[發明專利]一種網絡用戶異常行為檢測方法、裝置、設備及存儲介質

在審

• 申請號: 201711020155.1
• 申請日: 2017-10-27
• 公開（公告）號: CN107612938A
• 公開（公告）日: 2018-01-19
• 發明（設計）人: 朱秋華
• 申請（專利權）人: 朱秋華
• 主分類號: H04L29/06
• 分類號: H04L29/06
• 代理公司: 北京遠智匯知識產權代理有限公司11659
• 代理人: 徐鵬飛

1.一種網絡用戶異常行為檢測方法，其特征在于，包括：

獲取網絡實際流量數據，根據檢測特征指標對所述網絡實際流量數據進行預處理，獲得部分標記的訓練樣本；

將經過預處理的網絡原始流量數據輸入集成分類器，根據所述統集成分類器的輸出對用戶行為進行識別。

2.根據權利要求1所述的方法，其特征在于，在獲得部分標記的訓練樣本后，還包括：

根據改進的EasyEnssemble方法對所述訓練樣本進行處理，獲取樣本子集；

基于混合擾動方法處理所述樣本子集生成具備差異性的成員分類器；

基于改進的協同學習方法對成員分類器進行訓練，根據準確性篩選成員構建集成分類器。

3.根據權利要求1所述的方法，其特征在于，所述獲取網絡實際流量數據，根據檢測特征指標對所述網絡實際流量數據進行預處理，獲得部分標記的訓練樣本包括：

根據所述檢測特征指標對流量數據進行統計和測量，構造網絡用戶行為數據，通過軟件工具、人工分析等方法對部分網絡用戶行為數據進行標記，得到部分標記的訓練樣本。

4.根據權利要求2所述的方法，其特征在于，所述根據改進的EasyEnssemble方法對所述訓練樣本進行處理，獲取樣本子集包括：

基于特征子空間的聚類方法獲取樣本分布情況，將訓練數據劃分為保留原有分部信息的、平衡的樣本子集。

5.根據權利要求2所述的方法，其特征在于，所述基于混合擾動方法處理所述樣本子集生成具備差異性的成員分類器包括：

樣本子空間、樣本子空間特征和分類器參數互相組合，生成足夠數量且具備差異性的成員分類器。

6.一種網絡用戶異常行為檢測裝置，其特征在于，包括：

預處理模塊，獲取網絡實際流量數據，根據檢測特征指標對所述網絡實際流量數據進行預處理，獲得部分標記的訓練樣本；

檢測模塊，將經過預處理的網絡原始流量數據輸入集成分類器，根據所述統集成分類器的輸出對用戶行為進行識別。

7.根據權利要求6所述的裝置，其特征在于，所述裝置包括：

樣本處理模塊，根據改進的EasyEnssemble方法對所述訓練樣本進行處理，獲取樣本子集；

成員分類器構造模塊，基于混合擾動方法處理所述樣本子集生成具備差異性的成員分類器；

集成分類器構造模塊，基于改進的協同學習方法對成員分類器進行訓練，根據準確性篩選成員構建集成分類器。

8.根據權利要求6所述的裝置，其特征在于，所述預處理模塊還包括：

標記模塊，根據所述檢測特征指標對流量數據進行統計和測量，構造網絡用戶行為數據，通過軟件工具、人工分析等方法對部分網絡用戶行為數據進行標記，得到部分標記的訓練樣本。

9.一種服務器，其特征在于，所述服務器包括：

一個或多個處理器；

存儲裝置，用于存儲一個或多個程序，

當所述一個或多個程序被所述一個或多個處理器執行，使得所述一個或多個處理器實現如權利要求1-5中任一所述的網絡用戶異常行為檢測方法。

10.一種包含計算機可執行指令的存儲介質，所述計算機可執行指令在由計算機處理器執行時用于執行如權利要求1-5任一所述的網絡用戶異常行為檢測方法。