-
公开(公告)号：CN110084620B
公开(公告)日：2022-08-12
申请号：CN201910302523.4
申请日：2019-04-16
Applicant: 上海交通大学
Abstract: 一种基于深度学习的电子凭据高频异常开具检测系统及方法，包括：特征提取模块、深度学习训练模块以及异常行为检测模块，其中：特征提取模块与深度学习训练模块相连并传输训练数据信息，深度学习训练模块与异常行为检测模块相连并传输智能研判模型信息，异常行为检测模块与特征提取模块中数据处理单元相连传输新数据信息并接收数据处理结果信息。本发明针对电子凭据服务体系中开具感知组件端发生的同一企业短时间开具大量凭据、同一企业短时间开具大量大额凭据、企业异常时间开具大量凭据以及企业异常时间开具大额凭据这四种异常行为，能够有效地分辨出异常电子凭据数据。
-
公开(公告)号：CN110275942A
公开(公告)日：2019-09-24
申请号：CN201910560698.5
申请日：2019-06-26
Applicant: 上海交通大学
Abstract: 本发明涉及数据分析领域，公开了一种电子凭据安全事件融合分析方法，解决了较好完成电子凭据第三方监管系统中融合分析系统任务的技术问题。包括如下步骤：S101：数据采集，S102：数据预处理，S103：特征提取，S104：融合计算，S105：结果输出，所述S104步，包括安全事件研判和关联关系学习，所述安全事件研判使用Kmeans聚类算法获取企业或用户发生安全事件的警戒阈值，所述关联关系学习利用Skip-gram模型训练异常行为对应编码后的词向量，获取异常行为的词向量之后，采用余弦相似性计算词向量间的相似度，进而得出企业间和用户间的关联相似度。在企业发生安全事件时间比较集中或异常行为数目较少时，安全事件预警阈值算法可以动态研判预警阈值而且结果比较准确。
-
公开(公告)号：CN110084620A
公开(公告)日：2019-08-02
申请号：CN201910302523.4
申请日：2019-04-16
Applicant: 上海交通大学
Abstract: 一种基于深度学习的电子凭据高频异常开具检测系统及方法，包括：特征提取模块、深度学习训练模块以及异常行为检测模块，其中：特征提取模块与深度学习训练模块相连并传输训练数据信息，深度学习训练模块与异常行为检测模块相连并传输智能研判模型信息，异常行为检测模块与特征提取模块中数据处理单元相连传输新数据信息并接收数据处理结果信息。本发明针对电子凭据服务体系中开具感知组件端发生的同一企业短时间开具大量凭据、同一企业短时间开具大量大额凭据、企业异常时间开具大量凭据以及企业异常时间开具大额凭据这四种异常行为，能够有效地分辨出异常电子凭据数据。
-
-
Search Results
3
records
(took 0.013 seconds)
