[发明专利]异常用户行为监测方法、装置、设备和介质

说明书

本公开提供了一种异常用户行为监测方法，涉及人工智能技术领域。该方法包括：基于用户的操作行为采集N个操作指标，其中，所述操作行为包括操作应用提供的S个功能的行为，根据所述N个操作指标中至少部分指标，确定所述用户的操作行为序列数据，其中，所述操作行为序列数据包括第一时间段内所述至少部分指标的采集时间顺序信息和耗时信息；对比所述用户的历史行为序列数据和所述操作行为序列数据，获得序列偏差特征；将所述序列偏差特征输入至预先训练的异常监测模型，获得所述异常检测模型输出的异常监测结果。本公开还提供了一种异常用户行为监测装置、设备、存储介质和程序产品。

技术领域

本公开涉及人工智能技术领域，更具体地涉及一种异常用户行为监测方法、装置、设备、介质和程序产品。

背景技术

随着大数据时代的来临，网络的迅猛发展、电子渠道的广泛普及、黑产和灰产的蓬勃发展，导致数据安全事件危害程度也是日益加剧，数据泄露危害跃居前三。现有生物识别支付手段、支付密码等安全手段和设置支付限额等措施仅能保障用户自身动账交易的安全性，但是无法防御用户被植入木马后引发关键密码泄露后的盗刷等各种手段。

用户有意或无意泄露关键密码、被骗或被强制进行交易导致的异常行为数据难以被监控，亟待提出一种能够监测出异常用户行为的方案，有效保护用户的财产和数据安全。

发明内容

鉴于上述问题，本公开提供了一种异常用户行为监测方法、装置、设备、介质和程序产品。

本公开实施例的一个方面提供了一种异常用户行为监测方法，包括：基于用户的操作行为采集N个操作指标，其中，所述操作行为包括操作应用提供的S个功能的行为，N和S分别为大于或等于1 的整数；根据所述N个操作指标中至少部分指标，确定所述用户的操作行为序列数据，其中，所述操作行为序列数据包括第一时间段内所述至少部分指标的采集时间顺序信息和耗时信息；对比所述用户的历史行为序列数据和所述操作行为序列数据，获得序列偏差特征；将所述序列偏差特征输入至预先训练的异常监测模型，获得所述异常检测模型输出的异常监测结果。

根据本公开的实施例，所述至少部分指标包括应用访问时间、涉帐交易频次、操作功能和浏览特定页面时间中至少一种指标，所述确定所述用户的操作行为序列数据包括：确定所述第一时间段内应用访问时间、涉帐交易频次、操作功能和浏览特定页面时间中至少一种指标的采集时间和/或所述耗时信息；根据所述采集时间确定应用访问时间、涉帐交易频次、操作功能和浏览特定页面时间中至少一种指标的所述采集时间顺序信息；根据所述采集时间顺序信息和所述耗时信息确定所述操作行为序列数据。

根据本公开的实施例，所述历史行为序列数据包括第二时间段内至少部分指标的采集时间顺序信息和耗时信息，所述获得序列偏差特征包括：根据所述用户分别在所述历史行为序列数据和所述操作行为序列数据中具有相同采集时间顺序的L个指标，获得第一偏差值，L 为大于或等于1的整数；通过所述第一偏差值获得所述序列偏差特征。

根据本公开的实施例，所述获得序列偏差特征还包括：根据所述 L个指标中每个指标分别在所述历史行为序列数据和所述操作行为序列数据中的采集时间，获得第二偏差值；其中，所述通过所述第一偏差值获得所述序列偏差特征包括：通过所述第一偏差值和/或所述第二偏差值获得所述序列偏差特征。

根据本公开的实施例，根据所述L个指标中每个指标分别在所述历史行为序列数据和所述操作行为序列数据中的耗时信息，获得第三偏差值；其中，所述通过所述第一偏差值和/或所述第二偏差值获得所述序列偏差特征包括：通过所述第一偏差值、所述第二偏差值和所述第三偏差值中的至少一个获得所述序列偏差特征。