[發(fā)明專利]基于集成分類器的用戶異常行為檢測方法及相關設備

有效

• 申請?zhí)枺?/td>: 202010600018.0
• 申請日: 2020-06-28
• 公開（公告）號: CN111756760B
• 公開（公告）日: 2022-11-18
• 發(fā)明（設計）人: 劉利;劉中原;龐俊濤
• 申請（專利權）人: 深圳壹賬通智能科技有限公司
• 主分類號: H04L9/40
• 分類號: H04L9/40;G06K9/62
• 代理公司: 深圳市賽恩倍吉知識產(chǎn)權代理有限公司 44334
• 代理人: 劉麗華;孫芬

本發(fā)明涉及人工智能技術領域，提供一種基于集成分類器的用戶異常行為檢測方法及相關設備，包括：獲取系統(tǒng)中多個分區(qū)的歷史數(shù)據(jù)流及每條歷史數(shù)據(jù)流的真實類別；監(jiān)測系統(tǒng)的內(nèi)存，并根據(jù)系統(tǒng)的內(nèi)存、多個分區(qū)的歷史數(shù)據(jù)流及每條歷史數(shù)據(jù)流的真實類別進行增量式訓練多個分類器得到集成分類器；獲取監(jiān)控時段內(nèi)用戶的多條流式數(shù)據(jù)并輸入至集成分類器中進行類別預測，得到多個預測類別；計算預測類別中正常類別和異常類別的數(shù)量，并基于此輸出用戶的行為是否異常的結果。本發(fā)明能夠充分的利用內(nèi)存，獲得分類性能最佳的分類器，從而提高了對用戶異常行為的檢測準確率。此外，本發(fā)明還涉及區(qū)塊鏈技術領域，所述集成分類器和結果可存儲于區(qū)塊鏈中。

技術領域

本發(fā)明涉及人工智能技術領域，具體涉及一種基于集成分類器的用戶異常行為檢測方法、裝置、計算機設備及存儲介質(zhì)。

背景技術

隨著計算機及網(wǎng)絡的普及和發(fā)展，不管是局域網(wǎng)還是廣域網(wǎng)，網(wǎng)絡用戶的規(guī)模都在逐漸擴大，用戶行為也越來越復雜，在此背景下，對用戶行為的快速檢測和有效控制顯得尤為重要。

現(xiàn)有技術中，通過訓練異常檢測模型來識別用戶行為，從而判斷用戶行為是否合法。但是由于異常檢測模型通常會受到訓練樣本的數(shù)量的限制，因為異常檢測模型假設所有的訓練樣本都可同時存儲在內(nèi)存里，導致異常檢測模型的檢測效果并不理想。

發(fā)明內(nèi)容

鑒于以上內(nèi)容，有必要提出一種基于集成分類器的用戶異常行為檢測方法、裝置、計算機設備及存儲介質(zhì)，能夠充分的利用內(nèi)存，獲得分類性能最佳的分類器，從而提高了對用戶異常行為的檢測準確率。

本發(fā)明的第一方面提供一種基于集成分類器的用戶異常行為檢測方法，所述基于集成分類器的用戶異常行為檢測方法包括：

獲取Kafka系統(tǒng)中多個分區(qū)的歷史數(shù)據(jù)流及每條歷史數(shù)據(jù)流的真實類別；

監(jiān)測所述Kafka系統(tǒng)的內(nèi)存，并根據(jù)所述Kafka系統(tǒng)的內(nèi)存、所述多個分區(qū)的歷史數(shù)據(jù)流及所述每條歷史數(shù)據(jù)流的真實類別進行增量式訓練多個分類器得到集成分類器；

獲取監(jiān)控時段內(nèi)用戶的多條流式數(shù)據(jù)，并將每條流式數(shù)據(jù)輸入至所述集成分類器中進行類別預測，得到每條流式數(shù)據(jù)的多個預測類別；

計算所述預測類別中正常類別的數(shù)量及計算所述預測類別中異常類別的數(shù)量；

根據(jù)所述正常類別的數(shù)量及所述異常類別的數(shù)量輸出所述用戶的行為是否異常的結果。

根據(jù)本發(fā)明的一個可選的實施例，所述根據(jù)所述Kafka系統(tǒng)的內(nèi)存、所述多個分區(qū)的歷史數(shù)據(jù)流及所述每條歷史數(shù)據(jù)流的真實類別進行增量式訓練多個分類器得到集成分類器包括：

從每個分區(qū)的歷史數(shù)據(jù)流中抽取預設第一數(shù)量的歷史數(shù)據(jù)流，并針對每個分區(qū)中抽取的預設第一數(shù)量的歷史數(shù)據(jù)流訓練一個分類器；

獲取訓練多個分類器占用的內(nèi)存，并判斷所述多個分類器占用的內(nèi)存是否超過所述Kafka系統(tǒng)的內(nèi)存；

當所述多個分類器占用的內(nèi)存不超過所述Kafka系統(tǒng)的內(nèi)存時，對每個分類器進行增量訓練；

當所述多個分類器占用的內(nèi)存超過所述Kafka系統(tǒng)的內(nèi)存時，結束所有分類器的訓練過程，得到由多個分類器構成的集成分類器，所述集成分類器存儲于區(qū)塊鏈節(jié)點中。

根據(jù)本發(fā)明的一個可選的實施例，所述針對每個分區(qū)中抽取的預設第一數(shù)量的歷史數(shù)據(jù)流訓練一個分類器包括：

對所述預設第一數(shù)量的歷史數(shù)據(jù)流進行操作行為分類；

基于每一個數(shù)據(jù)流及對應的真實類別和操作行為類別構建訓練數(shù)據(jù)三元組；

輸入所述訓練數(shù)據(jù)三元組至SVM中訓練所述分類器。

根據(jù)本發(fā)明的一個可選的實施例，所述對每個分類器進行增量訓練包括：