[發明專利]一種移動用戶異常行為檢測方法

有效

• 申請號: 201710545014.5
• 申請日: 2017-07-06
• 公開（公告）號: CN107249000B
• 公開（公告）日: 2020-02-25
• 發明（設計）人: 朱軍龍;吳慶濤;鄭瑞娟;張明川;謝萍;魏汪洋;張茉莉;杜鵑
• 申請（專利權）人: 河南科技大學
• 主分類號: H04L29/06
• 分類號: H04L29/06;G06K9/62
• 代理公司: 洛陽公信知識產權事務所(普通合伙) 41120
• 代理人: 宋晨煒

為了克服現有技術中來選擇聚類成員容易造成檢測結果誤報率高的問題，本發明提供了一種移動用戶異常行為檢測方法，其采用滑動窗口動態的獲取數據，以提高用戶行為獲取的準確性，在傳統FC算法的初始聚類和增量階段之后引入Duun_index概念，對增量后產生的聚類成員進行選擇，再將選擇后的優質成員用投票算法進行融合得到最終結果，再與用戶的正常行為進行相似度對比時引入關聯矩陣，利用平均差異度的變化來判斷用戶行為是否正常，從而達到異常檢測高效、準確的目的。

技術領域

本發明涉及信息安全可信技術領域，具體涉及一種基于選擇性聚類融合的移動用戶異常行為檢測方法。

背景技術

隨著Internet的廣泛應用，整個人類社會的生活與工作正在逐漸被計算機技術、網絡技術及通信技術所影響和改變著。隨著智能終端的快速普及和移動互聯網的迅猛發展，許多用戶將互聯網入口從PC端轉移到了智能手機等移動智能終端，云計算技術在移動通信行業的應用必然會開創移動互聯網的新時代。目前移動云服務所涉及的安全性等可信要求大多相對較低，移動云服務所涉及的各個要素和環節的可信性已成為阻礙移動云服務發展和廣泛應用的重要障礙。本文旨在從用戶可信方面研究用戶協作層的異常行為分析技術，立足移動終端的固有缺陷，向用戶提供低耗、高效、可靠的滿意服務。只有當用戶行為是正常合法的，用戶的請求才會被智慧映射層接收，進行進一步的處理。

聚類融合技術是將多個對一組對象進行聚類劃分的不同結果進行合并的技術，合并后的結果比原先單一聚類的結果更加優越，穩定性和精確性都得到了明顯提升。選擇性聚類融合是利用設計的選擇策略對聚類成員進行篩選，選出優質的聚類成員再進行融合，提高了聚類結果的質量。

現有的選擇性聚類融合算法一般采用差異度計算公式來對聚類成員的差異度進行衡量，從而選擇優質的成員。而僅僅依據差異度來選擇聚類成員容易造成檢測結果誤報率高，所以必須聯合多方面因素考量，才能取得較好的結果。

發明內容

為了克服現有技術中來選擇聚類成員容易造成檢測結果誤報率高的問題，本發明提供了一種移動用戶異常行為檢測方法，其采用滑動窗口動態的獲取數據，以提高用戶行為獲取的準確性，在傳統FC算法的初始聚類和增量階段之后引入Duun_index概念，對增量后產生的聚類成員進行選擇，再將選擇后的優質成員用投票算法進行融合得到最終結果，再與用戶的正常行為進行相似度對比時引入關聯矩陣，利用平均差異度的變化來判斷用戶行為是否正常，從而達到異常檢測高效、準確的目的。

本發明為解決上述問題所采用的技術方案是：一種移動用戶異常行為檢測方法，其技術方案是：包含以下步驟：

S1.對數據集進行訓練，建立正常行為數據庫；

S2.利用滑動窗口模型獲取移動用戶窗口范圍內的數據集X，采用基于分形的聚類融合算法得到數據集X的聚類融合結果Γ；

S3.異常檢測過程：

S301.對S2步驟得到的聚類融合結果Γ與S1步驟中的正常行為數據庫中的N個正常行為數據P＝{P₁,P₂,...,P_N}進行關聯矩陣轉換，得到相應的關聯矩陣M＝{M₁,M₂,...,M_N}；

S302.對S1步驟中的正常行為數據庫中的N個正常行為數據P＝{P₁,P₂,...,P_N}進行平均差異度計算；

S303.把S2步驟得到的聚類融合結果Γ加入到正常行為數據集P中，再次進行平均差異度計算；