本发明专利技术提供了一种人机行为检测方法、系统、终端设备及存储介质，该方法包括：对移动终端的传感数据和行为场景数据分别进行行为标记；根据行为标记后的传感数据和行为场景数据构建样本集，对样本集进行异常特征检测和数据筛选，根据数据筛选后的样本集对人机行为检测模型进行模型训练，直至人机行为检测模型收敛；将待检测数据输入收敛后的人机行为检测模型进行行为检测，得到人机行为检测结果，人机检测结果包括行为概率和场景概率。本发明专利技术基于携带多个标签任务的样本集训练后的检测模型，能有效地对待检测数据进行行为检测和场景检测，提高了人机行为检测效率。提高了人机行为检测效率。提高了人机行为检测效率。
【技术实现步骤摘要】
人机行为检测方法、系统、终端设备及存储介质
[0001]本专利技术涉及数据处理
，尤其涉及一种人机行为检测方法、系统、终端设备及存储介质。
技术介绍
[0002]随着机器模拟人类行为的手段日趋灵活，移动端人机检测及场景检测技术越发重要，机器模拟人类行为最开始从简单的脚本与工具，到具备解析能力的工具，再到脚本驱动的手机模拟器，再到录屏重放攻击等，隐蔽性逐渐提高，恶意用户能够结合手机群控批量模拟正常用户输入，从而绕过现有人机检测系统的规则，因此，人机行为检测方法越来越受人们所重视。
[0003]现有的人机行为检测过程中，一般是将行为检测与场景检测分别进行建模，并根据建立的模型分别对待检测数据进行行为检测和场景检测，得到人机检测结果，但由于将行为与场景单独建模所消耗的资源较多，且需要分别优化多个模型，导致人机行为检测效率较低。
技术实现思路
[0004]本专利技术实施例的目的在于提供一种人机行为检测方法、系统、终端设备及存储介质，旨在解决现有的人机行为检测效率较低的问题。
[0005]本专利技术实施例是这样实现的，一种人机行为检测方法，所述方法包括：
[0006]获取移动终端的传感数据和行为场景数据，并对所述传感数据和所述行为场景数据分别进行行为标记；
[0007]根据行为标记后的所述传感数据和所述行为场景数据构建样本集，并对所述样本集进行异常特征检测；
[0008]根据异常特征检测结果对所述样本集进行数据筛选，并根据数据筛选后的所述样本集对预存储的人机行为检测模型进行模型训练，直至所述人机行为检测模型收敛；
[0009]将待检测数据输入收敛后的所述人机行为检测模型进行行为检测，得到人机行为检测结果，所述人机检测结果包括行为概率和场景概率。
[0010]更进一步的，所述对所述传感数据和所述行为场景数据分别进行行为标记，包括：
[0011]根据预设时长分别对所述传感数据和所述行为场景数据进行分段，得到传感分段数据和场景分段数据；
[0012]根据第一标签对所述传感分段数据中存在打字行为的数据进行行为标记，并根据第二标签对所述传感分段数据中未存在打字行为的数据进行行为标记；
[0013]分别确定各场景分段数据的行为场景，并根据确定到的所述行为场景进行标签查询，得到场景行为标签；
[0014]根据所述场景行为标签对对应所述场景分段数据进行行为标记。
[0015]更进一步的，所述对所述样本集进行异常特征检测，包括：
[0016]分别对所述样本集中的各样本数据进行时间窗分割，得到传感时间窗数据和场景时间窗数据，所述样本数据包括行为标记后的所述传感数据和对应行为标记后的所述行为场景数据；
[0017]分别计算各传感时间窗数据和各场景时间窗数据中的时间窗特征，并根据所述时间窗特征确定异常特征范围；
[0018]根据所述异常特征范围确定所述传感时间窗数据和所述场景时间窗数据中的异常数据，并针对各样本数据，分别查询每条数据中异常数据的数量，得到异常数量。
[0019]更进一步的，所述将待检测数据输入收敛后的所述人机行为检测模型进行行为检测，包括：
[0020]对所述待检测数据进行时间窗分割，得到待检测时间窗数据，并将所述待检测时间窗数据输入收敛后的所述人机行为检测模型进行打字检测和场景识别；
[0021]根据各待检测时间窗数据的打字检测和场景识别结果，构建所述待检测数据的打字检测序列和场景检测序列，并根据所述打字检测序列和场景检测序列，确定所述待检测数据的打字概率和与各预设场景之间的场景概率；
[0022]根据所述打字概率和所述场景概率生成所述人机行为检测结果。
[0023]更进一步的，所述根据所述时间窗特征确定异常特征范围，包括：
[0024]根据所述时间窗特征分别计算所述传感时间窗数据和所述场景时间窗数据的特征标准差；
[0025]根据所述传感时间窗数据和所述场景时间窗数据的特征标准差，分别计算三倍标准差；
[0026]根据所述三倍标准差分别确定所述传感时间窗数据和所述场景时间窗数据的异常特征范围，得到传感异常范围和场景异常范围；
[0027]所述根据所述异常特征范围确定所述传感时间窗数据和所述场景时间窗数据中的异常数据，包括：
[0028]若任一所述传感时间窗数据的时间窗特征未处于所述传感异常范围，则将所述传感时间窗数据确定为所述异常数据；
[0029]若任一所述场景时间窗数据的时间窗特征未处于所述场景异常范围，则将所述场景时间窗数据确定为所述异常数据。
[0030]更进一步的，所述根据异常特征检测结果对所述样本集进行数据筛选，包括：
[0031]若任一所述样本数据的异常数量大于数量阈值，则删除所述样本数据；或
[0032]分别获取各样本数据中时间窗数据的个数，得到时间窗数量；
[0033]针对各样本数据，根据所述时间窗数量和所述异常数量确定异常数据比例；
[0034]若任一所述样本数据的异常数据比例大于比例阈值，则删除所述样本数据。
[0035]更进一步的，所述根据数据筛选后的所述样本集对预存储的人机行为检测模型进行模型训练，直至所述人机行为检测模型收敛，包括：
[0036]将数据筛选后的所述样本集输入所述人机行为检测模型，并根据所述检测模型分别对所述样本集中的传感数据和行为场景数据进行打字行为预测和行为场景预测，得到行为预测结果；
[0037]根据所述行为预测结果和所述样本集中各样本数据上的行为标记进行损失计算，
得到模型损失值；
[0038]根据所述模型损失值对所述人机行为检测模型进行参数更新，直至所述模型损失值小于损失阈值和/或所述模型损失值的迭代次数大于迭代阈值，则判定所述检测模型收敛。
[0039]本专利技术实施例的另一目的在于提供一种人机行为检测系统，所述系统包括：
[0040]行为标记单元，用于获取移动终端的传感数据和行为场景数据，并对所述传感数据和所述行为场景数据分别进行行为标记；
[0041]异常检测单元，用于根据行为标记后的所述传感数据和所述行为场景数据构建样本集，并对所述样本集进行异常特征检测；
[0042]模型训练单元，用于根据异常特征检测结果对所述样本集进行数据筛选，并根据数据筛选后的所述样本集对预存储的人机行为检测模型进行模型训练，直至所述人机行为检测模型收敛；
[0043]行为检测单元，用于将待检测数据输入收敛后的所述人机行为检测模型进行行为检测，得到人机行为检测结果，所述人机检测结果包括行为概率和场景概率。
[0044]本专利技术实施例的另一目的在于提供一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述方法的步骤。
[0045]本专利技术实施例的另一目的在于提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种人机行为检测方法，其特征在于，所述方法包括：获取移动终端的传感数据和行为场景数据，并对所述传感数据和所述行为场景数据分别进行行为标记；根据行为标记后的所述传感数据和所述行为场景数据构建样本集，并对所述样本集进行异常特征检测；根据异常特征检测结果对所述样本集进行数据筛选，并根据数据筛选后的所述样本集对预存储的人机行为检测模型进行模型训练，直至所述人机行为检测模型收敛；将待检测数据输入收敛后的所述人机行为检测模型进行行为检测，得到人机行为检测结果，所述人机检测结果包括行为概率和场景概率。2.如权利要求1所述的人机行为检测方法，其特征在于，所述对所述传感数据和所述行为场景数据分别进行行为标记，包括：根据预设时长分别对所述传感数据和所述行为场景数据进行分段，得到传感分段数据和场景分段数据；根据第一标签对所述传感分段数据中存在打字行为的数据进行行为标记，并根据第二标签对所述传感分段数据中未存在打字行为的数据进行行为标记；分别确定各场景分段数据的行为场景，并根据确定到的所述行为场景进行标签查询，得到场景行为标签；根据所述场景行为标签对对应所述场景分段数据进行行为标记。3.如权利要求2所述的人机行为检测方法，其特征在于，所述对所述样本集进行异常特征检测，包括：分别对所述样本集中的各样本数据进行时间窗分割，得到传感时间窗数据和场景时间窗数据，所述样本数据包括行为标记后的所述传感数据和对应行为标记后的所述行为场景数据；分别计算各传感时间窗数据和各场景时间窗数据中的时间窗特征，并根据所述时间窗特征确定异常特征范围；根据所述异常特征范围确定所述传感时间窗数据和所述场景时间窗数据中的异常数据，并针对各样本数据，分别查询每条数据中异常数据的数量，得到异常数量。4.如权利要求3所述的人机行为检测方法，其特征在于，所述将待检测数据输入收敛后的所述人机行为检测模型进行行为检测，包括：对所述待检测数据进行时间窗分割，得到待检测时间窗数据，并将所述待检测时间窗数据输入收敛后的所述人机行为检测模型进行打字检测和场景识别；根据各待检测时间窗数据的打字检测和场景识别结果，构建所述待检测数据的打字检测序列和场景检测序列，并根据所述打字检测序列和场景检测序列，确定所述待检测数据的打字概率和与各预设场景之间的场景概率；根据所述打字概率和所述场景概率生成所述人机行为检测结果。5.如权利要求3所述的人机行为检测方法，其特征在于，所述根据所述时间窗特征确定异常特征范围，包括：根据所述时间窗特征分别计算所述传感时间窗数据和所述场景时间窗数据的特征标准差；
根据所述传感时间窗数据和所述场景时间窗数据的特征标准差，分别计算三倍标准差；根据所述...
【专利技术属性】
技术研发人员：张志远，洪镇宇，
申请(专利权)人：厦门国际银行股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。