[發明專利]異常行為識別方法、裝置、服務器及存儲介質

有效

• 申請號: 201811233212.9
• 申請日: 2018-10-22
• 公開（公告）號: CN109194689B
• 公開（公告）日: 2021-04-23
• 發明（設計）人: 黃勝藍;陳晨
• 申請（專利權）人: 武漢極意網絡科技有限公司
• 主分類號: H04L29/06
• 分類號: H04L29/06;H04L12/24
• 代理公司: 深圳市世紀恒程知識產權代理事務所 44287
• 代理人: 胡海國

本發明公開了一種異常行為識別方法、裝置、服務器及存儲介質。本發明獲取用戶設備發送的待驗證交互請求，再根據所述待驗證交互請求確定對應的待驗證交互行為，接著獲取所述待驗證交互行為的多個待驗證特征信息，然后通過目標深度學習模型確定所述待驗證特征信息之間的關聯度，最后根據所述關聯度對所述待驗證交互行為進行異常識別，能夠有效地識別隱藏的異常行為，提高了攻擊者在進行偽造時的成本，降低了攻擊者的偽造率。

技術領域

本發明涉及信息處理技術領域，尤其涉及一種異常行為識別方法、裝置、服務器及存儲介質。

背景技術

隨著信息時代的發展，人們越來越離不開網絡，日常生活中會涉及很多通過網絡進行的活動，例如：網購火車票、網購優惠商品等，這些活動通常是由用戶在用戶終端上進行，但由于人工智能對于信息的處理能力遠超人類，因此，很多資源容易被利用人工智能來模擬用戶行為的攻擊者壟斷，使得真正的用戶無法享受到這些資源。

為保證真正的用戶能夠享受到這些資源，現有技術中通常采用人機識別驗證的方式來對人工智能模擬的用戶行為進行識別，但攻擊者同樣會將自己的異常行為隱藏在正常交互流程中，如何更加準確地識別這些隱藏的異常行為，從而提高攻擊者在進行偽造時的成本，降低攻擊者的偽造率成為了重中之重。

上述內容僅用于輔助理解本發明的技術方案，并不代表承認上述內容是現有技術。

發明內容

本發明的主要目的在于提供一種異常行為識別方法、裝置、服務器及存儲介質，旨在解決現有技術中如何提高識別隱藏的異常行為準確率的技術問題。

為實現上述目的，本發明提供一種異常行為識別方法，所述異常行為識別方法包括以下步驟：

獲取用戶設備發送的待驗證交互請求；

根據所述待驗證交互請求確定對應的待驗證交互行為；

獲取所述待驗證交互行為的多個待驗證特征信息；

通過目標深度學習模型確定所述待驗證特征信息之間的關聯度；

根據所述關聯度對所述待驗證交互行為進行異常識別。

優選地，所述通過目標深度學習模型確定所述待驗證特征信息之間的關聯度之前，所述異常行為識別方法還包括：

從所述待驗證交互請求中提取用戶標識，查找與所述用戶標識對應的目標深度學習模型。

優選地，所述從所述待驗證交互請求中提取用戶標識，查找與所述用戶標識對應的目標深度學習模型，具體包括：

從所述待驗證交互請求中提取當前用戶標識，在預設模型庫中查找與所述當前用戶標識對應的目標深度學習模型。

優選地，所述獲取用戶設備發送的待驗證交互請求之前，所述異常行為識別方法還包括：

獲取不同用戶標識分別對應的樣本交互行為；

獲取各樣本交互行為分別對應的樣本特征信息，獲取各樣本特征信息之間的關聯度；

根據各用戶標識的樣本特征信息對初始深度學習模型進行訓練，獲得各用戶標識對應的深度學習模型；

將各用戶標識以及對應的深度學習模型存儲至預設模型庫中。

優選地，所述獲取不同用戶標識分別對應的樣本交互行為，具體包括：

從歷史交互日志中獲取不同用戶標識分別對應的樣本交互行為。

優選地，所述根據所述關聯度對所述待驗證交互行為進行異常識別，具體包括：

將所述關聯度與預設關聯閾值進行比較；

根據比較結果對所述待驗證交互行為進行異常識別。