[发明专利]账号异常检测方法、装置、终端及存储介质

说明书

本发明提供一种账号异常检测方法、装置、终端及存储介质，提取预设时间段内待检测账号的基础特征数据，基于待检测账号的基础特征数据，生成预设时间段内对应待检测账号的多维时序特征图谱，将多维时序特征图谱输入预设分析模型进行分析，得到异常账号，其中，预设分析模型由异常账号的监督样本训练多维卷积神经网络得到。解决了现有采用人工提取特征进行账号异常检测所产生的耗时且精确度低的问题，提高了检测异常账号的精确度和待检测账号基础特征数据的提取效率。

技术领域

本发明涉及数据处理技术领域，具体涉及一种账号异常检测方法、装置、终端及存储介质。

背景技术

随着网络时代的发展，用户在使用各类网络工具或者登陆网站时都有自己独有的账户名，也可以成为账号。账号具体的是在所使用的网络工具或者网站的识别码。

在对网络安全越来越关注的环境下，检测用户的账号是否存在异常也成为了一种常规操作。现有的账号异常检测方法主要有两种，一种是：通过手动对账号的基础数据进行特征提取，如提取登录IP或设备的聚集程度，或者登录的通道，再结合账号属性数据特征，采用监督分类模型进行分类，从而确定异常账号。另一种是：采用图挖掘方法，先通过账号之间的关系链接图，再采用社区划分算法，提取出团伙聚蔟，在每个聚簇内再手动进行特征的提取，通过组合特征阈值或者加上监督分类模型确定异常账号。

以上方式，都需要采用人工的方式从大量的信息中进行特征提取，不仅耗时，若操作人员不具备极强的业务知识，也会导致提取的特征数量和精度均不够，降低检测异常账号的精度。

发明内容

有鉴于此，本发明实施例提供一种账号异常检测方法、装置、终端及存储介质，以解决现有采用人工提取特征进行账号异常检测所产生的耗时且精确度低的问题。

为实现上述目的，一方面，本申请提供了一种账号异常检测方法包括：

提取预设时间段内待检测账号的基础特征数据，所述基础特征数据中至少包括动态行为特征数据；

基于所述待检测账号的基础特征数据，生成所述预设时间段内对应所述待检测账号的多维时序特征图谱；

将所述多维时序特征图谱输入预设分析模型进行分析，得到异常账号，所述预设分析模型由异常账号的监督样本训练多维卷积神经网络得到。

在一种可能的实现方式中，若所述基础特征数据中包括动态行为特征数据和静态特征数据，所述基于所述待检测账号的基础特征数据，生成所述预设时间段内对应所述待检测账号的多维时序特征图谱，包括：

获得所述待检测账号的所述动态行为特征数据中每个第一特征数据和所述静态特征数据中每个第二特征数据，所述每个第一特征数据对应不同行为类别，所述每个第二特征数据对应不同的账号静态信息；

建立所述待检测账号在所述预设时间段内所述每个第一特征数据对应的第一单维时序特征矩阵，及所述待检测账号在所述预设时间段内所述每个第二特征数据对应的第二单维时序特征矩阵；

根据所述第一单维时序特征矩阵和所述第二单维时序特征矩阵，生成多维时序特征图谱。

在一种可能的实现方式中，所述建立所述待检测账号在所述预设时间段内所述每个第一特征数据对应的第一单维时序特征矩阵，包括：

根据获得的所述每个第一特征数据的数据量，确定第一坐标范围；

在所述第一坐标范围内建立所述预设时间段内对应所述每个第一特征数据的第一单维时序特征矩阵。

在一种可能的实现方式中，所述建立所述预设时间段内所述每个第二特征数据对应的第二单维时序特征矩阵，包括：

根据获得的所述每个第二特征数据的数据量，确定第二坐标范围；