检测异常

Question

我试图做一个公司的访问权限一些数据挖掘。我试图根据他们拥有的访问权将不同的组聚合在一起，然后确定是否有人的访问受到怀疑，因为他们的组对等人都没有访问权限。我只是在寻找一种算法来帮助我。这几乎是一个逆推荐系统（即Netflix，亚马逊）。这里有一个简单的例子：

Person 1 has access to files A, B, E 
    Person 2 has access to files A, B 
    Person 3 has access to files A, B 
    Person 4 has access to files C, D, E 
    Person 5 has access to files C, D 
    Person 6 has access to files C, D, E 

我希望能够没有它（无监督学习）是1-3人及人事4-6是同样的功能，并有可能在同一组，因为分类认识到自己的类似的文件访问（集群）。之后，我们确定了集群，那么WE标志异常访问，这是人1文件E.

我试图寻找到AI4R Ruby库，而是来到了一个死胡同。有很多算法可供选择。我只需要指出正确的方式。谢谢。

Answer 1

这样做的一个直接的办法就是建立每个人的特征向量，并使用cosine similarity /点积两者之间的相似性的措施。特征向量可能类似于（A = 1，B = 0，C = 1 ...）等等。计算时如果数据太稀疏，即访问选项过多，则最终可能会得到非常低的相似性度量。

您也可以建立的两个特征/接入如何彼此相关的引用（特征）矩阵，即它们是彼此的相似（比如说在0和1之间的值）。当你取加权平均值时，两个向量之间的相似性度量可能会更聪明一些：Sum（f1，f2）/（nr（f1）* nr（f2））其中f1是特征/访问形式person1，f2是来自人2的特征/访问。nr（f1）=人1的总特征，以及人2的总特征nr（f2）。

现在说你已经测量了每个人与另一个人的关系。现在您可以使用agglomerative clustering策略，该策略将允许您以预定义（意味着您设置此限制）数量的集群结束。或者，您可以设置关于群集质心之间最大增量的规则以允许聚集，这可能会使进程在某个不可预知的阶段停止（即最终得到未指定数量的群集）。

这些都是很简单的策略。特征矩阵需要领域知识，并且需要时间来构建，特别是如果您有很多特征/访问类型。