【技术实现步骤摘要】
本专利技术属于数据处理，尤其涉及一种网络用户行为数据生成方法、系统、存储介质及电子设备。
技术介绍
1、本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
2、随着信息网络的不断发展，目前接入的用户数量众多，设备各异，各个子系统安全策略差异巨大，因此网络整体面临复杂化、多元化的发展趋势，且无法执行统一的安全管理要求。在此基础上，为保证网络内部用户自身的安全需求，零信任概念被提出并广泛应用。该网络安全策略假设网络中所有对象都存在安全风险，并要求对队友用户进行不间断的验证和监控，从而保障自身系统在复杂网络环境下的安全稳定运行。尤其在电力输送行业，将零信任概念应用于电力网络安全管理具有积极意义。在执行零信任安全策略的过程中，对网络中异常用户的智能监控具有重要意义，如果能够及时快速通过人工智能等新技术对网络中存在异常的节点进行检测与定位，则可以大幅改善网络安全环境，降低潜在损失，提升网络运行稳定性。
3、但专利技术人发现，现有的网络节点异常检测算法主要依赖于深度学习策略展开，这就需要大量的训练测...
【技术保护点】
1.一种网络用户行为数据生成方法，其特征在于，包括：
2.如权利要求1所述的网络用户行为数据生成方法，其特征在于，多头GAN网络的训练过程为：
3.如权利要求2所述的网络用户行为数据生成方法，其特征在于，对原始数据集进行不平衡抽样的过程为：
4.如权利要求2所述的网络用户行为数据生成方法，其特征在于，生成器与判别器轮流进行训练。
5.如权利要求1或2所述的网络用户行为数据生成方法，其特征在于，所述网络行为特征向量和随机噪声向量均包含248个基本特征与8个语义特征。
6.如权利要求1所述的网络用户行为数据生成方...
【技术特征摘要】
1.一种网络用户行为数据生成方法，其特征在于，包括：
2.如权利要求1所述的网络用户行为数据生成方法，其特征在于，多头gan网络的训练过程为：
3.如权利要求2所述的网络用户行为数据生成方法，其特征在于，对原始数据集进行不平衡抽样的过程为：
4.如权利要求2所述的网络用户行为数据生成方法，其特征在于，生成器与判别器轮流进行训练。
5.如权利要求1或2所述的网络用户行为数据生成方法，其特征在于，所述网络行为特征向量和随机噪声向量均包含248个基本特征与8个语义特征。
6.如权利要求1所述的网络用户行为数据生成方法，其特征在于...
【专利技术属性】
技术研发人员：赵丽娜，李明，曲延盛，刘维特，王云霄，黄华，张婕，李宁，张文斌，任乐，刘子函，毛波，
申请(专利权)人：国网山东省电力公司信息通信公司，
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。