[发明专利]数据分析方法、装置、设备、介质和产品

说明书

本发明公开了一种数据分析方法、装置、设备、介质和产品，涉及大数据数据分析技术领域。该方法包括：确定在当前时间窗口中接收到的每个触发操作对应的应用场景；将每个触发操作对应的待评估数据输入至预先创建的与第二应用场景对应的数据分析模型，得到对应的中间态结果；将每个中间态结果输入至预先创建的风险评分模型中，得到对应的风险视图。本发明实施例，通过将每个触发操作对应的待评估数据输入至预先创建的与第二应用场景对应的数据分析模型，得到对应的中间态结果，并将每个中间态结果输入至预先创建的风险评分模型中，得到对应的风险视图，解决了用户行为风险评估中使用单一数据分析模型、使用场景单一以及准确率低下的问题，提升了异常行为的识别准确率。

技术领域

本发明实施例涉及大数据领域，尤其涉及一种数据分析方法、装置、设备、介质和产品。

背景技术

用户行为风险检测是互联网系统风险控制的重要一环。随着互联网系统用户数量的增长，系统每日为数百万在线用户提供服务，收集的数据规模和复杂性不断增加，使得对用户行为风险评估变得越来越困难，隐藏在大量正常网络流量的恶意行为越难越被发现，如非本人登录操作、高危命令执行、虚假账号、僵尸账号等。现有技术中，通常使用关键字搜索或规则匹配手动检查系统应用日志，再通过人工溯源的方式对其他数据源进行关联分析，这种方法需要人工匹配关键字查询，人工工作量大，且基于人工对操作日志进行筛选排查，有成本高、效率低、准确率低等缺点，而且在用户异常行为分析中，往往单一的检测方法不适用于复杂的场景，在数据更新后也会出现准确率下降现象、缺乏模型迭代，从而造成识别效果下降的现象。机器学习技术被认为是海量恶意行为自动化分析的重要方法，但是现有机器学习模型在部分场景下，存在误报率过高的情况。

发明内容

有鉴于此，本发明提供一种数据分析方法、装置、设备、介质和产品，提高了异常行为的识别准确率。

第一方面，本发明实施例提供了数据分析方法，该方法包括：

确定在当前时间窗口中接收到的每个触发操作对应的应用场景；

将每个所述触发操作对应的待评估数据输入至预先创建的与所述第二应用场景对应的数据分析模型，得到对应的中间态结果；

将每个所述中间态结果输入至预先创建的风险评分模型中，得到对应的风险视图。

第二方面，本发明实施例还提供了数据分析装置，该装置包括：

第一确定模块，用于确定在当前时间窗口中接收到的每个触发操作对应的应用场景；

输出模块，用于将每个所述触发操作对应的待评估数据输入至预先创建的与所述第二应用场景对应的数据分析模型，得到对应的中间态结果；

第二确定模块，用于将每个所述中间态结果输入至预先创建的风险评分模型中，得到对应的风险视图。

第三方面，本发明实施例还提供了一种数据分析设备，该设备包括：存储器，以及一个或多个处理器；

存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上述任一实施例所述的数据分析方法。

第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述任一实施例所述的数据分析方法。

第五方面，本发明实施例还提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现如上述任一实施例所述的数据分析方法。