基于多Agent的医保欺诈检测系统的研究

针对医疗保险中屡屡出现的违规和欺诈行为,提出了一种基于多Agent的医疗保险欺诈检测系统。在系统中,通过利用Agent的智能性和多Agent的协同性对欺诈行为的检测做出决策。在决策过程中,各个Agent独立运行同时又互相合作,通过黑板机制进行互相的通信和交流,实现对欺诈行为的实时监控。文中阐述了该系统的总体结构、组成部分、工作机制以及实现的关键技术,并在JADE平台基础上进行了实证。通过实证,证明了系统具有灵活性、跨平台性和安全性等优点。     

基于人工免疫的多Agent自适应入侵检测系统

简介了入侵检测系统(IDS)的基本概念，指出了目前的入侵检测系统存在的不足。为了解决传统入侵检测系统中的不足，将人工免疫原理引入入侵检测系统。根据自然免疫系统的特点，提出建立基于人工免疫原理的多Agent网络入侵检测系统，该系统采用了基于多Agent的分布式体系结构，同时应用了阴性选择、克隆选择、基因库进化以及联想记忆等人工免疫原理，使得构造的网络入侵检测系统具有自适应性、分布性、自识别能力和可扩展性的特点。     

一种基于黑板模型的多Agent系统通信方法

本文以人工智能领域中的黑板模型为基础 ,提出了在 Internet环境中多 Agent系统 (MAS)的通信方法 .该方法可用于异构的 MAS系统间的通信 .首先把 MAS系统的通信环境划分为不同的层次 ,然后用黑板模型对这些层次进行了描述 .基于这种描述给出了 MAS系统通信用协议和相关参数 .而且 ,还在这些参数中设置了有关服务质量的元素 .     

基于人工免疫的多Agent自适应入侵检测系统

简介了入侵检测系统(IDS)的基本概念,指出了目前的入侵检测系统存在的不足.为了解决传统入侵检测系统中的不足,将人工免疫原理引入入侵检测系统.根据自然免疫系统的特点,提出建立基于人工免疫原理的多Agent网络入侵检测系统,该系统采用了基于多Agent的分布式体系结构,同时应用了阴性选择、克隆选择、基因库进化以及联想记忆等人工免疫原理,使得构造的网络入侵检测系统具有自适应性、分布性、自识别能力和可扩展性的特点.     

智能Agent与多Agent系统的研究

智能Agent及多Agent系统自20世纪80年代起一直是分布式人工智能研究的热点。对Agent理论，语言，结构以及多Agent系统结构等问题进行了研究，并对Agent与对象（Object) ,过程控制系统，软件“精灵”以及多Agent系统与分布式问题求解的区别进行了分析。     

基于数据挖掘的多Agent智能 入侵检测系统研究

本文在传统IDS的基础上,充分利用了数据挖掘技术中的知识发现、模型生成和Agent技术的智能性、主动性、移动性,提出了基于数据挖掘的多Agent智能入侵检测系统DAIIDS。     

基于多Agent系统的软件开发方法研究

面向Agent的软件工程近年来获得很多人的关注,其中MAS是一个重要的研究方向.到目前为止,已经出现了20多种MAS开发方法.本文对现有的主要方法进行了分类和总结,并利用三层次模型对常用的三类方法进行了比较,希望对读者有一定的借鉴作用.     

一种基于多Agent系统的企业应用集成框架

在利用Agent模板语言(APL)进行多Agent系统(MAS)快速开发的基础上,提出了基于APL和多Agent系统的面向过程的企业应用集成框架。根据业务过程的一般结构与特征,框架采用分层的业务逻辑模型,实现业务逻辑与业务执行的分离。通过这种方式避免企业业务流程的局部变化引起系统整体结构的较大变动。同时在利用APL对业务过程进行描述的过程中引入了角色与结构化活动,一方面使得用户能够根据角色把业务过程分解为子过程,另外结构化活动的引入弥补了APL在描述复杂业务流程方面的不足。通过这种方式,使得用户能够利用所提出框架,提高企业应用集成系统的开发效率,增强系统的灵活性。     

基于多Agent协同的快速入侵检测系统

在多Agent协同入侵检测系统中,不同检测Agent并行地检测网络包中不同的入侵特征,以提高系统的检测效率.使用消息、自定义通信协议等作为系统的协同通信机制,有效地避免了系统中的单点故障,并且,该机制使得各个Agent的检测结果可以有效融合.在分析了入侵的类型、特征后,使用4个检测Agent仿真了入侵检测的过程,并在检测精度、检测误差影响很小的情况下,使检测每条记录的时间大幅度减少.     

多Agent系统的研究

多Agent系统(MAS)是当前分布式人工智能(DAI)的主要研究方向之一。介绍了多Agent系统的背景和概念,着重分析了MAS的关键问题和构造MAS的组织模型,最后给出了多Agent系统的应用。     

基于TLSTM的医疗保险欺诈检测

医疗保险欺诈对医疗基金的正确使用造成了严重威胁。随着信息化的发展,越来越多的用户属性信息和行为信息被积累下来,使得通过分析用户行为序列进行欺诈识别成为了可能。但在医疗保险背景下,由于供需双方存在严重的信息不对称现象,欺诈者会努力模仿合法用户的行为,而且欺诈者的比例很小,传统的基于分类的欺诈识别算法不再适用。此外,患者的就医行为具有一定的偶发性,时间分布不均匀。针对样本不平衡和时间分布不均匀的挑战,提出基于TLSTM的医保欺诈识别框架,将用户的历史就医行为序列作为TLSTM模型的输入,预测患者再入院原因及诊疗方案,通过比较模型输出与用户当前就医行为的差异程度,来判断用户存在欺诈的可能性。实验表明,该算法在欺诈识别准确度上明显优于已有算法。     

作战辅助决策多智能体系统体系结构

针对现代战争中作战节奏越来越快、决策问题越来越复杂、越来越多的问题无法抽象成数学模型等特点,设计一种分层的基于多智能体的作战指挥辅助决策系统。系统分为决策层、决策辅助层和数据平台层,以通用信息处理平台为支撑,提供情报分析处理、方案评估、计划推演等功能,直接面向用户进行决策交互;并采用协同机制、驱动和知识学习机制等多智能体技术,确保系统反应快速灵活,决策实时正确,实现人机智能结合。     

WKAG：一种针对不平衡医保数据的欺诈检测方法

医保欺诈检测具有迫切的现实意义,当前工作主要以机器学习方法为主,但面临两个重要问题：（1）数据不平衡问题较为突出,欺诈样本占比极小,影响识别效果;（2）数据特征的选取与构造过于依赖领域业务知识,难以保证特征有效性。针对这些问题,提出了一种针对不平衡医保数据的欺诈检测方法--WKAG。使用WGAN-KDE（Wasserstein Generative Adversarial Network-Kernel Density Estimation）方法改善数据不平衡问题,结合自编码器（Auto-Encoder）提取数据的深层隐藏特征,使用Gradient Boosted Decision Tree（GBDT）检测医保欺诈行为。在多个公开数据集上验证了该方法有效性,并在真实医保业务数据集上进行了实验验证,结果表明了WKAG可作为医保欺诈行为的有效检测方法。     

基于数据挖掘的电信欺诈侦测模型

将数据挖掘技术具体应用到电信欺诈侦测领域中,提出了一种基于数据挖掘的电信欺诈侦测模型。利用某移动运营商的真实数据对本文的模型进行了验证。     

基于BP神经网络的医保欺诈识别

医疗保险欺诈是指在参加医保的过程中,通过故意捏造、虚构事实等方法骗取医保基金或医保待遇,造成医疗保险基金损失的行为.有效地识别医保欺诈对医保基金的健康使用有重大意义.本文运用BP神经网络实现医保欺诈的主动识别,并利用Logistic回归分析对神经网络模型进行改进,降低弱因子对神经网络识别的干扰.此外,应对欺诈数据的稀缺问题,采用只取正常数据训练神经网络模拟函数曲线的模式.实证表明,该方法对医保欺诈具有较好的识别能力.     

面向非平衡数据集的金融欺诈账户检测研究

针对非平衡金融数据集,提出一种银行欺诈账户检测框架iForest-SMOTE.基于账户的动态交易特点,从统计、时序、监督信息维度抽取账户交易行为特征.针对过采样技术ADASYN在金融账户数据集中存在的跨区域样本合成问题,提出一种基于iForest算法的数据集均衡预处理策略,通过iForest算法对数据进行混合采样,在去...     

基于多Agent的电子商务系统模型研究

从事电子商务的人员经常面临2个主要问题：如何将网页访问者转换成您的销售线索?如何实现赢利最大化?为此，文中设计了一个基于多Agent的电子商务系统模型，构建了顾客查询Agent、订购Agent、销售Agent和管理Agent，这个多Agent系统将能比较好地解决上述2个问题。     

基于多代理的工作流管理系统中的监测研究

基于多代理的工作流管理系统成为工作流应用中的一种重要的形式。作为实用的软件系统必须提供一种监测机制,以保证系统的健壮性、稳定性。该文在分析基于多代理的工作流管理系统的结构以及异常产生和异常之间的相互关系后,根据实际情况提出了一套监测策略,首先提出三层系统模型,把异常的检测和处理也相应地分成三层,然后通过在程序中增加异常触发机制和向后恢复的方法实现系统的健壮性,稳定性。     

多Agent技术在入侵检测中的应用

计算机应用日趋广泛与深入,从基本的信息共享到各种通信交流活动,无一不受到网络的影响。计算机系统的安全问题更加突出与复杂,传统的单一体系结构的入侵检测系统已不能很好地解决目前出现的安全问题。文中探讨了多Agent的优点并在多Agent技术的基础上建立了一个基于多Agent的入侵检测系统模型。测试的数据显示该系统模型具有防范攻击和较好的容错性。     

基于半监督建模的金融欺诈行为侦测研究

近年来,网络黑产犯罪事件层出不穷,形成较完备网络黑色产业链。为维护网络信息安全,中央网信办、工信部、公安部、中国人民银行等部门持续开展治理工作,相关企业也不断加大整治力度。信用卡盗用盗刷是网络黑产常见形式之一。本次研究基于信用卡历史交易数据,借助半监督学习,构建反欺诈预测模型,对信用卡盗刷行为及时预警。