CN116939661A - Sim卡异常检测方法和***、电子设备及存储介质 - Google Patents
Sim卡异常检测方法和***、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116939661A CN116939661A CN202310760638.4A CN202310760638A CN116939661A CN 116939661 A CN116939661 A CN 116939661A CN 202310760638 A CN202310760638 A CN 202310760638A CN 116939661 A CN116939661 A CN 116939661A
- Authority
- CN
- China
- Prior art keywords
- matrix
- sim card
- feature vector
- determining
- base station
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000005856 abnormality Effects 0.000 title claims abstract description 63
- 238000001514 detection method Methods 0.000 title claims abstract description 58
- 239000011159 matrix material Substances 0.000 claims abstract description 270
- 239000013598 vector Substances 0.000 claims abstract description 126
- 238000004891 communication Methods 0.000 claims abstract description 88
- 238000005070 sampling Methods 0.000 claims abstract description 86
- 230000002159 abnormal effect Effects 0.000 claims abstract description 83
- 230000011664 signaling Effects 0.000 claims abstract description 44
- 230000003993 interaction Effects 0.000 claims abstract description 39
- 230000004927 fusion Effects 0.000 claims abstract description 26
- 238000000034 method Methods 0.000 claims abstract description 25
- 238000000605 extraction Methods 0.000 claims abstract description 19
- 238000012545 processing Methods 0.000 claims description 23
- 238000005457 optimization Methods 0.000 claims description 17
- 238000012549 training Methods 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 9
- 239000012634 fragment Substances 0.000 claims description 6
- 238000004140 cleaning Methods 0.000 claims description 4
- 230000003247 decreasing effect Effects 0.000 claims description 3
- 238000002372 labelling Methods 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 230000003044 adaptive effect Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 206010000117 Abnormal behaviour Diseases 0.000 description 5
- 230000006399 behavior Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000000670 limiting effect Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008447 perception Effects 0.000 description 3
- 238000006467 substitution reaction Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000005347 demagnetization Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000012847 principal component analysis method Methods 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
- H04W12/40—Security arrangements using identity modules
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/08—Testing, supervising or monitoring using real traffic
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/029—Location-based management or tracking services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/20—Services signaling; Auxiliary data signalling, i.e. transmitting data via a non-traffic channel
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Security & Cryptography (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了SIM卡异常检测方法和***、电子设备及存储介质，包括：获取目标SIM卡在预设时长内多个采样时刻的信令交互信息、用户位置信息以及基站配置信息；对信令交互信息、用户位置信息以及基站配置信息进行特征提取和特征融合，得到各采样时刻对应的特征向量矩阵，并生成特征向量矩阵时序数据；基于预设的滑动窗口统计特征向量矩阵时序数据的第一均值矩阵和第一标准差矩阵，并判断对应的采样时刻是否存在通信异常；确定存在通信异常的若干个采样时刻为异常通信时刻，并根据异常通信时刻的数量确定目标SIM卡是否存在异常。本发明提高了SIM卡异常检测的实时性、准确性以及效率，也提高了用户的使用体验，可广泛应用于通信技术领域。
Description
技术领域
本发明涉及通信技术领域，尤其是一种SIM卡异常检测方法和***、电子设备及存储介质。
背景技术
随着科技水平的进步以及人们对电子娱乐活动需求的增加，手机已成为人们日常生活中一个重要组成部分。然而，手机的安全问题也随之显现，尤其是SIM卡异常行为给用户的网络体验和生活带来了诸多不便，SIM卡常规损耗、终端的跌落进水、消磁、数据配置以及核心侧数据配置均可能影响SIM的正常使用。经调查研究发现，2022年在某省电信的客户投诉问题中，其中SIM卡异常问题占比15％。现有技术中，往往是用户在使用手机的过程中自主发现SIM卡存在异常，然后前往营业厅进行检测或更换，这种方法效率低下，且准确性和实时性较差，大大影响了用户的使用体验。以上技术问题亟需解决。
发明内容
本发明的目的在于至少一定程度上解决现有技术中存在的技术问题之一。
为此，本发明实施例的一个目的在于提供一种SIM卡异常检测方法，该方法提高了SIM卡异常检测的实时性、准确性以及效率，也提高了用户的使用体验。
本发明实施例的另一个目的在于提供一种SIM卡异常检测***。
为了达到上述技术目的，本发明实施例所采取的技术方案包括：
一方面，本发明实施例提供了一种SIM卡异常检测方法，包括以下步骤：
获取目标SIM卡在预设时长内多个采样时刻的信令交互信息、用户位置信息以及基站配置信息；
对所述信令交互信息、所述用户位置信息以及所述基站配置信息进行特征提取和特征融合，得到各所述采样时刻对应的特征向量矩阵，并根据所述特征向量矩阵生成特征向量矩阵时序数据；
基于预设的滑动窗口统计所述特征向量矩阵时序数据的第一均值矩阵和第一标准差矩阵，并根据所述第一均值矩阵、所述第一标准差矩阵以及所述特征向量矩阵判断对应的所述采样时刻是否存在通信异常；
确定存在通信异常的若干个所述采样时刻为异常通信时刻，并根据所述异常通信时刻的数量确定所述目标SIM卡是否存在异常。
进一步地，在本发明的一个实施例中，所述获取目标SIM卡在预设时长内多个采样时刻的信令交互信息、用户位置信息以及基站配置信息这一步骤，其具体包括：
确定当前采样时刻所述目标SIM卡接入的目标基站；
通过所述目标基站获取所述目标SIM卡在所述当前采样时刻的信令交互信息和用户位置信息，并获取所述目标基站在所述当前采样时刻的基站配置信息。
进一步地，在本发明的一个实施例中，所述对所述信令交互信息、所述用户位置信息以及所述基站配置信息进行特征提取和特征融合，得到各所述采样时刻对应的特征向量矩阵，并根据所述特征向量矩阵生成特征向量矩阵时序数据这一步骤，其具体包括：
对所述信令交互信息进行数据清洗和数据编码得到第一编码信息，对所述第一编码信息进行特征提取得到第一特征向量；
根据所述用户位置信息确定第一空间坐标，并对所述第一空间坐标进行向量化处理得到第二特征向量；
获取目标基站的初始配置信息，根据所述初始配置信息和所述基站配置信息确定配置变化增量，并对所述配置变化增量进行数据编码和向量化处理，得到第三特征向量；
对所述第一特征向量、所述第二特征向量以及所述第三特征向量进行特征融合，得到当前采样时刻对应的所述特征向量矩阵；
根据各所述采样时刻的先后顺序对所述特征向量矩阵进行时序化处理，得到所述特征向量矩阵时序数据；
其中，所述目标基站为当前采样时刻所述目标SIM卡接入的基站。
进一步地，在本发明的一个实施例中，所述基于预设的滑动窗口统计所述特征向量矩阵时序数据的第一均值矩阵和第一标准差矩阵，并根据所述第一均值矩阵、所述第一标准差矩阵以及所述特征向量矩阵判断对应的所述采样时刻是否存在通信异常这一步骤，其具体包括：
获取预设的所述滑动窗口，根据所述滑动窗口在所述特征向量矩阵时序数据中截取出第一时序片段数据，并确定所述第一时序片段数据对应的多个第一特征向量矩阵；
根据多个所述第一特征向量矩阵中位于同一矩阵位置的多个矩阵元素的均值确定所述第一均值矩阵，并根据多个所述第一特征向量矩阵中位于同一矩阵位置的多个矩阵元素的标准差确定所述第一标准差矩阵；
确定各所述第一特征向量矩阵与所述第一均值矩阵的第一距离矩阵，并根据所述第一距离矩阵中的矩阵元素与所述第一标准差矩阵中对应矩阵位置的矩阵元素的比值确定各所述第一特征向量矩阵的第一特征值；
若所述第一特征值大于预设的第一阈值，确定对应的所述采样时刻存在通信异常，若所述第一特征值小于或等于所述第一阈值，确定对应的所述采样时刻不存在通信异常。
进一步地，在本发明的一个实施例中，所述确定各所述第一特征向量矩阵与所述第一均值矩阵的第一距离矩阵，并根据所述第一距离矩阵中的矩阵元素与所述第一标准差矩阵中对应矩阵位置的矩阵元素的比值确定各所述第一特征向量矩阵的第一特征值这一步骤，其具体包括：
根据所述第一特征向量矩阵中各个矩阵元素与所述第一均值矩阵中对应矩阵位置的矩阵元素的差值的绝对值，确定所述第一距离矩阵中对应矩阵位置的矩阵元素，从而得到所述第一距离矩阵；
确定所述第一距离矩阵中各个矩阵元素与所述第一标准差矩阵中对应矩阵位置的矩阵元素的比值为第一比值，并对所述第一比值进行加权求和得到所述第一特征值。
进一步地，在本发明的一个实施例中，所述SIM卡异常检测方法还包括优化调整所述第一阈值的步骤，其具体包括：
获取预设的多个训练样本时序数据、所述第一阈值的初始值以及所述第一阈值的优化因子，所述训练样本时序数据包括多个第二特征向量矩阵；
通过人工标注确定所述训练样本时序数据中实际存在通信异常的所述第二特征向量矩阵的第二数量；
确定各所述第二特征向量矩阵的第二特征值，并根据所述第二特征值和所述第一阈值预测存在通信异常的所述第二特征向量矩阵的第一数量；
若所述第一数量小于所述第二数量，根据所述优化因子增大所述第一阈值的数值，若所述第一数量大于所述第二数量，根据所述优化因子减小所述第一阈值的数值；
返回根据所述第二特征值和所述第一阈值预测存在通信异常的所述第二特征向量矩阵的第一数量这一步骤，直至所述第一数量与所述第二数量相等或迭代次数达到预设的第二阈值。
进一步地，在本发明的一个实施例中，所述根据所述异常通信时刻的数量确定所述目标SIM卡是否存在异常这一步骤，其具体包括：
确定所述异常通信时刻的第三数量；
确定所述第三数量与所述预设时长的第二比值，当所述第二比值大于预设的第三阈值，确定所述目标SIM卡存在异常；
或，
确定所述第三数量与所述采样时刻的总数的第三比值，当所述第三比值大于预设的第四阈值，确定所述目标SIM卡存在异常。
另一方面，本发明实施例提供了一种SIM卡异常检测***，包括：
信息获取模块，用于获取目标SIM卡在预设时长内多个采样时刻的信令交互信息、用户位置信息以及基站配置信息；
特征融合模块，用于对所述信令交互信息、所述用户位置信息以及所述基站配置信息进行特征提取和特征融合，得到各所述采样时刻对应的特征向量矩阵，并根据所述特征向量矩阵生成特征向量矩阵时序数据；
通信异常检测模块，用于基于预设的滑动窗口统计所述特征向量矩阵时序数据的第一均值矩阵和第一标准差矩阵，并根据所述第一均值矩阵、所述第一标准差矩阵以及所述特征向量矩阵判断对应的所述采样时刻是否存在通信异常；
SIM卡异常确定模块，用于确定存在通信异常的若干个所述采样时刻为异常通信时刻，并根据所述异常通信时刻的数量确定所述目标SIM卡是否存在异常。
另一方面，本发明实施例提供了一种电子设备，所述电子设备包括存储器、处理器、存储在所述存储器上并可在所述处理器上运行的程序以及用于实现所述处理器和所述存储器之间的连接通信的数据总线，所述程序被所述处理器执行时实现如前面所述的SIM卡异常检测方法。
另一方面，本发明实施例还提供了一种存储介质，所述存储介质为计算机可读存储介质，用于计算机可读存储，所述存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如前面所述的SIM卡异常检测方法。
本发明的优点和有益效果将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到：
本发明实施例获取目标SIM卡在预设时长内多个采样时刻的信令交互信息、用户位置信息以及基站配置信息，再对信令交互信息、用户位置信息以及基站配置信息进行特征提取和特征融合，得到各采样时刻对应的特征向量矩阵，并根据特征向量矩阵生成特征向量矩阵时序数据，然后基于预设的滑动窗口统计特征向量矩阵时序数据的第一均值矩阵和第一标准差矩阵，并根据第一均值矩阵、第一标准差矩阵以及特征向量矩阵判断对应的采样时刻是否存在通信异常，进而可以确定存在通信异常的若干个采样时刻为异常通信时刻，并根据异常通信时刻的数量确定目标SIM卡是否存在异常。本发明实施例对目标SIM卡的信令交互信息、用户位置信息以及基站配置信息进行采样检测，可以在用户使用SIM卡的过程中进行异常检测，提高了SIM卡异常检测的实时性和效率；通过对信令交互信息、用户位置信息以及基站配置信息这三个维度的信息进行特征提取和特征融合，能够更加准确地判断目标SIM卡是否存在通信异常，从而提高了SIM卡异常检测的准确性；此外，本发明实施例无需用户自主感知SIM卡的异常情况，可远程检测SIM卡是否存在异常，提高了用户的使用体验。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面对本发明实施例中所需要使用的附图作以下介绍，应当理解的是，下面介绍中的附图仅仅为了方便清晰表述本发明的技术方案中的部分实施例，对于本领域的技术人员来说，在无需付出创造性劳动的前提下，还可以根据这些附图获取到其他附图。
图1为本发明实施例提供的SIM卡异常检测方法的步骤流程图；
图2为本发明实施例提供的步骤S101的一种流程图；
图3为本发明实施例提供的步骤S102的一种流程图；
图4为本发明实施例提供的步骤S103的一种流程图；
图5为本发明实施例提供的步骤S103的另一种流程图；
图6为本发明实施例提供的优化调整第一阈值的步骤流程图；
图7为本发明实施例提供的自适应异常检测算法的指令示意图；
图8为本发明实施例提供的步骤S104的一种流程图；
图9为本发明实施例提供的SIM卡异常检测***的结构示意图；
图10为本发明实施例提供的电子设备的硬件结构示意图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本申请，而不能理解为对本申请的限制。需要说明的是，虽然在***示意图中进行了功能模块划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于***示意图中的模块划分，或流程图中的顺序执行所示出或描述的步骤。对于以下实施例中的步骤编号，其仅为了便于阐述说明而设置，对步骤之间的顺序不做任何限定，实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。
在本发明的描述中，多个的含义是两个或两个以上，如果有描述到第一、第二只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。此外，除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的，不是旨在限制本申请。
本申请实施例提供的SIM卡异常检测方法可应用于终端中，也可应用于服务器端中，还可以是运行于终端或服务器端中的软件。在一些实施例中，终端可以是智能手机、平板电脑、笔记本电脑、台式计算机等；服务器端可以配置成独立的物理服务器，也可以配置成多个物理服务器构成的服务器集群或者分布式***，还可以配置成提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN以及大数据和人工智能平台等基础云计算服务的云服务器；软件可以是实现SIM卡异常检测方法的应用等，但并不局限于以上形式。
本申请可用于众多通用或专用的计算机***环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器***、基于微处理器的***、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何***或设备的分布式计算环境等等。本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
需要说明的是，在本申请的各个具体实施方式中，当涉及到需要根据用户信息、用户行为数据，用户历史数据以及用户位置信息等与用户身份或特性相关的数据进行相关处理时，都会先获得用户的许可或者同意，而且，对这些数据的收集、使用和处理等，都会遵守相关国家和地区的相关法律法规和标准。此外，当本申请实施例需要获取用户的敏感个人信息时，会通过弹窗或者跳转到确认页面等方式获得用户的单独许可或者单独同意，在明确获得用户的单独许可或者单独同意之后，再获取用于使本申请实施例能够正常运行的必要的用户相关数据。
如图1所示为本发明实施例提供的SIM卡异常检测方法的一种步骤流程图，参照图1，本发明实施例提供了一种SIM卡异常检测方法，具体包括以下步骤：
S101、获取目标SIM卡在预设时长内多个采样时刻的信令交互信息、用户位置信息以及基站配置信息。
具体地，本发明实施例获取用户SIM卡与无线侧、核心侧的信令情况、用户的位置信息以及用户SIM卡所在基站的情况信息，通过后续的异常算法实现对目标SIM卡的异常检测。
如图2所示为本发明实施例提供的步骤S101的一种流程图，参照图2，进一步作为可选的实施方式，获取目标SIM卡在预设时长内多个采样时刻的信令交互信息、用户位置信息以及基站配置信息这一步骤，其具体包括：
S1011、确定当前采样时刻目标SIM卡接入的目标基站；
S1012、通过目标基站获取目标SIM卡在当前采样时刻的信令交互信息和用户位置信息，并获取目标基站在当前采样时刻的基站配置信息。
具体地，本发明实施例通过部署在基站侧的信息获取模块来确定当前采样时刻目标SIM卡接入的目标基站；在确定目标基站之后，可以通过目标基站获取目标SIM卡与基站或核心网的信令交互信息、目标SIM卡当前所在的用户位置信息；此外，还可以获取目标基站当前采样时刻的基站配置信息，包括基站的基础配置以及基站与SIM卡的通信信道的相关配置。
本发明实施例中，以预设时长为单位对目标SIM卡进行单次的异常检测，在预设时长内按照预先设置的时间间隔确定多个采样时刻，每个采样时刻获取的信令交互信息、用户位置信息以及基站配置信息形成对应采样时刻的待处理数据。
可以理解的是，本发明实施例采用了实时大数据流式处理技术，使得SIM卡异常检测能够在不间断地处理数据的同时，实时地分析和识别异常行为，相较于传统的批处理方式，实时流式处理可以极大地提高检测效率和响应速度。
S102、对信令交互信息、用户位置信息以及基站配置信息进行特征提取和特征融合，得到各采样时刻对应的特征向量矩阵，并根据特征向量矩阵生成特征向量矩阵时序数据。
本发明实施例通过多维度特征分析来全面掌握目标SIM卡的行为特征，具体而言，本发明实施例对终端与基站的信令交互、用户的位置信息、基站配置信息等多个维度进行特征提取，并通过特征融合技术将提取的特征向量整合为一个特征向量矩阵。与传统的单一特征分析相比，多维度特征分析能够更准确地刻画SIM卡的行为模式，从而提高SIM卡异常检测的准确性。
如图3所示为本发明实施例提供的步骤S102的一种流程图，参照图3，进一步作为可选的实施方式，对信令交互信息、用户位置信息以及基站配置信息进行特征提取和特征融合，得到各采样时刻对应的特征向量矩阵，并根据特征向量矩阵生成特征向量矩阵时序数据这一步骤，其具体包括：
S1021、对信令交互信息进行数据清洗和数据编码得到第一编码信息，对第一编码信息进行特征提取得到第一特征向量；
S1022、根据用户位置信息确定第一空间坐标，并对第一空间坐标进行向量化处理得到第二特征向量；
S1023、获取目标基站的初始配置信息，根据初始配置信息和基站配置信息确定配置变化增量，并对配置变化增量进行数据编码和向量化处理，得到第三特征向量；
S1024、对第一特征向量、第二特征向量以及第三特征向量进行特征融合，得到当前采样时刻对应的特征向量矩阵；
S1025、根据各采样时刻的先后顺序对特征向量矩阵进行时序化处理，得到特征向量矩阵时序数据；
其中，目标基站为当前采样时刻目标SIM卡接入的基站。
具体地，对信令交互信息进行数据清洗、修正、分类、排序、筛选与整理等操作，得到完整、准确的目标SIM卡与目标基站之间的信令交互信息，然后进行数据编码得到第一编码信息，再进行特征提取得到第一特征向量，特征提取的方法可采用主成分分析法或多维尺度分析法等现有的特征提取方法，本发明实施例对此不作限定。
对于用户位置信息，将其转化为三维空间坐标，然后进行向量化处理得到第二特征向量。
对于基站配置信息，获取目标基站的初始配置信息，将基站配置信息和初始配置信息进行比对，得到目标基站在当前采样时刻的配置变化增量，然后对该配置变化增量进行数据编码和向量化处理，即可得到第三特征向量。
根据第一特征向量、第二特征向量以及第三特征向量进行特征融合，得到当前采样时刻对应的特征向量矩阵，特征融合可采用现有的特征融合技术，例如将第一特征向量、第二特征向量以及第三特征向量进行向量连接，得到以三者维度的总和为向量维度数的特征向量矩阵，又例如将第一特征向量、第二特征向量以及第三特征向量在对应顺位的维度上进行向量元素的相加，实现第一特征向量、第二特征向量以及第三特征向量的向量拼接，得到以三者维度的最高值为向量维度数的特征向量矩阵，又例如，在前述向量拼接的方式的基础上，引入各个特征向量的权值参数，对各个特征向量的向量元素进行加权求和，得到对应的特征向量矩阵。需要说明的是，本发明实施例对特征融合的方式不作限定，具体的特征融合方式可根据实际情况进行选择。
在得到各个采样时刻对应的特征向量矩阵后，根据各个采样时刻的先后顺序对所有特征向量矩阵进行时序化处理，即可得到特征向量矩阵时序数据。
S103、基于预设的滑动窗口统计特征向量矩阵时序数据的第一均值矩阵和第一标准差矩阵，并根据第一均值矩阵、第一标准差矩阵以及特征向量矩阵判断对应的采样时刻是否存在通信异常。
具体地，滑动窗口能够根据指定的单位长度来截取指定时间范围内时间序列数据，从而计算该时间范围内的统计指标，本发明实施例基于滑动窗口来统计特征向量矩阵时序数据在不同时间尺度内的第一均值矩阵和第一标准差矩阵，从而判断对应时间尺度内的采样时刻是否存在通信异常。
如图4所示为本发明实施例提供的步骤S103的一种流程图，参照图4，进一步作为可选的实施方式，基于预设的滑动窗口统计特征向量矩阵时序数据的第一均值矩阵和第一标准差矩阵，并根据第一均值矩阵、第一标准差矩阵以及特征向量矩阵判断对应的采样时刻是否存在通信异常这一步骤，其具体包括：
S1031、获取预设的滑动窗口，根据滑动窗口在特征向量矩阵时序数据中截取出第一时序片段数据，并确定第一时序片段数据对应的多个第一特征向量矩阵；
S1032、根据多个第一特征向量矩阵中位于同一矩阵位置的多个矩阵元素的均值确定第一均值矩阵，并根据多个第一特征向量矩阵中位于同一矩阵位置的多个矩阵元素的标准差确定第一标准差矩阵；
S1033、确定各第一特征向量矩阵与第一均值矩阵的第一距离矩阵，并根据第一距离矩阵中的矩阵元素与第一标准差矩阵中对应矩阵位置的矩阵元素的比值确定各第一特征向量矩阵的第一特征值；
S1034、若第一特征值大于预设的第一阈值，确定对应的采样时刻存在通信异常，若第一特征值小于或等于第一阈值，确定对应的采样时刻不存在通信异常。
具体地，滑动窗口的长度(时长)可根据特征向量矩阵时序数据的长度来动态确定；对于截取的第一时序片数数据中的各个第一特征向量矩阵，进行矩阵的均值计算和标准差计算得到第一均值矩阵和第一标准差矩阵，具体而言就是计算相同矩阵位置的矩阵元素的均值作为第一均值矩阵的矩阵元素、计算相同矩阵位置的矩阵元素的标准差作为第一标准差矩阵的矩阵元素；计算第一特征向量矩阵与第一均值矩阵的第一距离矩阵，具体而言就是计算第一特征向量矩阵与第一均值矩阵中相同矩阵位置的矩阵元素的差值的绝对值作为第一距离矩阵的矩阵元素；计算第一距离矩阵与第一标准差矩阵的相同矩阵位置的矩阵元素的比值，可以得到多个第一比值，根据得到的多个第一比值来确定第一特征向量矩阵的第一特征值；将第一特征值与预设的第一阈值进行比较，当第一特征值在大于该第一阈值时，确定对应的采样时刻存在通信异常。
需要说明的是，本发明实施例涉及矩阵的均值和标准差的计算，相关计算规则为本领域的公知常识，可通过MATLAB实现，本发明实施例仅进行计算原理的介绍，不对具体计算过程进行赘述。
如图5所示为本发明实施例提供的步骤S103的另一种流程图，参照图5，进一步作为可选的实施方式，确定各第一特征向量矩阵与第一均值矩阵的第一距离矩阵，并根据第一距离矩阵中的矩阵元素与第一标准差矩阵中对应矩阵位置的矩阵元素的比值确定各第一特征向量矩阵的第一特征值这一步骤，其具体包括：
S10331、根据第一特征向量矩阵中各个矩阵元素与第一均值矩阵中对应矩阵位置的矩阵元素的差值的绝对值，确定第一距离矩阵中对应矩阵位置的矩阵元素，从而得到第一距离矩阵；
S10332、确定第一距离矩阵中各个矩阵元素与第一标准差矩阵中对应矩阵位置的矩阵元素的比值为第一比值，并对第一比值进行加权求和得到第一特征值。
具体地，本发明实施例根据第一距离矩阵中各个矩阵元素与第一标准差矩阵中对应矩阵位置的矩阵元素的第一比值确定第一特征向量矩阵的第一特征值，具体可将第一比值进行加权求和得到第一特征值，各个第一比值可以取相同的权值，也可以取不同的权值，当取不同的权值时，各个第一比值的权值根据第一特征向量矩阵中对应矩阵位置的矩阵元素的数据源来确定，例如，对于基于信令交互信息得到的矩阵元素，可取较高的权值，对于基于用户位置信息得到的矩阵元素，可取较低的权值，本发明实施例对权值的设置过程不作赘述。
如图6所示为本发明实施例提供的优化调整第一阈值的步骤流程图，参照图6，进一步作为可选的实施方式，SIM卡异常检测方法还包括优化调整第一阈值的步骤，其具体包括：
S201、获取预设的多个训练样本时序数据、第一阈值的初始值以及第一阈值的优化因子，训练样本时序数据包括多个第二特征向量矩阵；
S202、通过人工标注确定训练样本时序数据中实际存在通信异常的第二特征向量矩阵的第二数量；
S203、确定各第二特征向量矩阵的第二特征值，并根据第二特征值和第一阈值预测存在通信异常的第二特征向量矩阵的第一数量；
S204、若第一数量小于第二数量，根据优化因子增大第一阈值的数值，若第一数量大于第二数量，根据优化因子减小第一阈值的数值；
S205、返回根据第二特征值和第一阈值预测存在通信异常的第二特征向量矩阵的第一数量这一步骤，直至第一数量与第二数量相等或迭代次数达到预设的第二阈值。
具体地，本发明实施例的第一阈值可通过训练样本进行自适应优化调整，从而提高对通信异常的采样时刻进行检测的准确性。如图7所示为本发明实施例提供的自适应异常检测算法的指令示意图，其对现有的大数据分析算法进行了改进，采用了一种自适应调整阈值的异常检测算法，通过大数据流式技术与自适应技术相结合，使得运算速度更快，执行效率更高。该算法能够根据数据特征的变化，自动调整检测算法的参数(即滑动窗口的长度和第一阈值的数字)，从而适应不同类型的SIM卡的异常行为检测。此外，该算法还具有较强的泛化能力，可以广泛应用于不同场景的SIM卡异常检测任务。
参照图7，本发明实施例采用的基于滑动窗口和自适应阈值调整的异常检测算法可以根据采集到的数据特征自适应的调整检测参数，具体算法步骤如下：
步骤一：初始化检测参数：
基于大数据的数据采集特征，根据某个时间段内的采集到的样本时序数据确定大小为ω的滑动窗口，设置初始的第一阈值为T0，以及用于调整第一阈值的优化因子α。
步骤二：计算每个滑动窗口内的统计量：
针对于采集到的样本时序数据的每个滑动窗口，统计滑动窗口内的数据点的均值矩阵{μab}和标准差矩阵{σab}：
其中，xiab表示滑动窗口内的第i个特征向量矩阵第a行第b列的矩阵元素，μab表示均值矩阵第a行第b列的矩阵元素，σab表示标准差矩阵第a行第b列的矩阵元素。
步骤三：通信异常检测：
对于滑动窗口内的每个特征向量矩阵{xiab}，计算其与均值矩阵{μab}的距离矩阵{diab}：
diab＝|xiab-μab|
根据距离矩阵{diab}和标准差矩阵{σab}确定第一比值Liab：
根据第一比值Liab确定特征向量矩阵{xiab}的第一特征值Si如下：
Si＝Σ(Liab*miab)
其中，miab表示第i个特征向量矩阵第a行第b列的矩阵元素对应的加权权值；
如果第一特征值Si大于第一阈值T0，则将特征向量矩阵对应的采样时刻的数据点标记为通信异常。
步骤四：自适应调整阈值：
在每次检测后，***都会记录相关的阈值，根据窗口内实际异常数据点的数量与预测到的异常数据点的数量之比，调整实际的阈值T。实际异常数据点可通过人工分析采集的数据来确定，确定的异常类型包括但不限于Security mode rejected,unspecified(安全模式被拒绝)、User authentication failed(用户身份验证失败)、MAC failure(MAC失败)以及Attach request次数(频繁附着网络)、频繁注册VoLTE。
如果实际异常数据点过多，可以降低阈值；如果实际异常数据点过少，可以提高阈值。不断的记录更新阈值，优化检测的阈值，使得检测的准确率提升。优化调整第一阈值的公式如下：
可以理解的是，优化因子α的大小决定了算法在调整第一阈值时的敏感程度，优化因子α可依据经验采用固定取值，也可以在调整第一阈值的同时优化α的取值，使得第一阈值的调整更加科学和精准。下面对在调整第一阈值的同时优化α的取值这一实施方式进行具体说明。
初始化：设置T的初始值T0，最大迭代次数N(例如10)，进行异常检测，记录实际异常点数量A和预测异常点数量E。
计算第一阈值调整量：(α初始值可设为0.1)。
更新第一阈值：T＝T0+ΔT。
根据更新后的第一阈值重新预测异常点数量E1，并判断实际异常点数量A与预测异常点数量E1之比是否在可接受范围内：如果(A/E1)>预设的高阈值，表示实际出现的SIM卡通信异常的数量过多，阈值调整过大，应减小α；如果(A/E)<预设的低阈值，表示实际出现的SIM卡通信异常数量过少，阈值调整过小，应增大α。
根据上一步结果调整α：如果(A/E)>高阈值，调整后的α＝α*收缩比例；如果(A/E)<低阈值，调整后的α＝α/收缩比例；其余情况α的数字不作调整，其中，收缩比例可以预先设定。
根据调整后的优化因子α对更新后的第一阈值T进行再次更新，并且重新进行异常点数量的预测以计算新的第一阈值T，并且调整优化因子α以便于第一阈值T的下一次更新。可以理解的是，每一次迭代都会更新第一阈值的取值，而优化因子可能调整也可能不进行调整，调整后的优化因子用于下一次第一阈值的更新。
当第一阈值T的取值使得所有样本时序数据对应的实际异常点数量和预测异常点数量的差值均在预设范围内，或者迭代次数达到预设的N次，停止迭代，输出此时的第一阈值T。
步骤五：滑动窗口：
将滑动窗口向前移动一个时间步，并记录此时的窗口ωi,并重复步骤二至四。
步骤六：结果输出：
输出所有被标记为异常的数据点及其对应的时间戳(即采样时刻)，根据时间戳找到对应的异常事件，以便进一步分析和处理。
S104、确定存在通信异常的若干个采样时刻为异常通信时刻，并根据异常通信时刻的数量确定目标SIM卡是否存在异常。
如图8所示为本发明实施例提供的步骤S104的一种流程图，参照图8，进一步作为可选的实施方式，根据异常通信时刻的数量确定目标SIM卡是否存在异常这一步骤，其具体包括：
确定异常通信时刻的第三数量；
确定第三数量与预设时长的第二比值，当第二比值大于预设的第三阈值，确定目标SIM卡存在异常；
或，
确定第三数量与采样时刻的总数的第三比值，当第三比值大于预设的第四阈值，确定目标SIM卡存在异常。
具体地，本发明实施例基于存在通信异常的采样时刻的数量来确定目标SIM卡是否存在异常，例如确定存在通信异常的采样时刻(即异常采样时刻)的第三数量与预设时长的第二比值，该第二比值反映了单位时间内目标SIM卡出现通信异常的次数，若第二比值大于预设的第三阈值，则表示目标SIM卡存在异常；又例如确定第三数量与预设时长内采样时刻的总数的第三比值，该第三比值反映了目标SMI卡在每次采样检测时出现通信异常的概率，若第三比值大于预设第四阈值，则表示目标SIM卡存在异常。
本发明实施例基于大数据融合分析模型检测SIM卡状态检测，将AI算法与大数据技术相结合，能够快速准确的识别用户的SIM卡是否异常。本发明实施例主要可应用于前后端两个方面：
1)针对后端客服专员处理用户投诉：能够帮助客服专员迅速定位SIM卡异常问题，提升工作效率，增强用户感知。
2)针对前端将此功能应用于公众号，用户可以完成SIM卡异常自检，减少SIM卡异常投诉量，能够确定用户问题，引导用户解决问题，为用户提供便利性通信上网服务，还可以结合中国电信的短信发送平台，及时向SIM异常的用户推送换卡的引导短信，先于投诉发现问题，减少用户投诉。
本发明实施例在获取用户的许可的情况下采集用户SIM卡的用户通信记录、通话时长、通讯地点等，以及SIM卡与核心网的连接、注册信令，并且上传到大数据湖存储，并且定时更新；再通过大数据流式处理技术对采集到的进行数据清洗、修正、分类、排序、筛选与整理，同时并利用大数据分析算法对数据进行分析和建模；然后根据大数据建模结果结合导致SIM卡异常出现的4G、5G信令进行综合分析，对数据进行异常检测，提取与SIM卡异常行为相关的特征包括等SIM卡注册失败、UE S1 APID(UE在S1接口上的唯一标识)未知或者不在***中以及用户身份验证失败等异常情况的实时检测；最后将大数据处理的结果进行存储，形成API接口调用，便于后端客服专员调用查询处理用户投诉以及前端用户用于SIM卡自查行为。
以上对本发明实施例的方法步骤进行了说明。可以理解的是，本发明实施例对目标SIM卡的信令交互信息、用户位置信息以及基站配置信息进行采样检测，可以在用户使用SIM卡的过程中进行异常检测，提高了SIM卡异常检测的实时性和效率；通过对信令交互信息、用户位置信息以及基站配置信息这三个维度的信息进行特征提取和特征融合，能够更加准确地判断目标SIM卡是否存在通信异常，从而提高了SIM卡异常检测的准确性；此外，本发明实施例无需用户自主感知SIM卡的异常情况，可远程检测SIM卡是否存在异常，提高了用户的使用体验。
与现有技术相比，本发明实施例还具有以下优点：
高效实时：通过实时大数据流式处理技术，通过基站可以不断的采集到用户SIM卡相关信息如信令、位置信息以及接入基站信息等，并且实时的将相关信息传输到大数据湖里，能够在不间断地处理数据的同时，实时地分析和识别异常行为，大大提高了检测效率和响应速度；
自适应能力：采用自适应异常检测算法，在不断处理检测SIM卡异常的情况下，不断自适应调整需要的第一阈值和滑动窗口，不断的优化识别检测过程，在不断的检测的过程中，通过参数自优化，不断调整阈值，达到检测最优；
准确性高：通过多维度特征分析和特征融合技术，能够更准确地刻画SIM卡的行为模式，从而提高异常检测的准确性。
如图9所示为本发明实施例提供的SIM卡异常检测***的结构示意图，参照图9，本发明实施例提供了一种SIM卡异常检测***，包括：
信息获取模块，用于获取目标SIM卡在预设时长内多个采样时刻的信令交互信息、用户位置信息以及基站配置信息；
特征融合模块，用于对信令交互信息、用户位置信息以及基站配置信息进行特征提取和特征融合，得到各采样时刻对应的特征向量矩阵，并根据特征向量矩阵生成特征向量矩阵时序数据；
通信异常检测模块，用于基于预设的滑动窗口统计特征向量矩阵时序数据的第一均值矩阵和第一标准差矩阵，并根据第一均值矩阵、第一标准差矩阵以及特征向量矩阵判断对应的采样时刻是否存在通信异常；
SIM卡异常确定模块，用于确定存在通信异常的若干个采样时刻为异常通信时刻，并根据异常通信时刻的数量确定目标SIM卡是否存在异常。
上述方法实施例中的内容均适用于本***实施例中，本***实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
本发明实施例还提供了一种电子设备，电子设备包括：存储器、处理器、存储在存储器上并可在处理器上运行的程序以及用于实现处理器和存储器之间的连接通信的数据总线，程序被处理器执行时实现上述SIM卡异常检测方法。该电子设备可以为包括平板电脑、车载电脑等任意智能终端。
如图10所示为本发明实施例提供的电子设备的硬件结构示意图，参照图10，本发明实施例提供了一种电子设备，包括：
处理器1001，可以采用通用的CPU(CentralProcessingUnit，中央处理器)、微处理器、应用专用集成电路(ApplicationSpecificIntegratedCircuit，ASIC)、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本发明实施例所提供的技术方案；
存储器1002，可以采用只读存储器(ReadOnlyMemory，ROM)、静态存储设备、动态存储设备或者随机存取存储器(RandomAccessMemory，RAM)等形式实现。存储器1002可以存储操作***和其他应用程序，在通过软件或者固件来实现本说明书实施例所提供的技术方案时，相关的程序代码保存在存储器1002中，并由处理器1001来调用执行本发明实施例的SIM卡异常检测方法；
输入/输出接口1003，用于实现信息输入及输出；
通信接口1004，用于实现本设备与其他设备的通信交互，可以通过有线方式(例如USB、网线等)实现通信，也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信；
总线1005，在设备的各个组件(例如处理器1001、存储器1002、输入/输出接口1003和通信接口1004)之间传输信息；
其中处理器1001、存储器1002、输入/输出接口1003和通信接口1004通过总线1005实现彼此之间在设备内部的通信连接。
本发明实施例还提供了一种存储介质，存储介质为计算机可读存储介质，用于计算机可读存储，存储介质存储有一个或者多个程序，一个或者多个程序可被一个或者多个处理器执行，以实现上述SIM卡异常检测方法。
存储器作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序以及非暂态性计算机可执行程序。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中，存储器可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至该处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
本发明实施例还公开了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行图1所示的方法。
在一些可选择的实施例中，在方框图中提到的功能/操作可以不按照操作示图提到的顺序发生。例如，取决于所涉及的功能/操作，连续示出的两个方框实际上可以被大体上同时地执行或上述方框有时能以相反顺序被执行。此外，在本发明的流程图中所呈现和描述的实施例以示例的方式被提供，目的在于提供对技术更全面的理解。所公开的方法不限于本文所呈现的操作和逻辑流程。可选择的实施例是可预期的，其中各种操作的顺序被改变以及其中被描述为较大操作的一部分的子操作被独立地执行。
此外，虽然在功能性模块的背景下描述了本发明，但应当理解的是，除非另有相反说明，上述的功能和/或特征中的一个或多个可以被集成在单个物理装置和/或软件模块中，或者一个或多个功能和/或特征可以在单独的物理装置或软件模块中被实现。还可以理解的是，有关每个模块的实际实现的详细讨论对于理解本发明是不必要的。更确切地说，考虑到在本文中公开的装置中各种功能模块的属性、功能和内部关系的情况下，在工程师的常规技术内将会了解该模块的实际实现。因此，本领域技术人员运用普通技术就能够在无需过度试验的情况下实现在权利要求书中所阐明的本发明。还可以理解的是，所公开的特定概念仅仅是说明性的，并不意在限制本发明的范围，本发明的范围由所附权利要求书及其等同方案的全部范围来决定。
上述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例上述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行***、装置或设备(如基于计算机的***、包括处理器的***或其他可以从指令执行***、装置或设备取指令并执行指令的***)使用，或结合这些指令执行***、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行***、装置或设备或结合这些指令执行***、装置或设备而使用的装置。
计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印上述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得上述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行***执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
在本说明书的上述描述中，参考术语“一个实施方式/实施例”、“另一实施方式/实施例”或“某些实施方式/实施例”等的描述意指结合实施方式或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施方式或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施方式或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施方式或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施方式，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施方式进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。
以上是对本发明的较佳实施进行了具体说明，但本发明并不限于上述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (10)
1.一种SIM卡异常检测方法，其特征在于，包括以下步骤：
获取目标SIM卡在预设时长内多个采样时刻的信令交互信息、用户位置信息以及基站配置信息；
对所述信令交互信息、所述用户位置信息以及所述基站配置信息进行特征提取和特征融合，得到各所述采样时刻对应的特征向量矩阵，并根据所述特征向量矩阵生成特征向量矩阵时序数据；
基于预设的滑动窗口统计所述特征向量矩阵时序数据的第一均值矩阵和第一标准差矩阵，并根据所述第一均值矩阵、所述第一标准差矩阵以及所述特征向量矩阵判断对应的所述采样时刻是否存在通信异常；
确定存在通信异常的若干个所述采样时刻为异常通信时刻，并根据所述异常通信时刻的数量确定所述目标SIM卡是否存在异常。
2.根据权利要求1所述的一种SIM卡异常检测方法，其特征在于，所述获取目标SIM卡在预设时长内多个采样时刻的信令交互信息、用户位置信息以及基站配置信息这一步骤，其具体包括：
确定当前采样时刻所述目标SIM卡接入的目标基站；
通过所述目标基站获取所述目标SIM卡在所述当前采样时刻的信令交互信息和用户位置信息，并获取所述目标基站在所述当前采样时刻的基站配置信息。
3.根据权利要求1所述的一种SIM卡异常检测方法，其特征在于，所述对所述信令交互信息、所述用户位置信息以及所述基站配置信息进行特征提取和特征融合，得到各所述采样时刻对应的特征向量矩阵，并根据所述特征向量矩阵生成特征向量矩阵时序数据这一步骤，其具体包括：
对所述信令交互信息进行数据清洗和数据编码得到第一编码信息，对所述第一编码信息进行特征提取得到第一特征向量；
根据所述用户位置信息确定第一空间坐标，并对所述第一空间坐标进行向量化处理得到第二特征向量；
获取目标基站的初始配置信息，根据所述初始配置信息和所述基站配置信息确定配置变化增量，并对所述配置变化增量进行数据编码和向量化处理，得到第三特征向量；
对所述第一特征向量、所述第二特征向量以及所述第三特征向量进行特征融合，得到当前采样时刻对应的所述特征向量矩阵；
根据各所述采样时刻的先后顺序对所述特征向量矩阵进行时序化处理，得到所述特征向量矩阵时序数据；
其中，所述目标基站为当前采样时刻所述目标SIM卡接入的基站。
4.根据权利要求1所述的一种SIM卡异常检测方法，其特征在于，所述基于预设的滑动窗口统计所述特征向量矩阵时序数据的第一均值矩阵和第一标准差矩阵，并根据所述第一均值矩阵、所述第一标准差矩阵以及所述特征向量矩阵判断对应的所述采样时刻是否存在通信异常这一步骤，其具体包括：
获取预设的所述滑动窗口，根据所述滑动窗口在所述特征向量矩阵时序数据中截取出第一时序片段数据，并确定所述第一时序片段数据对应的多个第一特征向量矩阵；
根据多个所述第一特征向量矩阵中位于同一矩阵位置的多个矩阵元素的均值确定所述第一均值矩阵，并根据多个所述第一特征向量矩阵中位于同一矩阵位置的多个矩阵元素的标准差确定所述第一标准差矩阵；
确定各所述第一特征向量矩阵与所述第一均值矩阵的第一距离矩阵，并根据所述第一距离矩阵中的矩阵元素与所述第一标准差矩阵中对应矩阵位置的矩阵元素的比值确定各所述第一特征向量矩阵的第一特征值；
若所述第一特征值大于预设的第一阈值，确定对应的所述采样时刻存在通信异常，若所述第一特征值小于或等于所述第一阈值，确定对应的所述采样时刻不存在通信异常。
5.根据权利要求4所述的一种SIM卡异常检测方法，其特征在于，所述确定各所述第一特征向量矩阵与所述第一均值矩阵的第一距离矩阵，并根据所述第一距离矩阵中的矩阵元素与所述第一标准差矩阵中对应矩阵位置的矩阵元素的比值确定各所述第一特征向量矩阵的第一特征值这一步骤，其具体包括：
根据所述第一特征向量矩阵中各个矩阵元素与所述第一均值矩阵中对应矩阵位置的矩阵元素的差值的绝对值，确定所述第一距离矩阵中对应矩阵位置的矩阵元素，从而得到所述第一距离矩阵；
确定所述第一距离矩阵中各个矩阵元素与所述第一标准差矩阵中对应矩阵位置的矩阵元素的比值为第一比值，并对所述第一比值进行加权求和得到所述第一特征值。
6.根据权利要求4所述的一种SIM卡异常检测方法，其特征在于，所述SIM卡异常检测方法还包括优化调整所述第一阈值的步骤，其具体包括：
获取预设的多个训练样本时序数据、所述第一阈值的初始值以及所述第一阈值的优化因子，所述训练样本时序数据包括多个第二特征向量矩阵；
通过人工标注确定所述训练样本时序数据中实际存在通信异常的所述第二特征向量矩阵的第二数量；
确定各所述第二特征向量矩阵的第二特征值，并根据所述第二特征值和所述第一阈值预测存在通信异常的所述第二特征向量矩阵的第一数量；
若所述第一数量小于所述第二数量，根据所述优化因子增大所述第一阈值的数值，若所述第一数量大于所述第二数量，根据所述优化因子减小所述第一阈值的数值；
返回根据所述第二特征值和所述第一阈值预测存在通信异常的所述第二特征向量矩阵的第一数量这一步骤，直至所述第一数量与所述第二数量相等或迭代次数达到预设的第二阈值。
7.根据权利要求1至6中任一项所述的一种SIM卡异常检测方法，其特征在于，所述根据所述异常通信时刻的数量确定所述目标SIM卡是否存在异常这一步骤，其具体包括：
确定所述异常通信时刻的第三数量；
确定所述第三数量与所述预设时长的第二比值，当所述第二比值大于预设的第三阈值，确定所述目标SIM卡存在异常；
或，
确定所述第三数量与所述采样时刻的总数的第三比值，当所述第三比值大于预设的第四阈值，确定所述目标SIM卡存在异常。
8.一种SIM卡异常检测***，其特征在于，包括：
信息获取模块，用于获取目标SIM卡在预设时长内多个采样时刻的信令交互信息、用户位置信息以及基站配置信息；
特征融合模块，用于对所述信令交互信息、所述用户位置信息以及所述基站配置信息进行特征提取和特征融合，得到各所述采样时刻对应的特征向量矩阵，并根据所述特征向量矩阵生成特征向量矩阵时序数据；
通信异常检测模块，用于基于预设的滑动窗口统计所述特征向量矩阵时序数据的第一均值矩阵和第一标准差矩阵，并根据所述第一均值矩阵、所述第一标准差矩阵以及所述特征向量矩阵判断对应的所述采样时刻是否存在通信异常；
SIM卡异常确定模块，用于确定存在通信异常的若干个所述采样时刻为异常通信时刻，并根据所述异常通信时刻的数量确定所述目标SIM卡是否存在异常。
9.一种电子设备，其特征在于，所述电子设备包括存储器、处理器、存储在所述存储器上并可在所述处理器上运行的程序以及用于实现所述处理器和所述存储器之间的连接通信的数据总线，所述程序被所述处理器执行时实现如权利要求1至7中任一项所述的SIM卡异常检测方法的步骤。
10.一种存储介质，所述存储介质为计算机可读存储介质，用于计算机可读存储，其特征在于，所述存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如权利要求1至7中任一项所述的SIM卡异常检测方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310760638.4A CN116939661A (zh) | 2023-06-26 | 2023-06-26 | Sim卡异常检测方法和***、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310760638.4A CN116939661A (zh) | 2023-06-26 | 2023-06-26 | Sim卡异常检测方法和***、电子设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116939661A true CN116939661A (zh) | 2023-10-24 |
Family
ID=88378156
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310760638.4A Pending CN116939661A (zh) | 2023-06-26 | 2023-06-26 | Sim卡异常检测方法和***、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116939661A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117979300A (zh) * | 2024-04-02 | 2024-05-03 | 中国信息通信研究院 | 异常网络注册行为分析方法及装置 |
-
2023
- 2023-06-26 CN CN202310760638.4A patent/CN116939661A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117979300A (zh) * | 2024-04-02 | 2024-05-03 | 中国信息通信研究院 | 异常网络注册行为分析方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112417439B (zh) | 账号检测方法、装置、服务器及存储介质 | |
| CN107302547B (zh) | 一种web业务异常检测方法及装置 | |
| CN111614690B (zh) | 一种异常行为检测方法及装置 | |
| CN109587008B (zh) | 检测异常流量数据的方法、装置及存储介质 | |
| CN106209862A (zh) | 一种盗号防御实现方法及装置 | |
| CN110830445B (zh) | 一种异常访问对象的识别方法及设备 | |
| CN108255555B (zh) | 一种***语言切换方法及终端设备 | |
| CN111107423A (zh) | 一种视频业务播放卡顿的识别方法和装置 | |
| CN109284613B (zh) | 标识检测及仿冒站点检测方法、装置、设备及存储介质 | |
| CN110941827B (zh) | 应用程序异常行为检测方法及装置 | |
| CN116939661A (zh) | Sim卡异常检测方法和***、电子设备及存储介质 | |
| CN112671724B (zh) | 一种终端安全检测分析方法、装置、设备及可读存储介质 | |
| CN103631787A (zh) | 网页类型识别方法以及网页类型识别装置 | |
| CN111191601A (zh) | 同行用户识别方法、装置、服务器及存储介质 | |
| CN112839014A (zh) | 建立识别异常访问者模型的方法、***、设备及介质 | |
| CN110895811B (zh) | 一种图像篡改检测方法和装置 | |
| CN111064719B (zh) | 文件异常下载行为的检测方法及装置 | |
| CN114817425A (zh) | 一种冷热数据分类的方法、装置、设备及可读存储介质 | |
| CN115499187A (zh) | Api安全监测模型训练方法、监测方法、装置及设备 | |
| CN114564814A (zh) | 一种针对稀疏数据的动态阈值高斯核密度估计***和方法 | |
| WO2015031350A1 (en) | Systems and methods for memory utilization for object detection | |
| CN111368128B (zh) | 目标图片的识别方法、装置和计算机可读存储介质 | |
| CN116451081A (zh) | 数据漂移的检测方法、装置、终端及存储介质 | |
| CN112269879B (zh) | 基于k-means算法的中台日志分析方法及设备 | |
| CN114356712A (zh) | 数据处理方法、装置、设备、可读存储介质及程序产品 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |