常标识，包括：

3.根据权利要求2所述的方法，其特征在于，所述基于所述对象的异常值确定所述对象的初步异常标识，包括：

4.根据权利要求3所述的方法，其特征在于，所述基于所述第一类别中每个对象的初步异常标识和对应的多个特征行为次数，确定所述第一类别中每个对象对应的异常标识，包括：

5.根据权利要求4所述的方法，其特征在于，所述基于所述第一对象所属的第二类别中所述第一对象的数量与所述第二对象的数量的比值，确定所述第一对象的异常标识，包括：

6.根据权利要求5所述的方法，其特征在于，所述基于所述比值和第二预设值，确定所述第一对象的异常标识，包括：

7.根据权利要求5所述的方法，其特征在于，所述基于所述比值和第三预设值，确定所述第一对象的异常标识，包括：

8.根据权利要求1所述的方法，其特征在于，所述方法还包括：

9.根据权利要求8所述的方法，其特征在于，所述方法还包括：

10.一种对象监测装置，其特征在于，所述装置包括：

11.一种电子设备，其特征在于，所述电子设备包括：处理器和用于存储所述处理器可执行指令的存储器；

12.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机指令，当所述计算机指令在电子设备上运行时，使得所述电子设备执行如权利要求1-9中任一项所述的对象监测方法。

技术总结
本申请提供一种对象监测方法、装置及存储介质，涉及通信技术领域，用于提高对异常对象监测的准确性和效率，该方法包括：对于多个区域中每个对象，根据对象的特征行为数据，确定对象对应的多个特征行为次数；根据多个区域中每个对象对应的多个特征行为次数，利用聚类算法将多个区域划分为多个第一类别，每个第一类别包括至少一个区域，一个区域包括至少一个对象；对于每个第一类别，根据第一类别中每个对象对应的多个特征行为次数，利用孤立森林算法确定第一类别中每个对象的初步异常标识；基于第一类别中每个对象的初步异常标识和对应的多个特征行为次数，确定第一类别中每个对象对应的异常标识。

技术研发人员：黄兴如,李奕萱,闫龙,胡博文,李大中
受保护的技术使用者：中国联合网络通信集团有限公司
技术研发日：
技术公布日：2024/9/23