[發明專利]異常程序行為檢測方法、裝置、電子設備和存儲介質

有效

• 申請號: 201911183934.2
• 申請日: 2019-09-16
• 公開（公告）號: CN111026653B
• 公開（公告）日: 2022-04-08
• 發明（設計）人: 周勇鈞;鄭越;魯四喜
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06F11/36
• 分類號: G06F11/36;G06K9/62;G06N20/00
• 代理公司: 深圳市隆天聯鼎知識產權代理有限公司 44232
• 代理人: 王鵬健

本申請提供了一種異常程序行為檢測方法、裝置、電子設備和存儲介質。該方法包括：響應用戶發起的程序檢測請求，從區塊鏈系統中獲取程序檢測請求對應的程序行為數據；從程序行為數據中獲取程序行為特征數據；對程序行為特征數據進行無監督聚類分析得到離群特征數據和除離群特征數據以外的程序行為特征數據；使用除離群特征數據以外的程序行為特征數據訓練機器學習模型；將離群特征數據輸入機器學習模型中，根據機器學習模型的輸出結果確定異常的程序行為數據。本申請通過對程序行為數據進行無監督聚類分析初步確定可能異常的離群特征數據，再對離群特征數據進一步判斷找到異常的程序行為數據，能夠更加方便快捷的確定異常的程序行為數據。

本申請是2019年09月16日提交的、申請號為201910872409.5、發明名稱為“異常程序行為檢測方法、裝置”的分案申請。

技術領域

本申請涉及計算機及通信技術領域，特別涉及一種異常程序行為檢測方法、裝置、電子設備和存儲介質。

背景技術

由于當今各行各業的信息化、智能化建設越來越普及，用戶對程序服務的性能要求不斷提高，程序服務的整體構架也日漸復雜。在日常測試階段，僅僅靠人工查看日志或監控數據，難以發現潛藏在程序行為中的問題，因此，方便快捷的檢測出異常程序行為具有十分重要的意義。

發明內容

本申請旨在提供一種異常程序行為檢測方法、裝置、電子設備和存儲介質，其能夠方便的檢測出異常程序行為。

根據本申請實施例的一個方面，提供了一種異常程序行為檢測方法，包括：響應用戶發起的程序檢測請求，從區塊鏈系統中獲取所述程序檢測請求對應的程序行為數據；從所述程序行為數據中獲取程序行為特征數據；對所述程序行為特征數據進行無監督聚類分析得到離群特征數據和除所述離群特征數據以外的程序行為特征數據；使用除所述離群特征數據以外的程序行為特征數據訓練機器學習模型；將所述離群特征數據輸入所述機器學習模型中，根據所述機器學習模型的輸出結果確定異常的程序行為數據。

根據本申請實施例的一個方面，提供了一種異常程序行為檢測裝置，包括：獲取模塊，用于響應用戶發起的程序檢測請求，從區塊鏈系統中獲取所述程序檢測請求對應的程序行為數據，從所述程序行為數據中獲取程序行為特征數據；聚類模塊，用于對所述程序行為特征數據進行無監督聚類分析得到離群特征數據和除所述離群特征數據以外的程序行為特征數據；識別模塊，用于使用除所述離群特征數據以外的程序行為特征數據訓練機器學習模型，將所述離群特征數據輸入所述機器學習模型中，根據所述機器學習模型的輸出結果確定異常的程序行為。

在本申請的一些實施例中，基于前述方案，所述獲取模塊配置為：在接收到所述程序檢測請求后，將所述程序檢測請求針對的目標應用程序所對應的程序行為數據存儲在至少兩個緩存區域中；從至少一個所述緩存區域中獲取所述程序行為數據。

在本申請的一些實施例中，基于前述方案，所述聚類模塊配置為：對所述程序行為特征數據進行預處理；對所述預處理后的程序行為特征數據進行無監督聚類分析得到除離群特征數據以外的程序行為特征數據。

在本申請的一些實施例中，基于前述方案，所述聚類模塊還配置為：將所述程序行為特征數據程序行為特征數據進行歸一化處理和降維處理。

在本申請的一些實施例中，基于前述方案，所述識別模塊配置為：根據所述機器學習模型的輸出結果，識別異常的程序行為特征數據；將所述異常的程序行為特征數據與預設特征進行匹配；根據所述異常的程序行為特征數據中與所述預設特征不匹配的程序行為特征數據，確定異常的程序行為數據。

在本申請的一些實施例中，基于前述方案，所述識別模塊還配置為：將所述異常的程序行為特征數據中與所述預設特征不匹配的程序行為特征數據發送給用戶進行人工檢測；接收未通過人工檢測的程序行為特征數據，基于所述未通過人工檢測的程序行為特征數據確定異常的程序行為數據。