[發(fā)明專利]一種基于向量化特征的用戶網(wǎng)絡(luò)行為預測方法

有效

• 申請?zhí)枺?/td>: 201910876860.4
• 申請日: 2019-09-17
• 公開（公告）號: CN110609901B
• 公開（公告）日: 2022-04-15
• 發(fā)明（設(shè)計）人: 喬學明;鄒睿;喬琳霏;王貽亮;張祥坤;許明;劉霄慧;孔亮;鄭鵬飛;夏迎雪;王彬;王俊凱;李愛國;劉燕燕;宮寶凝;朱東杰
• 申請（專利權(quán)）人: 國家電網(wǎng)有限公司;國網(wǎng)山東省電力公司威海供電公司
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F16/953;G06K9/62
• 代理公司: 哈爾濱市松花江專利商標事務(wù)所 23109
• 代理人: 時起磊

一種基于向量化特征的用戶網(wǎng)絡(luò)行為預測方法，它屬于數(shù)據(jù)挖掘和行為預測技術(shù)領(lǐng)域。本發(fā)明解決了現(xiàn)有方法對用戶網(wǎng)絡(luò)行為預測的準確率低的問題。本發(fā)明根據(jù)用戶網(wǎng)絡(luò)行為的關(guān)聯(lián)性特點，使用用戶相關(guān)的用戶訪問日志，對用戶的網(wǎng)絡(luò)行為進行行為事務(wù)劃分；再根據(jù)劃分好的網(wǎng)絡(luò)行為事務(wù)，對用戶網(wǎng)絡(luò)行為進行特征提取；最后根據(jù)提取出的用戶網(wǎng)絡(luò)行為的特征向量，對用戶網(wǎng)絡(luò)行為進行關(guān)聯(lián)性分析，將關(guān)聯(lián)性強的用戶網(wǎng)絡(luò)行為合并為一類，并根據(jù)分類結(jié)果對用戶的網(wǎng)絡(luò)行為進行預測。本發(fā)明方法將關(guān)聯(lián)性強的用戶網(wǎng)絡(luò)行為進行了合并，提升了對用戶網(wǎng)絡(luò)行為預測的準確性。本發(fā)明可以應用于對用戶網(wǎng)絡(luò)行為的預測。

技術(shù)領(lǐng)域

本發(fā)明屬于數(shù)據(jù)挖掘和行為預測技術(shù)領(lǐng)域，具體涉及一種用戶網(wǎng)絡(luò)行為預測方法。

背景技術(shù)

傳統(tǒng)上，基于日志的安全審計的數(shù)據(jù)來源單一，且僅停留在安全審計數(shù)據(jù)的輸入、查詢、統(tǒng)計等功能上，無法發(fā)現(xiàn)數(shù)據(jù)中存在的關(guān)聯(lián)、關(guān)系和規(guī)則，無法根據(jù)現(xiàn)有的數(shù)據(jù)預測未來的發(fā)展趨勢，缺乏挖掘數(shù)據(jù)背后隱藏的知識的手段，導致了“數(shù)據(jù)爆炸但知識貧乏”的現(xiàn)象。智能的安全審計就是要能夠?qū)θ罩炯皩徍藬?shù)據(jù)進行分析挖掘，運用機器學習的方法從包含大量冗余信息的數(shù)據(jù)中提取出盡可能多的隱藏的安全信息，將其中的規(guī)律轉(zhuǎn)化為系統(tǒng)或用戶行為的特征，通過對數(shù)據(jù)的統(tǒng)計、濃縮、總結(jié)、關(guān)聯(lián)、分類、聚類等技術(shù)手段，抽象出利于進行判斷和比較的特征模型，動態(tài)的評估系統(tǒng)安全狀況，并不定期產(chǎn)生相關(guān)的預警信息。

用戶網(wǎng)絡(luò)行為預測方法是智能安全審計的重要環(huán)節(jié)。用戶網(wǎng)絡(luò)行為預測挖掘用于發(fā)現(xiàn)大量數(shù)據(jù)中項集之間有趣的關(guān)聯(lián)或相關(guān)聯(lián)系。隨著大量數(shù)據(jù)不停地收集和存儲，許多業(yè)界人士對于從他們的數(shù)據(jù)庫中挖掘關(guān)聯(lián)規(guī)則越來越感興趣。從大量商務(wù)事務(wù)記錄中發(fā)現(xiàn)有趣的關(guān)聯(lián)關(guān)系，可以幫助許多商務(wù)決策的制定。雖然現(xiàn)有方法在用戶網(wǎng)絡(luò)行為預測方面已經(jīng)取得了一定的成就，但是現(xiàn)有方法對用戶網(wǎng)絡(luò)行為預測的準確率仍然較低，預測準確率有待進一步提高。

發(fā)明內(nèi)容

本發(fā)明的目的是為解決現(xiàn)有方法對用戶網(wǎng)絡(luò)行為預測的準確率低的問題，而提出了一種基于向量化特征的用戶網(wǎng)絡(luò)行為預測方法。

本發(fā)明為解決上述技術(shù)問題采取的技術(shù)方案是：一種基于向量化特征的用戶網(wǎng)絡(luò)行為預測方法，該方法包括以下步驟：

步驟一、在T時刻，收集T-T₀至T時段內(nèi)的用戶訪問日志，獲得用戶訪問日志序列；

步驟二、對步驟一的用戶訪問日志序列進行預處理，分別獲得用戶訪問日志序列中的各日志文件對應的用戶網(wǎng)絡(luò)行為，各用戶網(wǎng)絡(luò)行為組成用戶網(wǎng)絡(luò)行為序列；

步驟三、對步驟二的用戶網(wǎng)絡(luò)行為序列進行網(wǎng)絡(luò)行為事務(wù)劃分，獲得各個網(wǎng)絡(luò)行為事務(wù)；并對各個網(wǎng)絡(luò)行為事務(wù)進行編號；

步驟四、根據(jù)各個網(wǎng)絡(luò)行為事務(wù)的內(nèi)容以及各個網(wǎng)絡(luò)行為事務(wù)的編號，計算步驟二中的各個用戶網(wǎng)絡(luò)行為的特征向量；

步驟五、將步驟四獲得的各個用戶網(wǎng)絡(luò)行為的特征向量進行層次聚類，獲得對各個用戶網(wǎng)絡(luò)行為的分類結(jié)果，即T-T₀至T時段內(nèi)的用戶訪問日志對應的分類結(jié)果；

步驟六、在T至T+T₀時段內(nèi)，若分類結(jié)果中的任意一個用戶網(wǎng)絡(luò)行為t_j被執(zhí)行時，與t_j處于同一分類的其他用戶網(wǎng)絡(luò)行為將被作為用戶網(wǎng)絡(luò)行為預測結(jié)果；

步驟七、在T+T₀時刻，收集T至T+T₀時段內(nèi)的用戶訪問日志，獲得用戶訪問日志序列；再重復步驟二至步驟五的過程，獲得T至T+T₀時段內(nèi)的用戶訪問日志對應的分類結(jié)果；

利用T至T+T₀時段內(nèi)的用戶訪問日志對應的分類結(jié)果替換T-T₀至T時段內(nèi)的用戶訪問日志對應的分類結(jié)果，將替換后的分類結(jié)果用于T+T₀至T+2T₀時段內(nèi)的用戶網(wǎng)絡(luò)行為預測；