[发明专利]一种异常行为检测方法及装置

说明书

本发明公开了一种异常行为检测方法及装置，涉及计算机技术领域，主要目的在于提高异常行为检测的准确度；主要技术方案包括：基于指定业务的第一数据源获取第一训练样本集，第一训练样本集中的各第一训练样本均具有其各自的标签，标签用于标识对应的第一训练样本是对应异常行为的正样本还是对应正常行为的负样本；基于第一训练样本集生成基模型；基于指定业务的第二数据源获取第二训练样本集，第二训练样本集中的各第二训练样本均具有其各自的标签，标签用于标识对应的第二训练样本是对应异常行为的正样本还是对应正常行为的负样本；利用第二训练样本集更新所述基模型；使用更新后的基模型对与第二数据源相应的待检测数据进行异常行为检测。

技术领域

本发明涉及计算机技术领域，特别是涉及一种异常行为检测方法及装置。

背景技术

随着互联网技术的发展，越来越多的业务依赖于互联网进行，但是相伴而生的一些诸如洗钱行为、恶意互联网机器行为等异常行为逐渐渗入到互联网中。为了打击诸如洗钱行为、恶意互联网机器行为等异常行为，需要在互联网中进行异常行为检测。

目前，互联网中的异常行为检测主要通过预设的机器学习模型完成，该机器学习模型的异常行为检测能力受限于其训练集，也就是说该机器学习模型仅在与其训练集相应的应用场景下才具有较优的异常行为检测能力。一旦机器学习模型应用场景发生变动或恶意人员设计出训练集之外的新的恶意行为，机器学习模型将很难准确的检测出异常行为。

发明内容

有鉴于此，本发明提出了一种异常行为检测方法及装置，主要目的在于提高异常行为检测的准确度。

第一方面，本发明提供了一种异常行为检测方法，该方法包括：

基于指定业务的第一数据源获取第一训练样本集，其中，所述第一训练样本集中的各第一训练样本均具有其各自的标签，所述标签用于标识对应的第一训练样本是对应异常行为的正样本还是对应正常行为的负样本；

基于所述第一训练样本集生成基模型；

基于所述指定业务的第二数据源获取第二训练样本集，其中，所述第二训练样本集中的各第二训练样本均具有其各自的标签，所述标签用于标识对应的第二训练样本是对应异常行为的正样本还是对应正常行为的负样本；

利用所述第二训练样本集更新所述基模型；

使用更新后的基模型对与所述第二数据源相应的待检测数据进行异常行为检测。

第二方面，本发明提供了一种异常行为检测装置，该装置包括：

第一获取单元，用于基于指定业务的第一数据源获取第一训练样本集，其中，所述第一训练样本集中的各第一训练样本均具有其各自的标签，所述标签用于标识对应的第一训练样本是对应异常行为的正样本还是对应正常行为的负样本；

生成单元，用于基于所述第一训练样本集生成基模型；

第二获取单元，用于基于所述指定业务的第二数据源获取第二训练样本集，其中，所述第二训练样本集中的各第二训练样本均具有其各自的标签，所述标签用于标识对应的第二训练样本是对应异常行为的正样本还是对应正常行为的负样本；

更新单元，用于利用所述第二训练样本集更新所述基模型；

检测单元，用于使用更新后的基模型对与所述第二数据源相应的待检测数据进行异常行为检测。

第三方面，本发明提供了一种计算机可读存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行第一方面所述的异常行为检测方法。

第四方面，本发明提供了一种存储管理设备，所述存储管理设备包括：存储器，用于存储程序；处理器，耦合至所述存储器，用于运行所述程序以执行第一方面所述的异常行为检测方法。