[发明专利]行为验证数据处理方法、装置、设备及存储介质

说明书

本发明公开了一种行为验证数据处理方法、装置、设备及存储介质，通过获取目标对象在预设时间内的行为验证数据，根据所述行为验证数据生成轨迹数据；将所述轨迹数据输入至预设行为智能分析模型中，获得轨迹异常数据、环境异常数据和行为异常数据；将所述轨迹异常数据、所述环境异常数据和所述行为异常数据反馈至对所述预设行为智能分析模型，以使所述预设行为智能分析模型进行学习更新，能够使行为验证的处理更加快速高效，防护能力得到极大加强，能够持续性的应对网络黑产不断升级进化的进攻手段，为用户提供了安全可靠的验证防护，保障了用户的账号隐私安全。

技术领域

本发明涉及互联网安全领域，尤其涉及一种行为验证数据处理方法、装置、设备及存储介质。

背景技术

随着互联网应用的高速发展，以及验证码验证用户身份的方式越来越普及，传统的验证码为字符类型是通过对图片中的支付进行变形、扭曲等增加干扰的方式对抗机器识别，随着技术不断发展，使用OCR、机器学习等手段对传统验证码的识别成功率高达99％，为了对抗自动图像识别，传统验证码不得不变得越来越复杂，这导致正常用户的使用体验大幅下降，此时面对不断进化的黑客攻击手段现有的验证手段会出现无法完全应对，防护能力不足的缺陷。

发明内容

本发明的主要目的在于提供一种行为验证数据处理方法、装置、设备及存储介质，旨在解决现有技术中传统行为验证手段面对不断进化的黑客攻击手段，出现防护能力不足，用户体验差的技术问题。

为实现上述目的，本发明提供一种行为验证数据处理方法，所述行为验证数据处理方法包括以下步骤：

获取样本数据，将所述样本数据进行分析归类，并根据归类结果构建预设行为智能分析模型；

获取目标对象在预设时间内的行为验证数据，根据所述行为验证数据生成轨迹数据；

将所述轨迹数据输入至预设行为智能分析模型中，获得轨迹异常数据、环境异常数据和行为异常数据；

获取线上异常数据和所述目标对象的周期关联数据，将所述线上异常数据和周期关联数据作为外部异常数据；

将所述外部异常数据、所述轨迹异常数据、所述环境异常数据和所述行为异常数据进行组合后反馈至对所述预设行为智能分析模型，以使所述预设行为智能分析模型进行学习更新。

优选地，所述获取样本数据，将所述样本数据进行分析归类，并根据归类结果构建预设行为智能分析模型，包括：

获取样本数据，从所述样本数据中获取特征向量，从各特征向量中初始化各中心点；

计算各特征向量到各中心点的距离，利用预设K均值聚类算法根据所述距离对所述样本数据进行归类，生成归类结果，并根据所述归类结果构建预设行为智能分析模型。

优选地，所述获取目标对象在预设时间内的行为验证数据，根据所述行为验证数据生成轨迹数据，包括：

获取目标对象在预设时间内的行为数据、设备特征和网络标识，将所述行为数据、所述设备特征和所述网络标识作为行为验证数据；

根据预设时间的时间轴生成与所述行为验证数据对应的轨迹数据。

优选地，所述将所述轨迹数据输入至预设行为智能分析模型中，获得轨迹异常数据、环境异常数据和行为异常数据，包括：

将所述轨迹数据输入至预设行为智能分析模型中，以使所述预设行为智能分析模型对所述轨迹数据进行轨迹检测、环境特征检测和动态资源检测，获得轨迹异常数据、环境异常数据和行为异常数据。

优选地，所述将所述轨迹数据输入至预设行为智能分析模型中，以使所述预设行为智能分析模型对所述轨迹数据进行轨迹检测、环境特征检测和动态资源检测，获得轨迹异常数据、环境异常数据和行为异常数据，包括：