[發明專利]一種用戶異常行為檢測方法、裝置、設備及存儲介質在審
| 申請號： | 201810856475.9 | 申請日： | 2018-07-31 |
| 公開（公告）號： | CN109241994A | 公開（公告）日： | 2019-01-18 |
| 發明（設計）人： | 羅劍江;黃麗詩;胡澤柱 | 申請（專利權）人： | 順豐科技有限公司 |
| 主分類號： | G06K9/62 | 分類號： | G06K9/62 |
| 代理公司： | 北京志霖恒遠知識產權代理事務所(普通合伙) 11435 | 代理人： | 趙奕 |
| 地址： | 518061 廣東省深圳市南山區學府路（以南）*** | 國省代碼： | 廣東;44 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 卷積神經網絡 用戶異常行為 操作行為 聚合 檢測 測試矩陣 存儲介質 行為特征 用戶類型 用戶群體 采集 矩陣 矩陣輸入 模型訓練 特征矩陣 特征提取 行為檢測 異常操作 正常行為 預設置 準確率 學習 | ||
1.一種用戶異常行為檢測方法，其特征在于，包括：
采集用戶當前操作行為進行聚合形成用戶當前行為的測試矩陣；
將所述測試矩陣輸入訓練后的卷積神經網絡模型中判斷用戶類型，若用戶類型與預設置的用戶群體類型不符，則判斷用戶當前操作行為存在異常；
其中，訓練后的卷積神經網絡模型為將采集用戶的歷史正常操作行為聚合形成的行為特征矩陣輸入卷積神經網絡模型訓練所得。
2.根據權利要求1所述的用戶異常行為檢測方法，其特征在于，所述操作行為包括登錄行為、查詢行為、數據外發行為中的至少一項。
3.根據權利要求2所述的用戶異常行為檢測方法，其特征在于，所述數據外發行為包括郵件外發行為和/或移動存儲設備數據拷出行為。
4.根據權利要求1所述的用戶異常行為檢測方法，其特征在于，用戶行為的測試矩陣或行為特征矩陣的獲取，包括：
分別統計預設周期內用戶當前操作行為或歷史正常操作行為出現的次數；
根據所述操作行為的次數得到各操作行為各自在所述預設周期內的出現概率；
根據操作行為的次數及各操作行為各自在所述預設周期內的出現概率確定各操作行為的維數，并形成用戶當前測試矩陣或行為特征矩陣。
5.根據權利要求1所述的用戶異常行為檢測方法，其特征在于，
所述卷積神經網絡模型包括輸入層-卷積層-池化層-卷積層-池化層-卷積層-池化層-全連接層-softmax層。
6.根據權利要求5所述的用戶異常行為檢測方法，其特征在于，
所述卷積神經網絡模型的輸入矩陣的行數與操作行為的項數相同，所述卷積神經網絡模型的輸入矩陣的列數與預設周期的個數相同，所述卷積神經網絡的輸出節點與預設置的用戶群體類型個數相同。
7.根據權利要求1所述的用戶異常行為檢測方法，其特征在于，所述用戶異常行為檢測方法還包括：
根據用戶所在群體的特性將用戶聚類成M個用戶群體類型。
8.一種用戶異常行為檢測裝置，其特征在于，包括：
采集單元，配置用于采集用戶當前操作行為進行聚合形成用戶當前的測試矩陣；
檢測單元，配置用于將所述測試矩陣輸入訓練后的卷積神經網絡模型中判斷用戶類型，若用戶類型與預設置的用戶群體類型不符，則判斷用戶當前操作行為存在異常；
其中，訓練后的卷積神經網絡模型為將采集用戶的歷史正常操作行為聚合形成的行為特征矩陣輸入卷積神經網絡模型訓練所得。
9.根據權利要求8所述的用戶異常行為檢測裝置，其特征在于，所述操作行為包括登錄行為、查詢行為、數據外發行為中的至少一項。
10.根據權利要求9所述的用戶異常行為檢測裝置，其特征在于，所述數據外發行為包括郵件外發行為和/或移動存儲設備數據拷出行為。
11.根據權利要求8所述的用戶異常行為檢測裝置，其特征在于，采集單元還配置用于：
分別統計預設周期內用戶當前操作行為或歷史正常操作行為出現的次數；
根據所述操作行為的次數得到各操作行為各自在所述預設周期內的出現概率；
根據操作行為的次數及各操作行為各自在所述預設周期內的出現概率確定各操作行為的維數，并形成用戶當前測試矩陣或行為特征矩陣。
12.根據權利要求8所述的用戶異常行為檢測裝置，其特征在于，
所述卷積神經網絡模型包括輸入層-卷積層-池化層-卷積層-池化層-卷積層-池化層-全連接層-softmax層。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于順豐科技有限公司，未經順豐科技有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201810856475.9/1.html，轉載請聲明來源鉆瓜專利網。
