傳統感應式門禁系統記錄員工刷卡資訊，然而門禁系統僅記錄資訊，必須透過異常規則或人工判讀才能偵測異常門禁行為。 換言之，若有新不當行為模式發生，傳統感應式門禁系統將無法偵測不當行為，必須等到監控人員察覺或該行為被舉發，方能針對該行為模式手動訂定規則進行防範。 因此傳統感應式門禁系統對新型不當行為不僅易發生遺漏情況，且不一定能夠在關鍵時刻偵測不當行為，容易造成門禁系統漏洞。 本專案利用機器學習技術，利用過往刷卡門禁資料建立刷卡行為模型，自動歸納推導異常行為模式，偵測員工每一筆刷卡紀錄，判斷是否為不當刷卡行為，建立全方位且快速門禁行為偵測系統。 該演算法不僅強化傳統門禁系統安全性，並且已在實務中驗證並成功找出異常行為，為企業安全把關。
- 停留時間 (staytime)
- 刷卡閘門 (path)