江蘇大學(xué)碩士學(xué)位論文基于多青華申請(qǐng)學(xué)位級(jí)別：碩士專業(yè)：計(jì)算機(jī)應(yīng)用技術(shù)指導(dǎo)教師：楊鶴標(biāo)20090531江蘇大學(xué)碩士學(xué)位論文摘 要醫(yī)療保險(xiǎn)作為整個(gè)社會(huì)保障體系的組成部分之一，在保障全體勞動(dòng)者的健康方面發(fā)揮了重要作用。然而由于醫(yī)療保險(xiǎn)中信息不對(duì)稱而引發(fā)的違規(guī)和欺詐行為也與之相生相伴，違規(guī)和欺詐的手段也越來(lái)越隱蔽化和專業(yè)化，風(fēng)險(xiǎn)控制也成為理論和實(shí)踐操作上的難題。在此背景下，探索將用時(shí)或準(zhǔn)實(shí)時(shí)地檢測(cè)出醫(yī)療保險(xiǎn)體系中出現(xiàn)的違規(guī)和欺詐行為，對(duì)加強(qiáng)醫(yī)療保險(xiǎn)監(jiān)督工作，減少醫(yī)療保險(xiǎn)基金的流失有著十分重要的現(xiàn)實(shí)意義。保人就診是在一個(gè)開放式的動(dòng)態(tài)環(huán)境中，在此過程中保人、醫(yī)生及保險(xiǎn)機(jī)構(gòu)都是具有智能性和理性的行為主體以及對(duì)問題的求解能力，并能夠預(yù)測(cè)其行為的后果，這些都與此，本文提出了一個(gè)基于多稱系統(tǒng)中將醫(yī)療機(jī)構(gòu)和保險(xiǎn)機(jī)構(gòu)分別視為對(duì)應(yīng)的欺詐行為的檢測(cè)過程視為一個(gè)多們間通過黑板提供的公共工作區(qū)獲得彼此問的信息和意圖，利用文研究的主要工作：1、對(duì)目前常用的異常檢測(cè)方法及研究了、對(duì)醫(yī)療保險(xiǎn)領(lǐng)域的問題進(jìn)行了分析，確定了異常檢測(cè)的主題及檢測(cè)流程。通過對(duì)醫(yī)療數(shù)據(jù)的分析，給出了需檢測(cè)的醫(yī)療行為，進(jìn)行了用例建模。3、針對(duì)出了基于多述了系統(tǒng)的工作機(jī)制，進(jìn)行了體系結(jié)構(gòu)及相關(guān)、在系統(tǒng)原型進(jìn)行了實(shí)現(xiàn)。針對(duì)門診用藥的效效相似性，給出了異常檢測(cè)策略，并通過實(shí)際醫(yī)療數(shù)據(jù)的測(cè)試，驗(yàn)證了系統(tǒng)的可用性。關(guān)鍵詞：多常檢測(cè)，醫(yī)療保險(xiǎn)，欺詐，協(xié)作江蘇大學(xué)碩士學(xué)位論文as a of a in of by of in to of 0SS to a in a to in an of n a of a is in n as as of he a to so he as 、to is 、On of on of to be to 、In of a of on 、on at in on 用學(xué)位論文的規(guī)定，同意學(xué)校保留并向國(guó)家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)印件和電子版，允許論文被查閱和借閱。本人授權(quán)江蘇大學(xué)可以將本學(xué)位論文的全部?jī)?nèi)容或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫(kù)進(jìn)行檢索，可以采用影印、縮印或掃描等復(fù)制手段保存和匯編本學(xué)位論文。保密 口，在 年解密后適用本授權(quán)書。本學(xué)位論文屬于不保密衫。學(xué)位做作者簽名：田音聳 指導(dǎo)教師簽名：胗芴辦矽叩年占月午曰 呈交的學(xué)位論文，是本人在導(dǎo)師的指導(dǎo)下，獨(dú)立進(jìn)行研究工作所取得的成果。除文中已注明引用的內(nèi)容以外，本論文不包含任何其他個(gè)人或集體已經(jīng)發(fā)表或撰寫過的作品成果。對(duì)本文的研究做出重要貢獻(xiàn)的個(gè)人和集體，均已在文中以明確方式標(biāo)明。本人完全意識(shí)到本聲明的法律結(jié)果由本人承擔(dān)。學(xué)位論文作者簽名：曰音華日期：7007年6月爭(zhēng)研究背景第一章緒論醫(yī)療保險(xiǎn)是指當(dāng)人們生病或受到傷害后，由國(guó)家或社會(huì)給予的一種物質(zhì)幫助，即提供醫(yī)療服務(wù)或經(jīng)濟(jì)補(bǔ)償?shù)囊环N社會(huì)保障制度。醫(yī)療保險(xiǎn)在保障公民健康方面發(fā)揮了重要作用，對(duì)于維護(hù)社會(huì)穩(wěn)定、發(fā)展社會(huì)經(jīng)濟(jì)、保障人民生活具有重要影響。自1998年開始改革以來(lái)，城鎮(zhèn)職工基本醫(yī)療保險(xiǎn)制度己在全國(guó)范圍內(nèi)基本建立。然而與此同時(shí)，醫(yī)療保險(xiǎn)也面臨著越來(lái)越多的挑戰(zhàn)，頻頻見諸報(bào)端的醫(yī)療保險(xiǎn)欺詐和違規(guī)現(xiàn)象卻如蛀蟲般悄然與之相生相伴，醫(yī)療保險(xiǎn)欺詐和違規(guī)沒完沒了，欺詐手法也變的越來(lái)越隱秘，如冒名頂替；參保單位的經(jīng)辦人員利用職務(wù)之便，使用參保人年度內(nèi)可享受的醫(yī)療費(fèi)用余額冒名看病報(bào)銷；將非醫(yī)保支付的項(xiàng)目如美容、保健品、日用品等換成醫(yī)保支付的項(xiàng)目，或以藥換物；將非醫(yī)保藥丌成醫(yī)保藥；將普通門診藥寫成門診特殊病用藥，以提高報(bào)銷比例；醫(yī)療明細(xì)作假；多申報(bào)診療費(fèi)用，如用三天藥申報(bào)成六天；憑空捏造；未進(jìn)行的醫(yī)療檢查項(xiàng)目、未使用的設(shè)施卻開出檢查費(fèi)、治療費(fèi)和使用費(fèi)等，進(jìn)行申報(bào)結(jié)算；偽造住院和門診病歷、各種檢查治療記錄、報(bào)告單掣11。這螳向醫(yī)保基會(huì)管理機(jī)構(gòu)騙取醫(yī)?；鸹蜥t(yī)保待遇的行為，嚴(yán)重威脅到醫(yī)療保險(xiǎn)制度的穩(wěn)定發(fā)展和醫(yī)療保險(xiǎn)基會(huì)的合理利用【2捌。雖然，醫(yī)療保險(xiǎn)行業(yè)業(yè)務(wù)大部分已經(jīng)信息化，但所丌發(fā)的系統(tǒng)主要用于內(nèi)部的業(yè)務(wù)處理，或是用于對(duì)保險(xiǎn)數(shù)據(jù)進(jìn)行一些決策所需的分析和預(yù)測(cè)，在對(duì)醫(yī)療數(shù)據(jù)存在的異常行為的檢測(cè)方面尚未見相關(guān)的報(bào)道。異?！?】是指在數(shù)據(jù)集合中顯得與眾不同的數(shù)據(jù)，這些數(shù)據(jù)往往超出了正常的范圍，使人懷疑這些數(shù)據(jù)并非隨機(jī)偏差，而是產(chǎn)生于完全不同的機(jī)制。異常檢測(cè)5過對(duì)出現(xiàn)的異常數(shù)據(jù)及時(shí)響應(yīng)并對(duì)異常數(shù)據(jù)進(jìn)行處理，來(lái)保證系統(tǒng)的文從醫(yī)療保險(xiǎn)的自身特點(diǎn)出發(fā)，試圖結(jié)合醫(yī)保基金的管理實(shí)踐，借鑒異常檢測(cè)理論，研究如何將分利用應(yīng)性、靈活性等優(yōu)點(diǎn)，通過構(gòu)建欺詐行為檢測(cè)系統(tǒng)，為醫(yī)療欺詐行為的檢測(cè)提供一個(gè)新的思路。江蘇大學(xué)碩士學(xué)位論文12研究現(xiàn)狀l、異常檢測(cè)研究現(xiàn)狀當(dāng)前社會(huì)中許多領(lǐng)域都存在著異常，如信用卡欺詐、電信欺詐、網(wǎng)絡(luò)入侵等等，對(duì)異常的研究具有十分重要的實(shí)際意義，因此異常檢測(cè)研究也越來(lái)越受到研究者們的重視，并在實(shí)際應(yīng)用中發(fā)揮了重要的作用。美國(guó)在2002發(fā)生了一起涉及十萬(wàn)多筆虛假互聯(lián)網(wǎng)交易的神秘信用卡詐騙案，中有六萬(wàn)多筆被確認(rèn)有效。而正常情況下公司網(wǎng)站每天通常處理530筆交易，所以交易數(shù)量的異常激增使得管理人員提高了警惕性，在總部設(shè)在芝加哥的在線信用卡交易商合聯(lián)邦調(diào)查局，共同對(duì)此案展開調(diào)查。最后的調(diào)查結(jié)果表明原先被確認(rèn)為有效的交易幾乎都是虛假的，由于處理及時(shí)，因而使公司免受了巨大損失。是一個(gè)比較完整的同時(shí)使用基于規(guī)則模型和基于神經(jīng)網(wǎng)絡(luò)模型的反欺詐系統(tǒng)。首先系統(tǒng)接收一個(gè)來(lái)自于進(jìn)行簡(jiǎn)單的規(guī)則判斷，比如是否有錯(cuò)誤格式，卡號(hào)是否過期等等，阻止了一些顯而易見的錯(cuò)誤。然后系統(tǒng)會(huì)進(jìn)行卡號(hào)密碼的認(rèn)證。接著交易要經(jīng)過個(gè)基于規(guī)則的欺詐檢測(cè)子系統(tǒng)的處理。交易從上面這兩個(gè)偵測(cè)子系統(tǒng)順利通過后，進(jìn)入一個(gè)基于神經(jīng)網(wǎng)絡(luò)的風(fēng)險(xiǎn)評(píng)分子系統(tǒng)。神經(jīng)網(wǎng)絡(luò)要通過很多歷史欺詐信息來(lái)建一、Z。如果風(fēng)險(xiǎn)評(píng)分系統(tǒng)產(chǎn)生的分?jǐn)?shù)比較高，則表明有可能是欺詐行為，業(yè)務(wù)人員會(huì)對(duì)這些交易進(jìn)行進(jìn)一步的審核。如果是成功的交易，則直接通知商戶發(fā)放貨物，甭則會(huì)回退給用戶，告知有欺詐交易發(fā)生。J，但這種方法需要法檢測(cè)突發(fā)性的大量異常情況。為了解決這個(gè)問題，用K據(jù)多的簇當(dāng)作正常簇、數(shù)據(jù)少的簇當(dāng)作異常簇，再利用價(jià)每個(gè)簇內(nèi)數(shù)據(jù)的相似程度，根據(jù)預(yù)先定義的閾值來(lái)判斷是否需要給簇重新標(biāo)汜。2、向于：個(gè)人信息管理、電子商務(wù)、接口設(shè)計(jì)、計(jì)算機(jī)游戲、商業(yè)和工業(yè)過程的控制、消息軟2江蘇大學(xué)碩士學(xué)位論文件、交通控制、金融業(yè)務(wù)管理丌發(fā)工具、信息的篩選與搜集、用戶界面軟件、工作流管理和網(wǎng)絡(luò)管理等方面。同時(shí)，療保健等醫(yī)學(xué)應(yīng)用領(lǐng)域中112】。目前對(duì)1)智能2)多3)面向4)面向年來(lái)，種基于多前臺(tái)辦公系統(tǒng)軟件提供商o采用國(guó)卡內(nèi)基梅隆大學(xué)研制的關(guān)計(jì)和實(shí)現(xiàn)提供了一個(gè)嶄新的途徑，被稱為軟件開發(fā)的又一重大突破14J，但從80年代末開始，有關(guān)與許多其他領(lǐng)域相互借鑒和融合，在許多不同于最初系統(tǒng)監(jiān)控和專家診斷方面，利用多5】。各區(qū)域觀測(cè)站分別作為一個(gè)出局部預(yù)測(cè)，然后進(jìn)行協(xié)調(diào)，構(gòu)成一個(gè)多過網(wǎng)絡(luò)對(duì)整個(gè)地域進(jìn)行分布式問題求解，最終形成一個(gè)可靠的一致解，從而實(shí)現(xiàn)全局預(yù)測(cè)。系統(tǒng)將復(fù)雜的診斷問題劃分成多個(gè)子區(qū)域。單個(gè)便分別承擔(dān)診斷任務(wù)，減少通訊量，提高實(shí)時(shí)性。該系統(tǒng)采用多分布在不同位置的計(jì)算機(jī)上的而完成分布式協(xié)調(diào)監(jiān)控與診斷任務(wù)。各個(gè)完成各自的任務(wù)。等采用黑板成功應(yīng)用于水下探險(xiǎn)、測(cè)量等工作。國(guó)內(nèi)開始也取得了很大的進(jìn)步，涌現(xiàn)出大量的科研成果，中科院研制的多主體環(huán)境信息處理、電子商務(wù)等。中國(guó)第一屆力的促進(jìn)了國(guó)內(nèi)著科技的不斷發(fā)展，欺詐檢測(cè)已經(jīng)不再停留在手工和人腦的基礎(chǔ)上，單純依靠人的觀察和經(jīng)驗(yàn)已不能滿足欺詐檢測(cè)的需要。欺詐檢測(cè)系統(tǒng)(稱為檢測(cè)領(lǐng)域信息系統(tǒng)的重要方面己成為計(jì)算機(jī)檢測(cè)應(yīng)用的熱點(diǎn)和主要發(fā)展方向。異常檢測(cè)技術(shù)及上所述，借助現(xiàn)代信息技術(shù)，設(shè)計(jì)和開發(fā)一套醫(yī)療欺詐行為檢測(cè)系統(tǒng)，對(duì)于保證社會(huì)保險(xiǎn)基金的合理利用和安全，支持勞動(dòng)保障部門的社會(huì)保障基金非現(xiàn)場(chǎng)監(jiān)督工作就顯得十分必要。13研究?jī)?nèi)容本課題的研究?jī)?nèi)容是針對(duì)醫(yī)療保險(xiǎn)領(lǐng)域特點(diǎn)，在異常檢測(cè)技術(shù)和行基于多主要研究?jī)?nèi)容以下幾個(gè)方面：1、對(duì)目前常用的異常檢測(cè)技術(shù)、論文的后續(xù)工作奠定基礎(chǔ)。2、對(duì)醫(yī)療保險(xiǎn)領(lǐng)域中的違規(guī)欺詐現(xiàn)象進(jìn)行研究，通過分析異常醫(yī)療行為的成因，抽取出醫(yī)療保險(xiǎn)門診的違規(guī)欺詐行為，確定系統(tǒng)的檢測(cè)主題。通過分析醫(yī)療保險(xiǎn)機(jī)構(gòu)所采用的檢測(cè)方法，針對(duì)檢測(cè)主題，給出系統(tǒng)的檢測(cè)流程，并對(duì)系統(tǒng)主要的功能進(jìn)行用例建模。3、在上述研究的基礎(chǔ)上，結(jié)合建基于多進(jìn)行系統(tǒng)的體系結(jié)構(gòu)、醫(yī)療數(shù)據(jù)預(yù)處理及各個(gè)功能模塊的詳細(xì)設(shè)計(jì)。針對(duì)醫(yī)療欺詐行為檢測(cè)流程，確定系統(tǒng)中個(gè)、原型系統(tǒng)實(shí)現(xiàn)。在行基于多成對(duì)系統(tǒng)中關(guān)鍵技術(shù)的實(shí)現(xiàn)，并以具體的測(cè)試樣例驗(yàn)證系統(tǒng)的可用性。14論文結(jié)構(gòu)本文分為六章，其主要內(nèi)容概要如下：第一章提出課題的研究背景，分析領(lǐng)域的研究現(xiàn)狀，確定本文的研究?jī)?nèi)容，4江蘇大學(xué)碩士學(xué)位論文給出論文的結(jié)構(gòu)。第二章介紹異常檢測(cè)的情況和測(cè)中的應(yīng)用情況。第三章研究對(duì)醫(yī)療違規(guī)欺詐行為的成因及特征，程，最后進(jìn)行用例建模。并分析據(jù)預(yù)處理及各個(gè)出五章在系統(tǒng)中的關(guān)鍵技術(shù)進(jìn)行實(shí)現(xiàn)，通過實(shí)際測(cè)試數(shù)據(jù)對(duì)系統(tǒng)進(jìn)行驗(yàn)證。第六章進(jìn)行全文總結(jié)，提出了需要進(jìn)一步研究和改進(jìn)的方向。江蘇大學(xué)碩士學(xué)位論文第二章相關(guān)技術(shù)本章主要介紹了目前常用的異常檢測(cè)技術(shù)，并對(duì)各異常檢測(cè)技術(shù)做了闡述。論述了后介紹了論文的研究工作做了鋪墊。21異常檢測(cè)技術(shù)211異常檢測(cè)基于異常發(fā)現(xiàn)的異常檢測(cè)【18211為每一個(gè)目標(biāo)系統(tǒng)及其用戶建立一個(gè)正?；顒?dòng)范圍，通過比較系統(tǒng)及用戶的審計(jì)數(shù)據(jù)和已建立的正常活動(dòng)范圍，根據(jù)兩者的差異是否超出一定的閾值來(lái)判定是否有異常行為發(fā)生，它的優(yōu)點(diǎn)是通用性強(qiáng)，可以檢測(cè)出以前從未出現(xiàn)過的異常模式。當(dāng)然，異常的行為不一定就是欺詐行為，對(duì)于系統(tǒng)行為總共有如下四種情況：(1)行為具有欺詐性，但不是異常的。在這種情況下，由于欺詐行為不是異常的，所以欺詐檢測(cè)檢測(cè)不到這種行為，從而產(chǎn)生漏檢情況。(2)行為不具有欺詐性，但卻是異常的。在這種情況下，盡管行為不是欺詐性的，但會(huì)被檢測(cè)出欺詐，從而產(chǎn)生誤報(bào)。(3)行為是非欺詐性的，同時(shí)也不是異常的。這時(shí)系統(tǒng)會(huì)正確處理。(4)行為具有欺詐性，同時(shí)也是異常的。此時(shí)系統(tǒng)會(huì)常檢測(cè)的關(guān)鍵問題在于正常模式的建立以及如何利用該模式對(duì)當(dāng)前的用戶行為進(jìn)行比較，從而判斷出與正常模式的偏離程度。常用的異常檢測(cè)方法如下所示：1、基于統(tǒng)計(jì)的異常檢測(cè)基于統(tǒng)計(jì)方法假設(shè)所給定的數(shù)據(jù)集存在一個(gè)分布或概率模型，然后根據(jù)相應(yīng)模型并通過不一致性測(cè)試來(lái)發(fā)現(xiàn)異常數(shù)據(jù)?；诮y(tǒng)計(jì)方法的異常檢測(cè)技術(shù)通過分析大量的系統(tǒng)參數(shù)生成正常行為庫(kù)，并自適應(yīng)地學(xué)習(xí)系統(tǒng)的正常行為模式。每個(gè)行為由一組檢測(cè)閾值表示。系統(tǒng)采用統(tǒng)計(jì)學(xué)原理計(jì)算用戶行為跟正常行為閾值之問的偏差，根據(jù)計(jì)算結(jié)果是否超出閾值來(lái)判斷行為是否異常。統(tǒng)計(jì)分析方法的優(yōu)勢(shì)在于不必像誤用檢測(cè)系統(tǒng)那樣對(duì)規(guī)則庫(kù)不斷地進(jìn)行更新和維護(hù)，其主要缺陷是不能提供對(duì)異常行為的實(shí)時(shí)檢測(cè)。統(tǒng)計(jì)方法在異常檢測(cè)中主要有如下應(yīng)用：(1)一個(gè)典型的系統(tǒng)是2勁，建立的模式被定期地更新，可以及時(shí)地反映出用戶行為隨時(shí)間推移而產(chǎn)生的變化。檢測(cè)系統(tǒng)維護(hù)一個(gè)由行為模式組成的統(tǒng)計(jì)數(shù)據(jù)庫(kù)，每個(gè)模式采用一系列系統(tǒng)度量來(lái)表示特定用戶的正常行為。模式所包含的各個(gè)向量每天都以指數(shù)因子形式衰減，同時(shí)將新的用戶行為所產(chǎn)生的審計(jì)數(shù)據(jù)嵌入到知識(shí)庫(kù)中，計(jì)算出新的模式向量存儲(chǔ)在知識(shí)庫(kù)中。提交給分析?？臁＝y(tǒng)計(jì)分析組件通過學(xué)習(xí)用戶的行為，完成異常檢測(cè)功能。(2)最早的基于統(tǒng)計(jì)的異常檢測(cè)模型采用了基于用戶和組的異常檢測(cè)策略，把系統(tǒng)參數(shù)建模成獨(dú)立的高斯隨機(jī)變量，并為每個(gè)屬性定義正常值的范圍。如果在一個(gè)會(huì)話期間，某個(gè)屬性落在了正常范圍之外，那么這個(gè)行為的異常度將被提高。假設(shè)各個(gè)屬性之間相互獨(dú)立，計(jì)算異常度的概率分布，如果異常度達(dá)到一定高度，果某個(gè)用戶還沒有被檢測(cè)過，系統(tǒng)將利用基于用戶組成員的限制策略為該用戶建立一個(gè)具有最小權(quán)限的新用戶輪廓。該模型是工作在離線狀態(tài)下的，無(wú)法滿足實(shí)時(shí)檢測(cè)的要求，因?yàn)橐_(dá)到此目標(biāo)需要非常高效的性能。由于維護(hù)的各個(gè)用戶的活動(dòng)范圍是相互獨(dú)立的，對(duì)于系統(tǒng)管理員來(lái)說(shuō)，一個(gè)普遍的問題就是如何確定哪個(gè)屬性對(duì)于表示異常行為是有效的。2、基于數(shù)據(jù)挖掘的技術(shù)數(shù)據(jù)挖掘【241(是從大量的、不完全的、模糊的、有噪聲的數(shù)據(jù)中提取出隱含在其中的人們事先不知道的、有效的、可信的、并能最終被人理解的信息和知識(shí)的過程。數(shù)據(jù)挖掘方法是由人工智能、機(jī)器學(xué)習(xí)的方法125合傳統(tǒng)的統(tǒng)計(jì)分析方法、模糊數(shù)學(xué)方法以及科學(xué)計(jì)算可視化技術(shù)，以數(shù)據(jù)庫(kù)為研究對(duì)象，形成了數(shù)據(jù)挖掘方法和技術(shù)?；跀?shù)據(jù)挖掘的異常檢測(cè)系統(tǒng)利用數(shù)據(jù)挖掘中的關(guān)聯(lián)分析、序列模式分析等算法提取與安全相關(guān)的系統(tǒng)特征屬性，并根據(jù)系統(tǒng)特征屬性生成安全事件的分類模型，用于對(duì)安全事件的自動(dòng)鑒別。數(shù)據(jù)挖掘方法能夠?qū)Π踩珜徲?jì)數(shù)據(jù)進(jìn)行全面、高速和準(zhǔn)確地分析，從包含大量冗余信息的數(shù)據(jù)中提取出盡可能多的隱藏的安全信息，抽象出有利于進(jìn)行判斷和比較的特征模型，這種特征模型可以是基于特征檢測(cè)的特征向量模型，也可以是基于異常檢測(cè)的行為描述模型。目前，數(shù)據(jù)挖掘技術(shù)被廣泛地運(yùn)用在異常檢測(cè)中。(1)關(guān)聯(lián)分析關(guān)聯(lián)分析的主要目標(biāo)反映一個(gè)事件和其他事件之間的依賴和關(guān)聯(lián)知識(shí)。若兩江蘇大學(xué)碩士學(xué)位論文個(gè)或多個(gè)數(shù)據(jù)項(xiàng)的取值之間重復(fù)出現(xiàn)且概率很高時(shí)，那么其中一項(xiàng)的屬性值就可以依據(jù)其他屬性值進(jìn)行預(yù)測(cè)。最為著名的關(guān)聯(lián)規(guī)則發(fā)現(xiàn)方法是R常，我們需要使用支持度和信任度兩個(gè)閾值來(lái)篩選其中的強(qiáng)規(guī)則。關(guān)聯(lián)規(guī)則的發(fā)現(xiàn)可以分為兩步，第一步是迭代識(shí)別所有頻繁項(xiàng)目集(要求頻繁項(xiàng)目集的支持度不低于用戶設(shè)定的最小閾值，這一步是關(guān)聯(lián)規(guī)則發(fā)現(xiàn)算法的核心；第二步是從頻繁項(xiàng)目集中構(gòu)造可信度不低于用戶設(shè)定的最低值的規(guī)則。(2)聚類方法聚類126的是使得屬于同一個(gè)簇中的對(duì)象之間具有較高的相似度，而不同簇中的對(duì)象差別較大，是一種無(wú)監(jiān)督分類法。其中較有特色的方法有：K外還有一些其它的聚類算法如次聚集等幾十種。(3)神經(jīng)網(wǎng)絡(luò)方法神經(jīng)網(wǎng)絡(luò)為解決大復(fù)雜度問題提供了一種相對(duì)來(lái)說(shuō)比較有效的簡(jiǎn)單方法，它模擬了人腦神經(jīng)元結(jié)構(gòu)，具有良好的魯棒性、自適應(yīng)性、并行處理、分布存儲(chǔ)和高度容錯(cuò)等特性。神經(jīng)網(wǎng)絡(luò)可以很容易的解決具有上百個(gè)參數(shù)的問題。神經(jīng)網(wǎng)絡(luò)常用于兩類問題：分類和回歸。典型的神經(jīng)網(wǎng)絡(luò)模型以感知機(jī)、數(shù)型網(wǎng)絡(luò)為代表的，用于分類、預(yù)測(cè)和模式識(shí)別的前饋式神經(jīng)網(wǎng)絡(luò)模型；以別用于聯(lián)想記憶和優(yōu)化計(jì)算的反饋式神經(jīng)網(wǎng)絡(luò)模型；以于聚類的白組織神經(jīng)網(wǎng)絡(luò)模型。神經(jīng)網(wǎng)絡(luò)足一組連接的輸入輸出單元，其中每個(gè)連接都與一個(gè)權(quán)相關(guān)聯(lián)，在學(xué)習(xí)階段，通過調(diào)整神經(jīng)網(wǎng)絡(luò)的權(quán)，使得能夠預(yù)測(cè)輸入樣本的正確類標(biāo)號(hào)來(lái)學(xué)習(xí)?；谌斯ど窠?jīng)網(wǎng)絡(luò)的異常檢測(cè)系統(tǒng)的處理包括兩個(gè)階段：第一階段的目的是構(gòu)造異常分析模型的檢測(cè)器，使用代表用戶行為的歷史數(shù)據(jù)進(jìn)行訓(xùn)練，完成神經(jīng)網(wǎng)絡(luò)的構(gòu)建和組裝。第二階段則是異常分析模型的實(shí)際運(yùn)作階段，神經(jīng)網(wǎng)絡(luò)接收輸入的事件數(shù)據(jù)，與參考的歷史行為相比較，判斷出兩者的相似度或偏離度。7】來(lái)對(duì)系統(tǒng)調(diào)用序列進(jìn)行分類。但該系統(tǒng)為每個(gè)檢測(cè)服務(wù)建立一個(gè)二維的自組織映射。在訓(xùn)練階段通過捕獲檢測(cè)階段若待檢數(shù)據(jù)通過神經(jīng)元后計(jì)算的距離大于預(yù)先設(shè)定的閾值則認(rèn)為該數(shù)據(jù)是異常的。(4)遺傳算法遺傳算法是一種基于生物自然選擇與遺傳機(jī)理的隨機(jī)搜索算法，它以自然選擇和遺傳理論為基礎(chǔ)，將生物進(jìn)化過程中“適者生存”規(guī)則與群體內(nèi)部染色體的隨機(jī)信息交換機(jī)制相結(jié)合的搜索算法。它主要包含三個(gè)基本操作：選擇：該操作從一個(gè)父代中挑選出適應(yīng)性強(qiáng)的個(gè)體產(chǎn)生新的后代。交叉：交叉操作選擇兩個(gè)不同個(gè)體的染色體的部分基因進(jìn)行交換，形成新的個(gè)體。在很大程度上遺傳算法的性能取決于所使用的交叉操作的性能。變異：變異操作對(duì)某些個(gè)體的某些基因進(jìn)行變異。通常情況下，變異操作就是將基因值取反(變O)。遺傳算法的基本思想可歸為如下兩點(diǎn)：將物種進(jìn)化的理論用于求問題的解，物種的進(jìn)化又可分為遺傳和變異兩個(gè)方面；只有適合環(huán)境的物種才能保留下來(lái)，因而經(jīng)反復(fù)求解后就可以得到最佳的解。遺傳算法已在優(yōu)化計(jì)算和分類機(jī)器學(xué)習(xí)方面發(fā)揮了比較好的效果，其商用產(chǎn)品有美國(guó)的其用于金融及醫(yī)療等方面的應(yīng)用可獲得很好的效果。在基于遺傳算法的異常檢測(cè)技術(shù)中，異常檢測(cè)的過程可以抽象為：為檢測(cè)汜錄定義一種向量表示形式，這種向量或者代表正常的行為，或者代表異常的行為。通過對(duì)所定義向量進(jìn)行測(cè)試，提出改進(jìn)的向量表示形式，不斷重復(fù)這個(gè)過程，直到得到令人滿意的結(jié)果為止。(5)粗糙集方法粗糙集理論是一種研究不精確、不確定性知識(shí)的數(shù)學(xué)工具。 粗糙集理論在知識(shí)發(fā)現(xiàn)研究中有著許多具體應(yīng)用，特別適合于數(shù)據(jù)之間依賴關(guān)系發(fā)現(xiàn)、評(píng)價(jià)某一屬性的重要性、數(shù)據(jù)相似或差異發(fā)現(xiàn)、數(shù)據(jù)模式發(fā)現(xiàn)、從數(shù)據(jù)中產(chǎn)生一般決策規(guī)則、削減冗余對(duì)象與屬性、尋求屬性的最小子集以確保產(chǎn)生滿意的近似分類等等。粗糙集方法有幾個(gè)優(yōu)點(diǎn)：不需要預(yù)先知道額外信息，簡(jiǎn)化了輸入信息的表達(dá)空間；算法簡(jiǎn)單，易于操作。現(xiàn)在國(guó)際上已經(jīng)研制出來(lái)了一些基于粗糙集的工具應(yīng)用軟件，如加拿大國(guó)6)決策樹方法決策樹是一種常用于預(yù)測(cè)模型的算法，它提供了一種在什么條件下會(huì)得到什么值這類規(guī)則的方法，用于對(duì)離散和連續(xù)屬性進(jìn)行預(yù)測(cè)性建模，決策樹通過將大量數(shù)據(jù)有目的分類，從中找到一些有價(jià)值的，潛在的信息。它的主要優(yōu)點(diǎn)是描述簡(jiǎn)單，分類速度快，特別適合大規(guī)模的數(shù)據(jù)處理。最有影響和最早的決策樹方法是由策樹是一個(gè)類似于流程圖的樹結(jié)構(gòu)，其中每個(gè)內(nèi)部節(jié)點(diǎn)表示在一個(gè)屬性上的測(cè)試，每個(gè)分支表示一個(gè)測(cè)試9江蘇大學(xué)碩士學(xué)位論文輸出，而每個(gè)樹葉節(jié)點(diǎn)代表類或類分布。樹的最頂層節(jié)點(diǎn)是根節(jié)點(diǎn)。對(duì)于離散屬性，該算法根據(jù)數(shù)據(jù)集中輸入列之間的關(guān)系進(jìn)行預(yù)測(cè)，它使用這些列的值預(yù)測(cè)指定為可預(yù)測(cè)的列的狀態(tài)。對(duì)于連續(xù)屬性，該算法使用線性回歸確定決策樹的拆分位置。(7)序列模式發(fā)現(xiàn)序列模式是指在多個(gè)數(shù)據(jù)序列中發(fā)現(xiàn)共同的行為模式。對(duì)序列數(shù)據(jù)庫(kù)而言，序列模式發(fā)現(xiàn)問題就是在給數(shù)據(jù)庫(kù)中尋找所有的頻繁序列或所有的最長(zhǎng)頻繁序列。R發(fā)現(xiàn)方法與關(guān)聯(lián)規(guī)則大致相似，但也存在區(qū)別，關(guān)聯(lián)規(guī)則僅僅發(fā)現(xiàn)事務(wù)內(nèi)部的模式，即頻繁項(xiàng)集，而序列模式則是發(fā)現(xiàn)事務(wù)之間的模式，即頻繁序列。另外還有一種在給定長(zhǎng)度的時(shí)間區(qū)間內(nèi)出現(xiàn)的時(shí)間的有序集合。而頻繁情節(jié)指在時(shí)間序列中具有一定出現(xiàn)頻率的情節(jié)。如果在事件序列中發(fā)現(xiàn)了頻繁情節(jié)，就可以描述或預(yù)測(cè)該序列的行為。3、基于機(jī)器學(xué)習(xí)的異常檢測(cè)技術(shù)分析機(jī)器學(xué)習(xí)是研究計(jì)算機(jī)怎樣模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)行為，以獲取新的知識(shí)或技能，重新組織已有的知識(shí)結(jié)構(gòu)使之不斷改善自身的性能。它是人工智能的核心，是使計(jì)算機(jī)具有智能的根本途徑，其應(yīng)用遍及人工智能的各個(gè)領(lǐng)域，它主要使用歸納、綜合而不是演繹。機(jī)器學(xué)習(xí)是關(guān)于理解與研究學(xué)習(xí)的內(nèi)在機(jī)制、建立能夠通過學(xué)習(xí)自動(dòng)提高自身水平的計(jì)算機(jī)程序的理論方法的學(xué)科。近年來(lái)機(jī)器學(xué)習(xí)理論在諸多應(yīng)用領(lǐng)域得到成功的應(yīng)用與發(fā)展，己成為計(jì)算機(jī)科學(xué)的基礎(chǔ)及熱點(diǎn)之一。采用機(jī)器學(xué)習(xí)方法的計(jì)算機(jī)程序被成功用于機(jī)器人下棋程序、語(yǔ)音識(shí)別、信用卡欺詐檢測(cè)、自主車輛駕駛、智能機(jī)器人等應(yīng)用領(lǐng)域，除此之外機(jī)器學(xué)習(xí)的理論方法還被用于大數(shù)據(jù)集的數(shù)據(jù)挖掘這一領(lǐng)域。實(shí)際上，在任何有經(jīng)驗(yàn)可以積累的地方，機(jī)器學(xué)習(xí)方法均可發(fā)揮作用。機(jī)器學(xué)習(xí)的目標(biāo)與統(tǒng)計(jì)、數(shù)據(jù)挖掘是相同的，但是，與統(tǒng)計(jì)方法不一樣的是它不注重理解數(shù)據(jù)的產(chǎn)生過程，而是注重構(gòu)建一個(gè)能夠根據(jù)先前的結(jié)果不斷改進(jìn)其性能的系統(tǒng)。也就是說(shuō)，在最新獲得的信息基礎(chǔ)上，基于機(jī)器學(xué)習(xí)的系統(tǒng)具備改變執(zhí)行策略的能力。目前，機(jī)器學(xué)習(xí)被廣泛地應(yīng)用到異常檢測(cè)中。(1)系統(tǒng)調(diào)用序列基于系統(tǒng)調(diào)用序列分析是通過分析服務(wù)進(jìn)程執(zhí)行時(shí)產(chǎn)生的系統(tǒng)調(diào)用序列，得到一組能夠描述程序正常行為的系統(tǒng)調(diào)用序列模式集，并以此束進(jìn)行異常檢測(cè)。1996年，們分析了一些用定長(zhǎng)的系統(tǒng)調(diào)用序列來(lái)建立一個(gè)程序的正常行為輪廓。10江蘇大學(xué)碩士學(xué)位論文一般來(lái)說(shuō)，隨著短序列模式長(zhǎng)度的增加，同時(shí)序列模式集的規(guī)模也會(huì)增加，算法執(zhí)行效率降低，并且誤報(bào)率也會(huì)增加。由于程序的結(jié)構(gòu)之間存在顯著的差異，因此利用不定長(zhǎng)序列模式來(lái)描述程序的正常行為比定長(zhǎng)模式更為合理。由于堆棧中函數(shù)返回地址鏈信息反映了程序內(nèi)部的函數(shù)依次調(diào)用的結(jié)構(gòu)，使得每個(gè)模式分別代表了程序按某一路徑執(zhí)行的函數(shù)產(chǎn)生的完整系統(tǒng)調(diào)用序列，張誠(chéng)、彭勤科提出了一種利用進(jìn)程堆棧中的函數(shù)返回地址鏈來(lái)構(gòu)造不定長(zhǎng)序列模式的方法：根據(jù)產(chǎn)生系統(tǒng)調(diào)用的不同函數(shù)來(lái)分解系統(tǒng)調(diào)用序列從而得到不定長(zhǎng)模式，并對(duì)得到的不定長(zhǎng)模式進(jìn)行合并從而精簡(jiǎn)模式集，并以不定長(zhǎng)模式為基本單位構(gòu)建了一個(gè)基于馬爾可夫鏈的異常檢測(cè)模型。(2)貝葉斯推理基于貝葉斯推理的異常檢測(cè)方法通過在數(shù)據(jù)中發(fā)現(xiàn)不同類別的數(shù)據(jù)集合，進(jìn)而發(fā)現(xiàn)異常數(shù)據(jù)，借此對(duì)異常行為進(jìn)行檢測(cè)。該方法能對(duì)一個(gè)廣泛的認(rèn)知行為進(jìn)行建模，具有概率推理能力。貝葉斯推理以其獨(dú)特的不確定性知識(shí)表達(dá)形式、豐富的概率表達(dá)能力、綜合先驗(yàn)知識(shí)的增量學(xué)習(xí)特性等成為當(dāng)前眾多分類方法中比較出色的方法之一。212特征檢測(cè)基于模式匹配的特征檢測(cè)是對(duì)己知的異常違規(guī)行為進(jìn)行分析，提取檢測(cè)特征，構(gòu)建異常模式，通過將系統(tǒng)當(dāng)前數(shù)據(jù)與異常模式進(jìn)行匹配，判斷是否有異常行為發(fā)生。異常檢測(cè)只能識(shí)別出那些與正常數(shù)據(jù)有較大偏差的行為，而無(wú)法知道具體的異常情況，很難獲得精確的判定準(zhǔn)則，異常檢測(cè)經(jīng)常會(huì)出現(xiàn)錯(cuò)報(bào)，也就是說(shuō)將正常的數(shù)據(jù)誤認(rèn)為是異常違規(guī)數(shù)據(jù)。特征檢測(cè)基于己知的異常規(guī)則，它能夠比較準(zhǔn)確地檢測(cè)到某些特定的異常行為，它依賴于事先定義好的規(guī)則庫(kù)，所以無(wú)法檢測(cè)系統(tǒng)未知的異常行為，因而有時(shí)會(huì)產(chǎn)生疏漏。因而可以通過綜合這兩種方法來(lái)檢測(cè)異常用以降低錯(cuò)報(bào)和漏報(bào)率。特征檢測(cè)示意圖如圖21所示。圖21特征檢測(cè)示意圖江蘇大學(xué)碩士學(xué)位論文基于誤用的異常檢測(cè)技術(shù)的研究主要是從20世紀(jì)90年代中期開始，當(dāng)時(shí)主要的研究組織有于誤用檢測(cè)技術(shù)來(lái)說(shuō)，最重要的技術(shù)問題是如何全面描述異常行為的特征，減少誤報(bào)率。執(zhí)行誤用檢測(cè)需要具備完備的檢測(cè)規(guī)則庫(kù)、可信的用戶行為記錄和可靠的行為記錄分析技術(shù)。主要的誤用異常檢測(cè)類型如下：l、專家系統(tǒng)異常檢測(cè)專家系統(tǒng)最顯著的特征是采用一定的規(guī)則表示異常的行為，形成專家知識(shí)庫(kù)，然后輸入檢測(cè)數(shù)據(jù)，系統(tǒng)根據(jù)知識(shí)庫(kù)中的內(nèi)容對(duì)檢測(cè)數(shù)據(jù)進(jìn)行評(píng)估，判斷是否存在異常行為模式。專家系統(tǒng)將有關(guān)異常的只是轉(zhuǎn)化為中家系統(tǒng)的優(yōu)點(diǎn)在于把系統(tǒng)的推理控制過程和問題的最終解答相分離，即用戶不需要理解或干擾專家系統(tǒng)內(nèi)部的推理過程，而只須把專家系統(tǒng)看作是一個(gè)自治的黑盒子。專家系統(tǒng)應(yīng)用于異常檢測(cè)時(shí)存在的問題包括：系統(tǒng)性能完全取決于專家知識(shí)、只能檢測(cè)已知的異常模式。專家系統(tǒng)是最早的誤用檢測(cè)技術(shù)之一，被許多經(jīng)典的檢測(cè)模型所采用。2、模式匹配模式匹配主要是用一定的模式描述來(lái)提取異常行為的主要特征，通過匹配機(jī)制從目標(biāo)中發(fā)現(xiàn)異常。模式匹配檢測(cè)技術(shù)是由已成為異常檢測(cè)領(lǐng)域中應(yīng)用最為廣泛的檢測(cè)手段和機(jī)制之一，其特點(diǎn)是原理簡(jiǎn)單、擴(kuò)展性好、檢測(cè)效率高和可實(shí)時(shí)檢測(cè)，但其局限性是只能適用于比較簡(jiǎn)單的異常檢測(cè)，且誤報(bào)率高。但由于系統(tǒng)的實(shí)現(xiàn)、配置和維護(hù)都非常方便，因此得到了廣泛的應(yīng)用。綜上所述，異常檢測(cè)技術(shù)作為一種積極主動(dòng)的安全保護(hù)技術(shù)，在保護(hù)系統(tǒng)數(shù)據(jù)方面發(fā)揮了重要作用，將其用在欺詐檢測(cè)中可以有效的檢測(cè)出系統(tǒng)中的異常行為和數(shù)據(jù)，從而保證了系統(tǒng)的正常運(yùn)行。22智能1 y一個(gè)滿足特定需求的計(jì)算機(jī)(硬件或軟件)系統(tǒng)，是一個(gè)自治實(shí)體，它作用于某一特定環(huán)境，具有感知能力、問題求解能力和與外部環(huán)境進(jìn)行通信的能力，并具有高度的靈活性和自治性，而且具有一定的生命周期，能持續(xù)自主地發(fā)揮作用，并能夠影響和改變環(huán)境。它不僅封裝了內(nèi)部狀態(tài)，而且也封裝了內(nèi)部行為【2引，它可以在盡可能不打攪用戶的前提下依靠自身的能力，江蘇大學(xué)碩士學(xué)位論文采用各種可能的方法和技術(shù)來(lái)完成用戶指定的各種任務(wù)。它可根據(jù)用戶定義的準(zhǔn)則自動(dòng)搜索收集用戶可能感興趣的信息，并根據(jù)用戶需求將目標(biāo)傳遞至用戶指定的目的地，成為用戶與資源之間的中介。泛應(yīng)用于制造、金融、商業(yè)、電子商務(wù)等社會(huì)的各個(gè)領(lǐng)域。目前為止，學(xué)術(shù)界對(duì)們從不同角度對(duì)能力(決定(承諾(精神狀態(tài)【301。軟件領(lǐng)域的研究者認(rèn)為，軟件具有自主性和協(xié)作性的，能完成某一特定任務(wù)的運(yùn)行實(shí)體，它能根據(jù)對(duì)環(huán)境的感知，控制自身的策略和行為。在分布式計(jì)算領(lǐng)域，人們認(rèn)為互性、反應(yīng)性和主動(dòng)性的計(jì)算實(shí)體。對(duì)于前被普遍引用并接受的是1、弱定義：擁有以下幾個(gè)特性：自主性、社交性、反應(yīng)性和預(yù)動(dòng)性。自主性：有控制其自身行為和內(nèi)部狀態(tài)的能力。自主性是交性：及其它而完成某一特定的任務(wù)。反應(yīng)性：能夠?qū)λ幁h(huán)境的變化做出及時(shí)而適當(dāng)?shù)姆磻?yīng)。其行為通過觸發(fā)規(guī)則或執(zhí)行定義好的計(jì)劃來(lái)更新發(fā)送消息給環(huán)境中的其他動(dòng)性：且可以主動(dòng)發(fā)起可以基于目標(biāo)的行為，或者說(shuō)是自發(fā)的行為。2、強(qiáng)定義：要包括一些其它的，如人類所具有的某些特性。協(xié)調(diào)性：有分配并調(diào)度任務(wù)以滿足目標(biāo)的能力。連續(xù)性：應(yīng)性：適應(yīng)用戶的需求。友好性：若系統(tǒng)中各每個(gè)理性：蘇大學(xué)碩士學(xué)位論文協(xié)作性：前比較常用的知)，望)，圖)模型51，認(rèn)知是望表示所希望達(dá)到的目標(biāo)，意圖則是描述了圖在這些應(yīng)用系統(tǒng)中采用多統(tǒng)的運(yùn)行速度快；帶寬要求低；可靠性高等。222 前還沒有統(tǒng)一的分類136在普遍接受的是如下所示的幾種分類方式：l、按照功能劃分(1)界面助用戶完成乏味而重復(fù)性的工作，強(qiáng)調(diào)自治性和學(xué)習(xí)性，以完成所有者的任務(wù)。界面與同一工作環(huán)境中的用戶進(jìn)行合作。一個(gè)種互操作僅限于請(qǐng)求建議。(2)信息一個(gè)具有主動(dòng)性、適應(yīng)性和相互操作性的萬(wàn)維網(wǎng)信息管理者，實(shí)現(xiàn)對(duì)分布式的信息進(jìn)行搜索并管理網(wǎng)絡(luò)資源。(3)任務(wù)助人類進(jìn)行復(fù)雜的決策和進(jìn)行一些其它的知識(shí)處理工作。(4)移動(dòng)在分布式環(huán)境中進(jìn)行移動(dòng)來(lái)完成任務(wù)的動(dòng)的同時(shí)攜帶所積累的狀態(tài)數(shù)據(jù)等。2、按照屬性劃分(1)合作統(tǒng)中強(qiáng)凋一個(gè)開放的多2)反應(yīng)簡(jiǎn)單的行為模式構(gòu)成，沒有關(guān)于其環(huán)境的內(nèi)部符號(hào)模型，以刺激應(yīng)答的方式對(duì)環(huán)境做出反應(yīng)。(3)混臺(tái)是由兩種或兩種以上4)審慎目標(biāo)指導(dǎo)下具備自主行動(dòng)能力的人工智能領(lǐng)域的感知、學(xué)習(xí)、規(guī)貝0和方法等認(rèn)知功能封裝在一起。3、按照行為劃分(1)合作夠跟環(huán)境中的其它2)自主復(fù)雜的動(dòng)態(tài)環(huán)境中自主感知并采取行動(dòng)。14江蘇大學(xué)碩士學(xué)位論文(3)助手助人類完成某些工作，提供友好的交互方式。223多是許多問題對(duì)于單個(gè)著分布式人工智能的發(fā)展，多7。381(經(jīng)被應(yīng)用到廣泛的領(lǐng)域。所謂互作用的、相互聯(lián)系的些互服務(wù)，共同完成一個(gè)任務(wù)，從而提高了系統(tǒng)效率。會(huì)、學(xué)習(xí)和和反應(yīng)等特性對(duì)構(gòu)建復(fù)雜的分布式系統(tǒng)非常有用，可將基于多于多個(gè)此獨(dú)立運(yùn)行，單個(gè)統(tǒng)中根據(jù)需要可以增減對(duì)原有側(cè)重研究如何協(xié)調(diào)一組研究這組何協(xié)調(diào)各自的知識(shí)、目