[发明专利]一种基于图算法的节点异常检测方法、装置及存储装置

权利要求书

1.一种基于图算法的节点异常检测方法，其中，所述方法包括：

获取预定时间段内网络集群节点的属性特征，以所述属性特征的相似度量建立边的连接，组成无向图；

利用特征关系算子对所述属性特征进行计算，得到属性边的特征向量；

计算所述节点的统计度量，得到所述节点的特征向量；所述节点的统计度量包括属性边的特征向量；

利用深度图结点嵌入训练算法，对所述节点的特征向量进行训练，得到所述节点的特征表示；

利用预定自编码模型计算重构误差，得到所述节点特征向量的异常偏移值，根据所述异常偏移值判断所述节点是否存在异常。

2.根据权利要求1所述的基于图算法的节点异常检测方法，其中，所述无向图为多层级图结构，将不同层级的特征向量作为不同特征粒度，所述得到节点特征向量的异常偏移值之后还包括：

将各个层级的编码进行连接训练，得到整体编码模型，利用所述整体编码模型计算重构误差，得到所述节点的整体偏移量。

3.根据权利要求2所述的基于图算法的节点异常检测方法，其中，所述得到节点的整体偏移量之后还包括：

将所述整体偏移量与预设阈值进行比较，若所述整体偏移量大于所述预设阈值，则判定所述节点存在异常。

4.根据权利要求1所述的基于图算法的节点异常检测方法，其中，所述属性边为多属性边，所述利用特征关系算子对所述属性特征进行计算，得到所述属性边的特征向量包括：

将所述属性边的不同属性特征分别在各自的特征关系算子下进行计算，并将计算结果及所述属性特征组成所述属性边的特征向量。

5.根据权利要求1所述的基于图算法的节点异常检测方法，其中，所述特征关系算子包括：将所述属性特征按时间区段求和、所述属性特征相等、或将所述属性特征求对数。

6.根据权利要求1所述的基于图算法的节点异常检测方法，其中，所述网络集群包括多个服务器，并以各服务器作为节点，所述获取预定时间段内网络集群节点的属性特征包括：

获取所述服务器的物理硬件指纹数据、网络环境数据、节点日志运行状态数据或节点间的交互动作数据。

7.根据权利要求1所述的基于图算法的节点异常检测方法，其中，所述计算节点的统计度量，得到所述节点的特征向量包括：

利用图相关度量算法计算所述节点的统计度量，得到所述节点的特征向量。

8.根据权利要求7所述的基于图算法的节点异常检测方法，其中，所述图相关度量算法包括：属性边的加权度量、子图结构度量或整体图结构度量。

9.根据权利要求1所述的基于图算法的节点异常检测方法，其中，所述利用预定自编码模型计算重构误差包括：

利用深度自编码模型计算重构误差，得到所述节点特征向量的异常偏移值。

10.一种基于图算法的节点异常检测装置，其中，所述装置包括处理器，所述处理器用于获取预定时间段内网络集群节点的属性特征，以所述属性特征的相似度量建立边的连接，组成无向图；

所述处理器还用于利用特征关系算子对所述属性特征进行计算，得到属性边的特征向量；

所述处理器还用于计算所述节点的统计度量，得到所述节点的特征向量，所述节点的统计度量包括属性边的特征向量的度量；

所述处理器还用于将所述节点的特征向量分别作为不同特征通道，利用深度图结点嵌入训练算法，对所述节点的特征向量进行训练，得到所述节点的特征表示；

所述处理器还用于利用预定自编码模型计算重构误差，得到所述节点特征向量的异常偏移值，根据所述异常偏移值判断所述节点是否存在异常。