[發(fā)明專利]基于BiGAN與OTSU的內(nèi)部用戶行為檢測方法

有效

• 申請?zhí)枺?/td>: 202110521465.1
• 申請日: 2021-05-13
• 公開（公告）號: CN113407425B
• 公開（公告）日: 2022-09-23
• 發(fā)明（設(shè)計）人: 陶曉玲;盧深;符廉銪;趙峰;歐陽逸夫;劉潤蓉
• 申請（專利權(quán)）人: 桂林電子科技大學(xué)
• 主分類號: G06F11/34
• 分類號: G06F11/34;G06N3/08
• 代理公司: 桂林文必達(dá)專利代理事務(wù)所(特殊普通合伙) 45134
• 代理人: 張學(xué)平

1.一種基于BiGAN與OTSU的內(nèi)部用戶行為檢測方法，其特征在于，包括如下步驟：

獲取用戶行為原始日志數(shù)據(jù)，并將所述用戶行為原始日志數(shù)據(jù)按照不同用戶分別提取指定的時間單位長度的行為特征并統(tǒng)計其頻率特征，并對所提取的特征進(jìn)行數(shù)據(jù)處理；

經(jīng)數(shù)據(jù)預(yù)處理后的數(shù)據(jù)分為訓(xùn)練數(shù)據(jù)和待檢測數(shù)據(jù)，訓(xùn)練數(shù)據(jù)經(jīng)過BiGAN網(wǎng)絡(luò)進(jìn)行訓(xùn)練，訓(xùn)練結(jié)果得到正常行為模型；

基于訓(xùn)練后的所述正常行為模型，計算用戶待檢測數(shù)據(jù)的重構(gòu)誤差與判別器誤差得到異常得分，之后應(yīng)用OTSU算法自動選取閾值，獲得檢測結(jié)果，具體的，設(shè)待檢測的數(shù)據(jù)為x，其異常得分為A(x)，A(x)計算公式如下所示：

A(x)＝αL(D)+(1-α)L(G)

L(G)：代表重構(gòu)誤差，利用生成模型，來判斷x跟真實數(shù)據(jù)的差異，是數(shù)據(jù)空間層面的誤差計算，計算公式如下：

LG＝||x-G(E(x))||₁

E(x)表示數(shù)據(jù)x經(jīng)過編碼器E的輸出，G(E(x))表示生成器根據(jù)E(x)生成的數(shù)據(jù)，L(G)表示求這兩個數(shù)據(jù)之間的誤差；由于用戶正常行為數(shù)據(jù)與異常行為數(shù)據(jù)的差別較小，這里的誤差計算方式采用對數(shù)據(jù)變化較敏感的余弦相似度來計算誤差；

L(D)：從判別器的角度來確定x跟真實樣本的差異，選取的是判別器中間層的表示來計算誤差是隱空間層面的誤差計算，計算公式如下：

L(D)＝||f_D(x,E(x))-f_D(G(E(x)),E(x))||₁

f_D表示判別器的中間層輸出，L(D)表示求(x,E(x))和(G(E(x)),E(x)))之間的誤差，這里也是用余弦相似度作為誤差計算方法；

A(x)：異常得分，通過將L(G)、L(D)加權(quán)求和計算得到異常得分A(x)，α代表權(quán)值；

在通過BiGAN計算得出異常得分后，將使用OTSU算法對異常得分進(jìn)行閾值分割，基于OTSU的異常閾值劃分算法步驟如下：

輸入異常得分score{s₁,s₂,…,s_n}，并初始化閾值t為0；

從初始閾值開始循環(huán)遞加1計算出不同閾值下的類間最大方差g；

將類間最大方差g賦值給t，t就是算法最后返回的最佳閾值；

根據(jù)BiGAN計算出的異常得分與OTSU計算出的異常閾值，基于BiGAN與OTSU的內(nèi)部用戶行為檢測實現(xiàn)步驟如下：

輸入待檢測行為數(shù)據(jù)D(d₁,d₂,…,d_n)；

待檢測數(shù)據(jù)通過BiGAN計算得到異常得分score{s₁,s₂,…,s_n}；

將得到的異常得分通過OTSU計算得到異常閾值t；

判斷異常得分是否大于異常閾值，如果是則為異常行為，否則為正常行為。

2.如權(quán)利要求1所述的基于BiGAN與OTSU的內(nèi)部用戶行為檢測方法，其特征在于，提取指定的時間單位長度的行為特征并統(tǒng)計其頻率特征具體包括：

單位時間內(nèi)在工作時間內(nèi)或者單位時間內(nèi)在工作時間外登錄系統(tǒng)的次數(shù)、單位時間內(nèi)工作時間內(nèi)或者單位時間內(nèi)工作時間外連接可移動設(shè)備次數(shù)。

3.如權(quán)利要求1所述的基于BiGAN與OTSU的內(nèi)部用戶行為檢測方法，其特征在于，對所提取的特征進(jìn)行數(shù)據(jù)處理的步驟中：

對所提取的特征做歸一化處理。

4.如權(quán)利要求1所述的基于BiGAN與OTSU的內(nèi)部用戶行為檢測方法，其特征在于，

所述BiGAN網(wǎng)絡(luò)由編碼器、生成器、判別器組成。

5.如權(quán)利要求1所述的基于BiGAN與OTSU的內(nèi)部用戶行為檢測方法，其特征在于，應(yīng)用OTSU算法自動選取閾值的標(biāo)準(zhǔn)為：

根據(jù)圖像的灰度性質(zhì)，將圖像切分為目標(biāo)和背景；

在背景和目標(biāo)差別大時，其兩部分之間的類間方差就大；

當(dāng)錯分背景或者錯分目標(biāo)會導(dǎo)致差別變小。

6.如權(quán)利要求4所述的基于BiGAN與OTSU的內(nèi)部用戶行為檢測方法，其特征在于，經(jīng)數(shù)據(jù)預(yù)處理后的數(shù)據(jù)分為訓(xùn)練數(shù)據(jù)和待檢測數(shù)據(jù)，訓(xùn)練數(shù)據(jù)經(jīng)過BiGAN網(wǎng)絡(luò)進(jìn)行訓(xùn)練，訓(xùn)練結(jié)果得到正常行為模型的步驟中：

只選取用戶的正常行為數(shù)據(jù)作為BiGAN網(wǎng)絡(luò)的訓(xùn)練輸入，訓(xùn)練完成后的BiGAN網(wǎng)絡(luò)的所述生成器部分只能生成與正常行為數(shù)據(jù)相似的數(shù)據(jù)，而所述判別器部分判別輸入數(shù)據(jù)是否為正常行為數(shù)據(jù)。