一种应用深度学习的用户行为安全解析方法及系统技术方案

本申请涉及AI和数据安全技术领域，具体而言，涉及应用深度学习的用户行为安全解析方法及系统，通过多个层级对待拆解行为安全事件的区分性概念信息、行为安全事件关键内容和行为安全事件约束进行更为精细化的处理，每个层级接收上一层级输出的行为安全事件关键内容以及区分性概念拆解所补充和增添的更为精细化的关键描述和特征内容，能够在一定程度上提升待拆解行为安全事件的拆解效果，以确保行为安全事件的拆解精度，降低拆解得到的行为安全事件数据的噪声率，从而为后续的行为安全事件的信息安防风险分析提供准确可靠的分析判断依据，进而在一定程度上确保信息安防风险分析的前处理的效果，确保后续信息安防风险分析的可信度和精度。信度和精度。信度和精度。

【技术实现步骤摘要】
一种应用深度学习的用户行为安全解析方法及系统


[0001]本申请实施例涉及AI和数据安全
，具体涉及一种应用深度学习的用户行为安全解析方法及系统。

技术介绍

[0002]作为一种资源，由于数据信息的普遍性、共享性、增值性、可处理性和多效用性，使其对于各类行业具有特别重要的意义。在大数据互联网时代，数据信息安全是各方所关注的重点。近年来，由于数据信息安全风险所造成的重大损失等事件比比皆是。数据信息安全的本质是要保护信息系统或信息网络中的信息资源免受各种类型的威胁、干扰和破坏，即保证信息的安全性。
[0003]现目前，针对数据信息的安全防护手段很多，比如通过对用户行为进行分析以实现数据信息安防风险分析。随着用户行为数量和规模的不断增加，为了提高数据信息安防风险分析的时效性，通常会对用户行为数据或者用户行为信息进行行为事件层面的拆解处理。然而，专利技术人经研究和分析发现，相关的行为事件拆解分析技术在对行为事件进行拆解时可能会损失细节信息，从而难以确保拆解精度，难以确保行为事件拆解的质量。

技术实现思路

[0004]本申请实施例提供一种应用深度学习的用户行为安全解析方法，应用于用户行为安全解析系统，所述方法包括：获取待校验用户行为日志的第一区分性概念信息，和所述待校验用户行为日志中的待拆解行为安全事件的第一行为安全事件关键内容和与所述第一行为安全事件关键内容对应的第一行为安全事件约束；基于所述第一区分性概念信息、所述第一行为安全事件关键内容和所述第一行为安全事件约束，进行两个或多于两个层级的区分性概念整合处理，得到第二行为安全事件约束；其中，将上一层级所述区分性概念整合处理输出的第一行为安全事件关键内容进行内容扩展处理得到下一层级的行为安全事件关键内容，并基于所述下一层级的行为安全事件关键内容得到其对应的行为安全事件约束，将所述下一层级的所述行为安全事件关键内容、所述下一层级的行为安全事件约束和所述下一层级对应的区分性概念信息作为下一层级区分性概念整合处理的原料信息；且，每一层级所述区分性概念整合处理的原料信息中的区分性概念信息的特征识别度与行为安全事件关键内容的特征识别度相同。
[0005]在一些可独立实施的实施例中，所述基于所述第一区分性概念信息、所述第一行为安全事件关键内容和所述第一行为安全事件约束，进行两个或多于两个层级的区分性概念整合处理，得到第二行为安全事件约束，包括：基于所述第一区分性概念信息、所述第一行为安全事件关键内容和所述第一行为安全事件约束，进行第一层级的区分性概念整合处理，得到第二行为安全事件关键内容；基于所述第二行为安全事件关键内容、与所述第二行为安全事件关键内容对应的层级行为安全事件约束和第二区分性概念信息进行至少一层级的区分性概念整合处理，得到所述第二行为安全事件约束；其中，所述第二区分性概念信
息的特征识别度与所述第二行为安全事件关键内容的特征识别度相同。如此，对第一区分性概念信息、第一行为安全事件关键内容和第一行为安全事件约束进行多层级细致化拆分处理，能并且每一层级输出的结果的特征识别度大于其上一层级输出结果的特征识别度，从而能够为每一个待拆解行为安全事件输出高特征识别度的行为安全事件约束。
[0006]在一些可独立实施的实施例中，所述基于所述第一区分性概念信息、所述第一行为安全事件关键内容和所述第一行为安全事件约束，进行第一层级的区分性概念整合处理，得到第二行为安全事件关键内容，包括：将所述第一区分性概念信息中的第一区分性概念关键内容和所述第一行为安全事件关键内容进行整合，得到第一整合关键内容；将所述第一整合关键内容、所述第一区分性概念信息中第一区分性概念约束和所述第一行为安全事件约束进行绑定，得到所述第二行为安全事件关键内容。如此，通过采用区分性概念整合内核对待拆解用户行为日志的关键内容和约束进行整合，能够得到具有更加丰富的细节内容的第二行为安全事件关键内容。
[0007]在一些可独立实施的实施例中，所述将所述第一区分性概念信息中的第一区分性概念关键内容和所述第一行为安全事件关键内容进行整合，得到第一整合关键内容，包括：采用第一滑动平均操作，对所述第一区分性概念关键内容和所述第一行为安全事件关键内容进行处理，得到第一滑动平均关键内容；分别采用多个第二滑动平均操作，对所述第一滑动平均关键内容进行处理，得到多个第二滑动平均结果；其中，所述第一滑动平均操作的滑动平均单元小于所述第二滑动平均的滑动平均单元，且所述多个第二滑动平均操作的膨胀尺寸存在差异；基于所述多个第二滑动平均结果，确定所述第一整合关键内容。如此，使得到的整合关键内容能够尽可能保留待拆解行为安全事件的更为精细化的局部关键描述和局部特征内容。
[0008]在一些可独立实施的实施例中，所述基于所述第二行为安全事件关键内容、与所述第二行为安全事件关键内容对应的层级行为安全事件约束和第二区分性概念信息进行至少一层级的区分性概念整合处理，得到所述第二行为安全事件约束，包括：对所述第二行为安全事件关键内容、所述层级行为安全事件约束和所述第二区分性概念信息进行第二层级的区分性概念整合处理，得到第三行为安全事件关键内容和所述第三行为安全事件关键内容对应的第一膨胀约束；基于所述第一膨胀约束和所述层级行为安全事件约束，确定第三行为安全事件约束；对所述第三行为安全事件关键内容、所述第一膨胀约束和第三区分性概念信息进行第三层级的区分性概念整合处理，得到第四行为安全事件关键内容和所述第四行为安全事件关键内容对应的第二膨胀约束；基于所述第二膨胀约束和所述第三行为安全事件约束，确定所述第二行为安全事件约束。如此，能够更加准确地拆解行为安全事件的指定信息集，从而在一定程度上提升拆解效果，以确保行为安全事件的拆解精度，降低拆解得到的行为安全事件数据的噪声率，从而为后续的行为安全事件的信息安防风险分析提供准确可靠的分析判断依据，进而在一定程度上确保信息安防风险分析的前处理的效果，确保后续信息安防风险分析的可信度和精度。
[0009]在一些可独立实施的实施例中，所述对所述第二行为安全事件关键内容、所述层级行为安全事件约束和所述第二区分性概念信息进行第二层级的区分性概念整合处理，得到第三行为安全事件关键内容和所述第三行为安全事件关键内容对应的第一膨胀约束，包括：对所述第二行为安全事件关键内容、所述层级行为安全事件约束和所述第二区分性概
念信息进行第二层级的区分性概念整合处理，得到所述第三行为安全事件关键内容；对所述第三行为安全事件关键内容中的指定信息集进行预估，得到所述第一膨胀约束。如此，通过通过在对待拆解行为安全事件进行行为安全事件拆解的中，进一步对待拆解行为安全事件的行为安全事件关键内容以及区分性概念关键内容进行第二次整合处理，能够引入更高特征识别度的区分性概念拆解关键内容，从而使得到拆解的指定信息集更加准确。
[0010]在一些可独立实施的实施例中，所述基于所述第一膨胀约束和所述层级行为安全事件约束，确定第三行为安全事件约束，包括：确定所述层级行为安全事件约束中的指定信息集；基于所述指定信息集和所述第一膨胀本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种应用深度学习的用户行为安全解析方法，其特征在于，应用于用户行为安全解析系统，所述方法包括：获取待校验用户行为日志的第一区分性概念信息，和所述待校验用户行为日志中的待拆解行为安全事件的第一行为安全事件关键内容和与所述第一行为安全事件关键内容对应的第一行为安全事件约束；基于所述第一区分性概念信息、所述第一行为安全事件关键内容和所述第一行为安全事件约束，进行两个或多于两个层级的区分性概念整合处理，得到第二行为安全事件约束；其中，将上一层级所述区分性概念整合处理输出的第一行为安全事件关键内容进行内容扩展处理得到下一层级的行为安全事件关键内容，并基于所述下一层级的行为安全事件关键内容得到其对应的行为安全事件约束，将所述下一层级的所述行为安全事件关键内容、所述下一层级的行为安全事件约束和所述下一层级对应的区分性概念信息作为下一层级区分性概念整合处理的原料信息；且，每一层级所述区分性概念整合处理的原料信息中的区分性概念信息的特征识别度与行为安全事件关键内容的特征识别度相同。2.根据权利要求1所述的方法，其特征在于，所述基于所述第一区分性概念信息、所述第一行为安全事件关键内容和所述第一行为安全事件约束，进行两个或多于两个层级的区分性概念整合处理，得到第二行为安全事件约束，包括：基于所述第一区分性概念信息、所述第一行为安全事件关键内容和所述第一行为安全事件约束，进行第一层级的区分性概念整合处理，得到第二行为安全事件关键内容；基于所述第二行为安全事件关键内容、与所述第二行为安全事件关键内容对应的层级行为安全事件约束和第二区分性概念信息进行至少一层级的区分性概念整合处理，得到所述第二行为安全事件约束；其中，所述第二区分性概念信息的特征识别度与所述第二行为安全事件关键内容的特征识别度相同。3.根据权利要求2所述的方法，其特征在于，所述基于所述第一区分性概念信息、所述第一行为安全事件关键内容和所述第一行为安全事件约束，进行第一层级的区分性概念整合处理，得到第二行为安全事件关键内容，包括：将所述第一区分性概念信息中的第一区分性概念关键内容和所述第一行为安全事件关键内容进行整合，得到第一整合关键内容；将所述第一整合关键内容、所述第一区分性概念信息中第一区分性概念约束和所述第一行为安全事件约束进行绑定，得到所述第二行为安全事件关键内容。4.根据权利要求2或3所述的方法，其特征在于，所述将所述第一区分性概念信息中的第一区分性概念关键内容和所述第一行为安全事件关键内容进行整合，得到第一整合关键内容，包括：采用第一滑动平均操作，对所述第一区分性概念关键内容和所述第一行为安全事件关键内容进行处理，得到第一滑动平均关键内容；分别采用多个第二滑动平均操作，对所述第一滑动平均关键内容进行处理，得到多个第二滑动平均结果；其中，所述第一滑动平均操作的滑动平均单元小于所述第二滑动平均的滑动平均单元，且所述多个第二滑动平均操作的膨胀尺寸存在差异；基于所述多个第二滑动平均结果，确定所述第一整合关键内容。
5.根据权利要求2所述的方法，其特征在于，所述基于所述第二行为安全事件关键内容、与所述第二行为安全事件关键内容对应的层级行为安全事件约束和第二区分性概念信息进行至少一层级的区分性概念整合处理，得到所述第二行为安全事件约束，包括：对所述第二行为安全事件关键内容、所述层级行为安全事件约束和所述第二区分性概念信息进行第二层级的区分性概念整合处理，得到第三行为安全事件关键内容和所述第三行为安全事件关键内容对应的第一膨胀约束；基于所述第一膨胀约束和所述层级行为安全事件约束，确定第三行为安全事件约束；对所述第三行为安全事件关键内容、所述第一膨胀约束和第三区分性概念信息进行第三层级的区分性概念整合处理，得到第四行为安全事件关键内容和所述第四行为安全事件关键内容对应的第二膨胀约束；基于所述第二膨胀约束和所述第三行为安全事件约束，确定所述第二行为安全事件约束；相应的，所述对所述第二行为安全事件关键内容、所述层级行为安全事件约束和所述第二区分性概念信息进行第二层级的区分性概念整合处理，得到第三行为安全事件关键内容和所述第三行为安...

【专利技术属性】
技术研发人员：杨文静，钟蕙冰，邓华，林和音，
申请(专利权)人：东莞市爱学爱玩教育科技有限公司，
类型：发明
国别省市：