【技术实现步骤摘要】
用于人工智能平台的用户大数据安全分析方法及系统
[0001]本专利技术涉及人工智能
，具体而言，涉及用于人工智能平台的用户大数据安全分析方法及系统。
技术介绍
[0002]随着互联网的普及，越来越多的用户行为数据可以被记录，而随着时间的积累，相当一部分用户产生的行为信息已经能够在一些领域作为生产数据。例如，在用户安全身份识别场景，存在基于用户的行为信息对用户安全身份进行识别的方案。而在信息数据技术迈向大数据时代，在复杂、海量的数据中如何利用用户行为数据解决信息安全问题是当前亟需解决的问题。
技术实现思路
[0003]本专利技术的目的在于提供一种用于人工智能平台的用户大数据安全分析方法及系统。
[0004]第一方面，本专利技术实施例提供一种用于人工智能平台的用户大数据安全分析方法，包括：响应于针对人工智能平台的访问请求，获取人工智能平台的平台运维评估数据；将平台运维评估数据输入预先训练完成的平台运维评估模型，得到人工智能平台的平台运维评估结果；当平台运维评估结果表征为平台运行正常的情况下，根据多个用户的身份数据和网络行为数据，确定发起访问请求的待定用户的用户安全类别；当待定用户的用户安全类别表征为合法用户的情况下，将访问请求传输至人工智能平台；确定与访问请求对应的平台内容，并将平台内容返回给待定用户对应的用户终端。
[0005]第二方面，本专利技术实施例提供一种服务器系统，包括服务器，服务器用于执行第一方面中至少一种可能的实施方式的用于人工智能平台的用户大数据安全分析方法。>[0006]相比现有技术，本专利技术提供的有益效果包括：采用本专利技术公开的用于人工智能平台的用户大数据安全分析方法及系统，通过响应于针对人工智能平台的访问请求，获取人工智能平台的平台运维评估数据；当平台运维评估结果表征为平台运行正常的情况下，根据多个用户的身份数据和网络行为数据，确定发起访问请求的待定用户的用户安全类别；当待定用户的用户安全类别表征为合法用户的情况下，将访问请求传输至人工智能平台；确定与访问请求对应的平台内容，并将平台内容返回给待定用户对应的用户终端，如此设计，能够在确定人工智能平台本身平台运行正常的基础上，再结合多个用户的身份数据和网络行为数据确定出待定用户的用户安全类别，进而提高人工智能平台的安全性。
附图说明
[0007]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍。应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定。对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
[0008]图1为本专利技术实施例提供的用于人工智能平台的用户大数据安全分析方法的步骤流程示意图；图2为本专利技术实施例提供的计算机设备的结构示意框图。
具体实施方式
[0009]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述。
[0010]为了解决前述
技术介绍
中的技术问题，图1为本公开实施例提供的用于人工智能平台的用户大数据安全分析方法的流程示意图，本实施例提供用于人工智能平台的用户大数据安全分析方法可以由计算机设备执行，下面对该用于人工智能平台的用户大数据安全分析方法进行详细介绍。
[0011]101、响应于针对人工智能平台的访问请求，获取人工智能平台的平台运维评估数据。
[0012]102、将平台运维评估数据输入预先训练完成的平台运维评估模型，得到人工智能平台的平台运维评估结果。
[0013]103、当平台运维评估结果表征为平台运行正常的情况下，根据多个用户的身份数据和网络行为数据，确定发起访问请求的待定用户的用户安全类别。
[0014]104、当待定用户的用户安全类别表征为合法用户的情况下，将访问请求传输至人工智能平台。
[0015]105、确定与访问请求对应的平台内容，并将平台内容返回给待定用户对应的用户终端。
[0016]在本申请实施例中，人工智能平台可以是指具备人工智能处理技术的网络平台，能够实现对用户的行为数据进行采集记录等功能的网络平台，例如XX购物平台、XX在线交易平台、XX邮件处理平台等。当检测到用户发起的针对人工智能平台的访问请求时，首先获取该人工智能平台的平台运维评估数据，例如，针对XX购物平台，可以获取当前全平台的实时访问人数、异常交易订单数等数据作为平台运维评估数据。利用预先训练的平台运维评估模型基于平台运维评估数据确定出当前人工智能平台的平台运维是否稳定，可以避免由于人工智能平台本身出现异常导致后续对用户的用户安全类别判定不准确的情况发生。在确定人工智能平台的平台运维问题的情况下，可以根据多个用户的身份数据和网络行为数据，确定发起访问请求的待定用户的用户安全类别，并在判定出用户为合法用户后，确定与访问请求对应的平台内容，并将平台内容返回给待定用户对应的用户终端。如此设计，能够在保证人工智能平台本身稳定的情况下，结合多个用户的身份数据和网络行为数据，确定发起访问请求的待定用户的用户安全类别，提高了人工智能平台使用的安全性。
[0017]为了能够清楚的描述本申请实施例提供的方案，前述步骤103可以通过以下详细
的步骤执行实施。
[0018]201、计算机设备获取多个用户的身份数据和网络行为数据。
[0019]其中，用户的身份数据为用于表征用户的身份信息，例如该身份数据包括在用户注册的过程中为用户所配置的信息等。用户的网络行为数据为与用户在网络有关的行为信息。
[0020]计算机设备获取多个用户的身份数据和网络行为数据，其中，该多个用户包括待评估的待定用户以及预置的用户安全类别的比对用户。可选地，该用户安全类别包括合法用户和非法用户。
[0021]202、计算机设备确定待定用户的身份数据与比对用户的身份数据之间的身份匹配特征，以及待定用户的网络行为数据与比对用户的网络行为数据之间的行为匹配特征。
[0022]计算机设备获取到待定用户的身份数据和网络行为数据以及比对用户的身份数据和网络行为数据后，从身份数据和网络行为数据两个不同的维度出发，分别将待定用户和比对用户的相同维度的信息进行比较。
[0023]也即是，计算机设备通过将待定用户与比对用户在属性维度上的身份数据进行比较，获取待定用户的身份数据与比对用户的身份数据之间的身份匹配特征，该身份匹配特征表示待定用户的身份数据与比对用户的身份数据之间的相似程度。计算机设备通过将待定用户与比对用户在网络行为维度上的网络行为数据进行比较，获取待定用户的网络行为数据与比对用户的网络行为数据之间的行为匹配特征，该行为匹配特征表示待定用户的网络行为数据与比对用户的网络行为数据之间的相似程度，从而在两种不同的维度挖掘了待定用户与比对用户之间的相似程度。
[0024]203、计算机设备将身份匹配特征和行为匹配特征执行绑定操作，获取待定用户与比对用户之间的比对向量对。
...
【技术保护点】
【技术特征摘要】
1.用于人工智能平台的用户大数据安全分析方法，其特征在于，包括：响应于针对人工智能平台的访问请求，获取所述人工智能平台的平台运维评估数据；将所述平台运维评估数据输入预先训练完成的平台运维评估模型，得到所述人工智能平台的平台运维评估结果；当所述平台运维评估结果表征为平台运行正常的情况下，根据多个用户的身份数据和网络行为数据，确定发起所述访问请求的待定用户的用户安全类别；当所述待定用户的用户安全类别表征为合法用户的情况下，将所述访问请求传输至所述人工智能平台；确定与所述访问请求对应的平台内容，并将所述平台内容返回给所述待定用户对应的用户终端。2.根据权利要求1所述的方法，其特征在于，所述根据多个用户的身份数据和网络行为数据，确定发起所述访问请求的待定用户的用户安全类别，包括：获取多个用户的身份数据和网络行为数据，所述身份数据为用于表征所述用户的身份信息，所述网络行为数据与所述身份数据为对应关系，所述多个用户包括待评估的待定用户以及预置的用户安全类别的比对用户；确定所述待定用户的身份数据与所述比对用户的身份数据之间的身份匹配特征，以及所述待定用户的网络行为数据与所述比对用户的网络行为数据之间的行为匹配特征，所述身份数据包括至少一个身份属性的属性内容，所述身份匹配特征包括所述至少一个身份属性上的第一属性特征，所述网络行为数据包括至少一个行为属性的属性内容，所述行为匹配特征包括所述至少一个行为属性上的第二属性特征；基于所述至少一个身份属性和所述至少一个行为属性的顺序，将所述至少一个身份属性上的第一属性特征和所述至少一个行为属性上的第二属性特征执行绑定操作，获取所述待定用户与所述比对用户之间的比对向量对；基于比对向量对识别模型，对所述比对向量对执行识别归类操作，获取所述待定用户与所述比对用户之间的同质置信度；其中，所述比对向量对识别模型通过以下方式训练得到，包括：获取第一预置样本用户和第二预置样本用户之间的样本比对向量对，以及所述第一预置样本用户和所述第二预置样本用户之间的样本同质置信度；基于所述比对向量对识别模型，对所述样本比对向量对执行识别归类操作，获取所述第一预置样本用户和所述第二预置样本用户之间的参考同质置信度；基于所述参考同质置信度和所述样本同质置信度，训练所述比对向量对识别模型；在所述待定用户与所述比对用户之间的同质置信度满足预置置信度阈值时，确定所述待定用户对应于所述比对用户归属的用户安全类别。3.根据权利要求2所述的方法，其特征在于，所述比对用户的数量为多个，且多个所述比对用户归属的用户安全类别相同；所述在所述待定用户与所述比对用户之间的同质置信度满足预置置信度阈值时，确定所述待定用户对应于所述比对用户归属的用户安全类别，包括：基于所述待定用户和多个所述比对用户中每两个用户之间的同质置信度，确定所述待定用户和多个所述比对用户之间的向量距离，所述向量距离与所述每两个用户之间的同质置信度存在正向关系；
在所述向量距离达到预置距离阈值时，确定所述待定用户对应于多个所述比对用户归属的用户安全类别。4.根据权利要求2所述的方法，其特征在于，所述身份数据和所述网络行为数据均包括多个属性内容；所述在所述待定用户与所述比对用户之间的同质置信度满足预置置信度阈值时，确定所述待定用户对应于所述比对用户归属的用户安全类别，包括：在所述待定用户与所述比对用户之间存在重叠属性，且所述待定用户与所述比对用户之间的同质置信度达到同质置信度阈值时，确定所述待定用户对应于所述比对用户归属的用户安全类别，所述重叠属性是指存在相同的属性内容；所述比对用户包括非关联用户和关联用户，所述待定用户与所述非关联用户之间不存在所述重叠属性，所述待定用户与所述关联用户之间存在所述重叠属性；所述确定所述待定用户的身份数据与所述比对用户的身份数据之间的身份匹配特征，以及所述待定用户的网络行为数据与所述比对用户的网络行为数据之间的行为匹配特征，包括：确定所述待定用户的身份数据与所述关联用户的身份数据之间的身份匹配特征，以及所述待定用户的网络行为数据与所述关联用户的网络行为数据之间的行为匹配特征；所述在所述待定用户与所述比对用户之间存在重叠属性，且所述待定用户与所述比对用户之间的同质置信度达到同质置信度阈值时，确定所述待定用户对应于所述比对用户归属的用户安全类别，包括：在所述待定用户与所述关联用户之间的同质置信度达到所述同质置信度阈值时，确定所述待定用户对应于所述关联用户归属的用户安全类别；所述确定所述待定用户的身份数据与所述比对用户的身份数据之间的身份匹配特征，以及所述待定用户的网络行为数据与所述比对用户的网络行为数据之间的行为匹配特征之前，所述方法还包括：确定所述非关联用户与所述关联用户之间的同质置信度，所述非关联用户归属的用户安全类别已经确定，所述关联用户归属的用户安全类别还未确定，且所述非关联用户与所述关联用户之间存在所述重叠属性；在所述非关联用户与所述关联用户之间的同质置信度达到所述同质置信度阈值时，确定所述关联用户对应于所述非关联用户归属的用户安全类别。5.根据权利要求2所述的方法，其特征在于，所述在所述待定用户与所述比对用户之间的同质置信度满足预置置信度阈值时，确定所述待定用户对应于所述比对用户归属的用户安全类别之后，所述方法还包括：获取认证服务器发送的用户身份评估指示，所述用户身份评估指示包括待评估用户的身份数据；在用户数据库中查找到与所述待评估用户的身份数据相同的...
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。