[發(fā)明專利]異常登錄的識別和監(jiān)督學習模型的建立方法、裝置，設備和存儲介質

有效

• 申請?zhí)枺?/td>: 201810136297.2
• 申請日: 2018-02-09
• 公開（公告）號: CN108512827B
• 公開（公告）日: 2021-09-21
• 發(fā)明（設計）人: 彭劍龍;肖鋒;朱健超;黃偉勝;張穎;潘浩;高保慶
• 申請（專利權）人: 世紀龍信息網(wǎng)絡有限責任公司
• 主分類號: H04L29/06
• 分類號: H04L29/06;G06K9/62;H04L12/24
• 代理公司: 廣州華進聯(lián)合專利商標代理有限公司 44224
• 代理人: 陳金普

1.一種異常登錄的識別方法，其特征在于，包括以下步驟：

獲取當前用戶的登錄數(shù)據(jù)；

將所述登錄數(shù)據(jù)輸入監(jiān)督學習模型中，得到對所述當前用戶的安全識別結果；

根據(jù)所述安全識別結果確定當前用戶是否為異常登錄；

所述監(jiān)督學習模型的構建包括：獲取多個參考用戶的歷史登錄數(shù)據(jù)，根據(jù)所述歷史登錄數(shù)據(jù)和分類算法建立初始無監(jiān)督學習模型；獲取所述初始無監(jiān)督學習模型對各個參考用戶是否為異常登錄的判斷結果，并確定所述初始無監(jiān)督學習模型的判斷結果的準確率；若所述初始無監(jiān)督學習模型的判斷結果的準確率不滿足預設條件，調整所述初始無監(jiān)督學習模型，得到調整后的初始無監(jiān)督學習模型；獲取所述調整后的初始無監(jiān)督學習模型對各個參考用戶是否為異常登錄的判斷結果，若所述調整后的初始無監(jiān)督學習模型的判斷結果的準確率滿足所述預設條件，則將所述調整后的初始無監(jiān)督學習模型作為構建完成的無監(jiān)督學習模型；

獲取由所述構建完成的無監(jiān)督學習模型對待標記的歷史登錄數(shù)據(jù)的判斷結果，將所述判斷結果作為所述待標記的歷史登錄數(shù)據(jù)的標記，得到已標記的歷史登錄數(shù)據(jù)；根據(jù)所述已標記的歷史登錄數(shù)據(jù)，建立所述監(jiān)督學習模型；

其中，所述判斷結果表征所述待標記的歷史登錄數(shù)據(jù)屬于正常的歷史登錄數(shù)據(jù)還是異常的歷史登錄數(shù)據(jù)。

2.根據(jù)權利要求1所述的異常登錄的識別方法，其特征在于，還包括以下步驟：

每隔預設的時間段重新獲取多個參考用戶的歷史登錄數(shù)據(jù)，根據(jù)重新獲取的歷史登錄數(shù)據(jù)更新所述無監(jiān)督學習模型；

根據(jù)更新后的無監(jiān)督學習模型輸出的結果更新所述監(jiān)督學習模型；

和/或，

所述根據(jù)所述安全識別結果確定當前用戶是否為異常登錄的步驟之后，還包括：

獲取對當前用戶是否為異常登錄的實際反饋結果，根據(jù)所述實際反饋結果和由所述監(jiān)督學習模型確定的登錄識別結果更新所述無監(jiān)督學習模型；

根據(jù)更新后的無監(jiān)督學習模型輸出的結果更新所述監(jiān)督學習模型。

3.根據(jù)權利要求1至2任一所述的異常登錄的識別方法，其特征在于，所述將所述登錄數(shù)據(jù)輸入監(jiān)督學習模型中，得到對所述當前用戶的安全識別結果的步驟之后，還包括：

若當前用戶為異常登錄，對所述當前用戶執(zhí)行預設的安全保障操作；

和/或，

所述無監(jiān)督學習模型為基于二分類機器學習算法的模型；

所述監(jiān)督學習模型為基于隨機森林算法和/或孤立森林算法的模型。

4.一種監(jiān)督學習模型的建立方法，其特征在于，包括以下步驟：

獲取多個參考用戶的歷史登錄數(shù)據(jù)，根據(jù)所述歷史登錄數(shù)據(jù)和分類算法建立初始無監(jiān)督學習模型；

獲取所述初始無監(jiān)督學習模型對各個參考用戶是否為異常登錄的判斷結果，并確定所述初始無監(jiān)督學習模型的判斷結果的準確率；

若所述初始無監(jiān)督學習模型的判斷結果的準確率不滿足預設條件，調整所述無監(jiān)督學習模型，得到調整后的初始無監(jiān)督學習模型；

獲取所述調整后的初始無監(jiān)督學習模型對各個參考用戶是否為異常登錄的判斷結果；

若所述調整后的初始無監(jiān)督學習模型的判斷結果的準確率滿足所述預設條件，則將所述調整后的初始無監(jiān)督學習模型作為構建完成的無監(jiān)督學習模型；

獲取由所述構建完成的無監(jiān)督學習模型對待標記的歷史登錄數(shù)據(jù)的判斷結果，將所述判斷結果作為所述待標記的歷史登錄數(shù)據(jù)的標記，得到已標記的歷史登錄數(shù)據(jù)；其中，所述判斷結果表征所述待標記的歷史登錄數(shù)據(jù)屬于正常的歷史登錄數(shù)據(jù)還是異常的歷史登錄數(shù)據(jù)；

根據(jù)所述已標記的歷史登錄數(shù)據(jù)，建立所述監(jiān)督學習模型。

5.根據(jù)權利要求4所述的監(jiān)督學習模型的建立方法，其特征在于，所述無監(jiān)督學習模型為基于二分類機器學習算法的模型；所述監(jiān)督學習模型為基于隨機森林算法和/或孤立森林算法的模型。