基于人工智能的用户异常数据监测方法及系统，方法包括数据采集、用户行为评估模型设计、正常行为训练设计、已标注异常校准设计、平衡加权设计、训练衔接策略、异常评估、参数调整和用户异常数据监测。属于行为监测领域，具体是指基于人工智能的用户异常数据监测方法及系统，本方案基于异常评分变换，对微小异常敏感；通过引入样本平衡系数和异常难度自适应加权，控制正常样本的误报梯度，提高异常样本的检测能力；基于个性化的异常评估方法，降低跨用户偏差；采用了细粒度扰动搜索和参数位翻转变异策略，从而提高最终用户异常数据监测可靠性；通过收敛系数平滑更新步长，避免不必要的资源浪费，进而提高用户异常数据监测效率。