[發(fā)明專利]異常行為檢測方法、裝置、計算機設備及可讀存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202210921799.2
• 申請日: 2022-08-02
• 公開（公告）號: CN115189963A
• 公開（公告）日: 2022-10-14
• 發(fā)明（設計）人: 黃章镕;劉博
• 申請（專利權）人: 杭州安恒信息技術股份有限公司
• 主分類號: H04L9/40
• 分類號: H04L9/40;G06K9/62
• 代理公司: 杭州華進聯(lián)浙知識產(chǎn)權代理有限公司 33250
• 代理人: 黃文勇

1.一種異常行為檢測方法，其特征在于，所述方法包括：

獲取用戶行為數(shù)據(jù)；

基于至少兩種分析方式對所述用戶行為數(shù)據(jù)進行分析，得到行為偏差情況；

基于所述行為偏差情況確定所述用戶行為是否異常。

2.根據(jù)權利要求1所述的方法，其特征在于，所述基于至少兩種分析方式對所述用戶行為數(shù)據(jù)進行分析，得到行為偏差情況包括：

基于所述用戶行為數(shù)據(jù)確定用戶行為標簽；

基于所述用戶行為標簽與預設條件的比較結果得到所述行為偏差情況。

3.根據(jù)權利要求1所述的方法，其特征在于，所述基于至少兩種分析方式對所述用戶行為數(shù)據(jù)進行分析，得到行為偏差情況包括：

基于所述用戶行為數(shù)據(jù)獲取預設時間內(nèi)的用戶行為特征值，所述用戶行為特征值包括用戶重復執(zhí)行某一相同行為的次數(shù)；

基于所述用戶行為特征值與預設閾值的比較結果得到所述行為偏差情況。

4.根據(jù)權利要求1所述的方法，其特征在于，所述基于至少兩種分析方式對所述用戶行為數(shù)據(jù)進行分析，得到行為偏差情況包括：

將用戶歷史行為數(shù)據(jù)輸入至行為基線檢測模型中，得到用戶行為基線，所述行為基線檢測模型通過機器學習訓練得到；

基于所述用戶行為數(shù)據(jù)與所述用戶行為基線的比較結果得到所述行為偏差情況。

5.根據(jù)權利要求1所述的方法，其特征在于，所述基于所述行為偏差情況確定所述用戶行為是否異常包括：

基于每種所述行為偏差情況以及對應的權重進行加權計算，得到權重積分；

基于所述權重積分確定所述用戶行為是否異常。

6.根據(jù)權利要求1所述的方法，其特征在于，所述基于所述行為偏差情況確定所述用戶行為是否異常還包括：

基于所述行為偏差情況生成偏差序列數(shù)據(jù)；

基于所述偏差序列數(shù)據(jù)生成網(wǎng)絡安全矩陣模型標簽序列；

將所述標簽序列輸入至異常檢測模型，并輸出異常標簽序列，所述異常檢測模型通過機器學習訓練得到；

基于所述異常標簽序列確定所述用戶行為是否異常。

7.根據(jù)權利要求1所述的方法，其特征在于，所述基于所述行為偏差情況確定所述用戶行為是否異常還包括：

基于每種所述行為偏差情況以及對應的權重進行加權計算，得到權重積分；

基于所述行為偏差情況生成偏差序列數(shù)據(jù)；

基于所述偏差序列數(shù)據(jù)生成網(wǎng)絡安全矩陣模型標簽序列；

將所述標簽序列輸入至異常檢測模型，并輸出異常標簽序列，所述異常檢測模型通過機器學習訓練得到；

基于所述權重積分和所述異常標簽序列確定所述用戶行為是否異常。

8.一種異常行為檢測裝置，其特征在于，所述裝置包括：

數(shù)據(jù)獲取模塊，用于獲取用戶行為數(shù)據(jù)；

數(shù)據(jù)分析模塊，用于基于至少兩種分析方式對所述用戶行為數(shù)據(jù)進行分析，得到行為偏差情況；

異常確定模塊，用于基于所述行為偏差情況確定所述用戶行為是否異常。

9.一種計算機設備，包括存儲器和處理器，所述存儲器存儲有計算機程序，其特征在于，所述處理器執(zhí)行所述計算機程序時實現(xiàn)權利要求1至7中任一項所述的方法的步驟。

10.一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執(zhí)行時實現(xiàn)權利要求1至7中任一項所述的方法的步驟。