[发明专利]异常对象识别方法、装置、设备及存储介质

说明书

本申请提供一种异常对象识别方法、装置、设备及存储介质，涉及数据处理技术领域。该方法包括：获取待识别对象的特征信息，特征信息包括：操作行为信息，操作行为信息包括待识别对象在所属业务场景下执行操作行为所产生的行为数据；采用预先训练的异常数据识别模型，对待识别对象的特征信息进行识别，获取目标识别结果，目标识别结果包括第一识别结果，第一识别结果用于标识待识别对象是否为异常对象，异常数据识别模型采用历史对象的特征信息训练得到。本方案基于历史数据进行模型训练，得到的异常数据识别模型的可靠性较高，从而采用异常数据识别模型进行异常识别，有效的提高了异常对象识别的准确性，同时也提高了识别效率。

技术领域

本申请涉及数据处理技术领域，具体而言，涉及一种异常对象识别方法、装置、设备及存储介质。

背景技术

随着互联网的迅速发展，网络安全愈发重要，各业务场景下异常对象的存在会对业务平台等造成严重损失，准确的识别异常对象可以有效的预防异常事件的发生。

现有技术中，在进行异常对象识别时，是采用指标监控方式进行识别，主要是通过提取待识别对象的特征信息，判断特征信息超过预设的监控指标时，确定为异常对象。

但是，上述预设的监控指标很多是工作人员在分析海量的数据之后根据经验主观设定的，指标的合理性较差，从而导致异常对象识别的准确性较差。

发明内容

本申请的目的在于，针对上述现有技术中的不足，提供一种异常对象识别方法、装置、设备及存储介质，以便于解决现有技术中存在的异常对象识别准确性较差的问题。

为实现上述目的，本申请实施例采用的技术方案如下：

第一方面，本申请实施例提供了一种异常对象识别方法，包括：

获取待识别对象的特征信息，所述特征信息包括：操作行为信息，所述操作行为信息包括所述待识别对象在所属业务场景下执行操作行为所产生的行为数据；

采用预先训练的异常数据识别模型，对所述待识别对象的特征信息进行识别，获取目标识别结果，所述目标识别结果包括第一识别结果，所述第一识别结果用于标识所述待识别对象是否为异常对象，所述异常数据识别模型采用历史对象的特征信息训练得到。

可选地，所述目标识别结果还包括：各所述特征信息的权重，所述特征信息的权重用于表征特征信息在识别所述待识别对象是否为异常对象的因素中所占的比重；

所述方法还包括：

根据各所述特征信息的权重、以及特征信息与异常场景的关联关系，确定所述待识别对象在各异常场景下的权重；

根据所述待识别对象在各异常场景下的权重，确定所述第一识别结果的疑似度评分。

可选地，所述采用预先训练的异常数据识别模型，对所述待识别对象的特征信息进行识别之前，所述方法还包括：

根据各可选特征信息在历史异常对象中的分布信息，确定各所述可选特征信息的等级划分指标，所述待识别对象的特征信息属于所述可选特征信息；

根据各所述特征信息、以及各所述可选特征信息的等级划分指标，确定各所述特征信息的目标等级。

可选地，所述根据各所述特征信息的权重、以及特征信息与异常场景的关联关系，确定所述待识别对象在各异常场景下的权重，包括：

根据各所述特征信息的权重、以及各所述特征信息的目标等级，确定各所述特征信息的目标权重；

根据各所述特征信息的目标权重、以及特征信息与异常场景的关联关系，确定所述待识别对象在各异常场景下的权重。

可选地，所述根据各所述特征信息的目标权重、以及特征信息与异常场景的关联关系，确定所述待识别对象在各异常场景下的权重，包括：

将与第一异常场景关联的各特征信息的目标权重相加，得到所述待识别对象在所述第一异常场景下的权重；

所述第一异常场景为所述各异常场景中的任意一个异常场景。