一种基于行为子图表征的恶意Bot识别方法技术

本申请涉及一种基于行为子图表征的恶意Bot识别方法，通过数据缓冲区从访问请求数据流和行为数据流中获取用户会话数据；对行为信息进行映射，得到行为特征表示；基于用户信息和行为特征表示构建用户‑行为对；基于用户信息和请求数据中的访问目标信息构建用户‑访问目标对；从用户信息中分离出用户偏移信息；基于用户信息、用户偏移信息、行为信息、访问目标信息设计节点；基于用户‑行为对和用户‑访问目标对之间的连接关系，得到关联矩阵；以归一化后的关联矩阵作为权重边；基于节点和权重边构建会话子图；将会话子图输入至基于LSTM聚合的图网络分类器，得到最终节点的信息表示；基于最终节点的信息表示得到恶意Bot识别结果。

【技术实现步骤摘要】

本申请涉及恶意bot识别，特别是涉及一种基于行为子图表征的恶意bot识别方法。

技术介绍

1、恶意bot识别是一种在网络和计算机系统中用于检测和区分正常人类用户和自动化程序（机器人、bots）之间行为的技术。

2、目前，在实际的web服务中使用图神经网络还存在以下几个问题：

3、1、传统的会话数据的处理一般是针对于基础的统计特征分析，一般集中在处理显性可观测的突出特征中，这种统计特征无法还原用户的行为，正常用户的统计特征较为丰富，误判概率较大；其次，统计特征在交叉计算的过程中，容易引入噪声，会对模型学习产生负面影响。

4、2、以往的图建模一般是以单类型信息（文本或其他信息）作为节点表示，由于会话数据的复杂性，单类型节点不满足当前节点表示的条件。

5、3、目前图神经网络的边设计主要依赖于自然边的形成，自然边无法捕获用户行为和访问目标之间的高阶信息，也无法反映用户的行为或访问的频率。

6、4、以网络的图网络分类器一般采用卷积和注意力机制进行信息的融合计算，这两种方式对于序列信息的变化过程不能很好的表示本文档来自技高网...

【技术保护点】

1.一种基于行为子图表征的恶意Bot识别方法，其特征在于，包括：

2.根据权利要求1所述的基于行为子图表征的恶意Bot识别方法，其特征在于，S2中，数据缓冲区的处理流程包括：

3.根据权利要求2所述的基于行为子图表征的恶意Bot识别方法，其特征在于，所述设定时间间隔为5分钟。

4.根据权利要求2所述的基于行为子图表征的恶意Bot识别方法，其特征在于，S3中，构建用户-行为对的过程包括：

5.根据权利要求4所述的基于行为子图表征的恶意Bot识别方法，其特征在于，S3中，所述基于所述用户信息和所述请求数据中的访问目标信息构建用户-访问目标对包括...

【技术特征摘要】

1.一种基于行为子图表征的恶意bot识别方法，其特征在于，包括：

2.根据权利要求1所述的基于行为子图表征的恶意bot识别方法，其特征在于，s2中，数据缓冲区的处理流程包括：

3.根据权利要求2所述的基于行为子图表征的恶意bot识别方法，其特征在于，所述设定时间间隔为5分钟。

4.根据权利要求2所述的基于行为子图表征的恶意bot识别方法，其特征在于，s3中，构建用户-行为对的过程包括：

5.根据权利要求4所述的基于行为子图表征的恶意bot识别方法，其特征在于，s3中，所述基于所述用户信息和所述请求数据中的访问目标信息构建用户-访问目标对包括：

6.根据权利要求2所述的基于行为子图表征的恶意bot识别方法，其特征在于，s3中，还...

【专利技术属性】
技术研发人员：黄惟，刘志，刘优，徐伯辰，康占英，王青，
申请(专利权)人：长沙市智为信息技术有限公司，
类型：发明
国别省市：