[发明专利]基于无监督算法的用户异常检测方法及装置

说明书

本申请公开了基于无监督算法的用户异常检测方法及装置，涉及网络安全检测技术领域，可以提升用户异常检测的准确率。其中方法包括：获取web系统的用户行为日志数据；根据所述用户行为日志数据对应的多个业务场景类别，分别计算出目标用户在多个不同时间周期内的贝叶斯平均值，所述贝叶斯平均值是根据目标用户的单维行为特征数据确定的；根据目标用户在多个业务场景类别，以及多个不同时间周期内的贝叶斯平均值，利用不同的无监督模型分别得到目标用户在每个业务场景类别中的初始评估结果；根据所述初始评估结果中的评估标签类型，通过对所述初始评估结果中的评估分值进行调整，得到目标用户的异常检测结果。

技术领域

本发明涉及网络安全检测技术领域，具体涉及基于无监督算法的用户异常检测方法及装置。

背景技术

随着互联网在各行各业的广泛应用，企业面向的互联网用户数量在不断增长，用户类型也日益多样，尤其是电商、金融等拥有海量用户的大规模应用互联网的企业，日活跃用户数量可达上千万，其中，以灰产、黑产为代表的恶意访问的占比居高不下。但目前以发现潜在问题或检测出恶意用户、恶意行为的用户行为异常检测方法比较片面，无法基于部分数据信息获取更加综合的用户行为评价。

在数据挖掘中，针对用户行为日志数据的异常检测是对不符合预期模式或分布样本的识别，即“异常点”的识别。在现有异常检测的解决方案中，根据检测数据类型的不同，应用到的异常检测算法也不同，多维特征数据的异常检测通常根据是否有数据标签选择有监督或无监督算法；单维特征数据的异常检测，一般通过规则阈值、分位数、3σ法则原理统计算法实现，但均存在检测周期内不同时刻波动区间差别较大，误报率较高、准确率较低等技术问题。

发明内容

有鉴于此，本申请提供了一种基于无监督算法的用户异常检测方法及装置，主要目的在于解决实际业务场景中，现有用户行为特征数据异常检测存在的误报率高、准确率低的技术问题。

根据本申请提供了一种基于无监督算法的用户异常检测方法，该方法包括：

获取web系统的用户行为日志数据；

根据所述用户行为日志数据对应的多个业务场景类别，分别计算出目标用户在多个不同时间周期内的贝叶斯平均值，所述贝叶斯平均值是根据目标用户的单维行为特征数据确定的；

根据目标用户在多个业务场景类别，以及多个不同时间周期内的贝叶斯平均值，利用不同的无监督模型分别得到目标用户在每个业务场景类别中的初始评估结果；

根据所述初始评估结果中的评估标签类型，通过对所述初始评估结果中的评估分值进行调整，得到目标用户的异常检测结果。

根据本申请的另一方面，提供了一种基于无监督算法的用户异常检测装置，该装置包括：

数据采集模块，用于获取web系统的用户行为日志数据；

特征处理模块，用于根据所述用户行为日志数据对应的多个业务场景类别，分别计算出目标用户在多个不同时间周期内的贝叶斯平均值，所述贝叶斯平均值是根据目标用户的单维行为特征数据确定的；

初始评估模块，用于根据目标用户在多个业务场景类别，以及多个不同时间周期内的贝叶斯平均值，利用不同的无监督模型分别得到目标用户在每个业务场景类别中的初始评估结果；

异常评估模块，用于根据所述初始评估结果中的评估标签类型，通过对所述初始评估结果中的评估分值进行调整，得到目标用户的异常检测结果。

根据本申请的又一方面，提供了一种存储介质，其上存储有计算机程序，所述程序被处理器执行时实现上述基于无监督算法的用户异常检测方法。

根据本申请的再一方面，提供了一种计算机设备，包括存储介质、处理器及存储在存储介质上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述基于无监督算法的用户异常检测方法。