日志行为分析的训练方法、身份安全风险预测方法技术

本发明专利技术公开了一种日志行为分析的训练方法及预测方法，其训练方法，包括：对日志数据进行结构化处理，获得各种单一行为的日志数据；对每种单一行为的日志数据进行标注，标注出日志行为；根据设定的评分标准，对所有日志行为进行风险评分；将标注好的日志数据有序输入到训练模型中，进行训练；获得预测日志行为的预测模型。本发明专利技术利用机器学的方式代替了传统的规则分析方式，能够全自动化、更智能、更全面地对日志行为进行智能化地分析。对日志行为进行智能化地分析。对日志行为进行智能化地分析。

【技术实现步骤摘要】
日志行为分析的训练方法、身份安全风险预测方法


[0001]本专利技术涉及信息安全
，特别是涉及日志行为分析的训练方法、身份安全风险预测方法。

技术介绍

[0002]随着社会的发展，个人计算机与其他智能设备的普及，数字时代的到来，人们的生活、工作、以及金融服务等都离不开网络，因此其资产越来越依赖于互联网，从而对人们的隐私带来的挑战越来越突出。在这种大背景下，对访问的身份认证，保证访问的身份安全就直接影响到资产的安全，隐私的安全等。
[0003]现有的技术主要是通过规则设定，然后利用规则分析来进行风险识别，这种方法对强信号的安全事件，比如恶意软件，阻断服务攻击(Denial of ServiceAttack)和分布式阻断服务攻击(Distributed Denial of Service Attack)等的识别能力比较有效。
[0004]但是，现有技术对弱信号的安全事件，比如低频渗透(Low Density Penetration)，高级持续威胁(Advanced Persistent Threats)和一些基于算法的攻击等的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种日志行为分析的训练方法，包括：对日志数据进行结构化处理，获得各种单一行为的日志数据；对每种单一行为的日志数据进行标注，标注出日志行为；根据设定的评分标准，对所有日志行为进行风险评分；将标注好的日志数据有序输入到训练模型中，进行训练；获得预测日志行为的预测模型。2.如权利要求1所述的训练方法，其特征在于，所述训练模型为隐马尔科夫模型。3.如权利要求1所述的训练方法，其特征在于，对日志数据进行结构化处理，获得各种单一行为的日志数据包括：对日志数据进行清洗；将日志数据按设定的分隔符分割成各种单一行为的日志数据。4.一种基于日志行为的身份安全风险预测方法，其特征在于，包括步骤：将新生成的日志数据实时输入到预测模型中；预测模型根据该新生成的日志数据进行处理，获得日志行为；根据设定的行为评分表，得出日志行为的评分结果；根据评分结果判断是否属于风险访问。5.如权利要求4所述的预测方法，其特征在于，所述预测模型为权利要求1至3所述的任一方法训练获得的预测模型。6.如权...

【专利技术属性】
技术研发人员：王军，张毅骏，谭翔，
申请(专利权)人：上海派拉软件股份有限公司，
类型：发明
国别省市：