风控日志监管异常自动检测方法研究
| 摘要 | 第7-8页 |
| Abstract | 第8-9页 |
| 1. 绪论 | 第14-20页 |
| 1.1 研究背景及意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-18页 |
| 1.3 论文主要研究内容 | 第18-19页 |
| 1.4 论文章节安排 | 第19-20页 |
| 2. 相关概念和技术 | 第20-26页 |
| 2.1 风控系统和系统集群 | 第20-21页 |
| 2.2 日志归集和数据抓取 | 第21-22页 |
| 2.3 机器学习算法 | 第22-26页 |
| 3. 风控日志监管平台 | 第26-32页 |
| 3.1 监管平台整体架构 | 第26-28页 |
| 3.2 监管平台的内容 | 第28-30页 |
| 3.3 监管平台总体设计 | 第30-31页 |
| 3.4 本章小结 | 第31-32页 |
| 4. 基于K-Means聚类的异常发现 | 第32-39页 |
| 4.1 K-Means原理与改进 | 第32-34页 |
| 4.2 K-Means聚类分析发现异常 | 第34-38页 |
| 4.3 本章小结 | 第38-39页 |
| 5. 基于动态分类的异常检测模型 | 第39-58页 |
| 5.1 基于分类的异常检测的流程 | 第39-40页 |
| 5.2 日志数据采集和数据预处理 | 第40-44页 |
| 5.3 动态分类模型的概念和构建 | 第44-51页 |
| 5.4 异常检测模型的实验与评估 | 第51-57页 |
| 5.5 本章小结 | 第57-58页 |
| 6. 总结与展望 | 第58-60页 |
| 6.1 本文工作总结 | 第58页 |
| 6.2 工作展望 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 附录 | 第63-64页 |
| 附录A 部分日志数据 | 第63页 |
| 附录B 部分主要源码 | 第63-64页 |
| 致谢 | 第64-65页 |
| 攻读硕士期间主要成果 | 第65页 |
