【技术实现步骤摘要】
本申请涉及智能识别领域，且更为具体地，涉及一种基于操作行为跟踪的异常用户行为识别方法。
技术介绍
1、异常用户行为识别是指通过监测和分析用户在系统或平台上的行为，识别和检测与正常行为模式不符的异常行为。这种技术旨在及时发现可能存在的欺诈、恶意活动或其他不寻常行为，以提高系统的安全性，保护用户的隐私和财产安全，防止潜在的损失和风险。
2、但传统方法的异常用户行为识别只考虑少量的数据维度来进行异常识别，无法全面考虑用户行为数据的多样性和复杂性，这限制了系统对用户行为的全面理解和准确识别。此外，传统方法通常基于预先定义的规则或阈值来识别异常行为，这种方法缺乏灵活性和适应性。具体地，静态规则往往无法适应用户行为的动态变化和复杂性，容易导致误报或漏报，从而影响用户行为异常判断的准确性。
3、因此，期望一种基于操作行为跟踪的异常用户行为识别方案。
技术实现思路
1、为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种基于操作行为跟踪的异常用户行为识别方法，其通过实时获取被跟踪用户对象的用户行为数据，其中，所述用户行为数据包括用户id、操作时间、操作类型和操作对象，并利用基于深度学习的数据处理和分析算法来对所述被跟踪用户对象的用户行为数据进行语义分析，以此根据所述被跟踪用户对象的用户行为数据中的各个时间点用户行为数据的语义关联关系和相互影响来自动地生成用户行为是否存在异常的检测结果。这样，系统能够实时监控用户行为数据，并在发现异常行为时立即做出反应，以此提高用户行
2、根据本申请的一方面，提供了一种基于操作行为跟踪的异常用户行为识别方法，其包括：
3、获取被跟踪用户对象的用户行为数据的时间序列，其中，所述用户行为数据包括用户id、操作时间、操作类型和操作对象；
4、对所述用户行为数据的时间序列中的各个用户行为数据进行语义编码以得到用户行为语义编码特征向量的序列；
5、将所述用户行为语义编码特征向量的序列通过基于自相关注意力网络的用户行为语义上下文编码器以得到上下文用户行为语义编码特征向量的序列；
6、对所述上下文用户行为语义编码特征向量的序列进行用户行为本质语义模式特征提取以得到用户行为本质语义模式特征；
7、基于所述本质语义模式特征，确定监测结果。
8、在上述基于操作行为跟踪的异常用户行为识别方法中，将所述用户行为语义编码特征向量的序列通过基于自相关注意力网络的用户行为语义上下文编码器以得到上下文用户行为语义编码特征向量的序列，包括：使用所述基于自相关注意力网络的用户行为语义上下文编码器以如下自相关提取公式对所述用户行为语义编码特征向量的序列进行处理以得到所述上下文用户行为语义编码特征向量的序列；其中，所述自相关提取公式为:
9、
10、
11、v1i＝ai xi
12、其中，ei表示所述用户行为语义编码特征向量的序列中第i个用户行为语义编码特征向量的注意力打分机制值，xi表示所述用户行为语义编码特征向量的序列中第i个用户行为语义编码特征向量，和wi表示权重系数向量和权重系数矩阵，bi为偏移向量，tanh(·)表示tanh函数，ai表示所述用户行为语义编码特征向量的序列中第i个用户行为语义编码特征向量的注意力权重值，ek表示所述用户行为语义编码特征向量的序列中第k个用户行为语义编码特征向量的注意力打分机制值，exp(·)表示以自然常数e为底的指数函数，v1i为所述上下文用户行为语义编码特征向量的序列中第i个上下文用户行为语义编码特征向量。
13、与现有技术相比，本申请提供的一种基于操作行为跟踪的异常用户行为识别方法，其通过实时获取被跟踪用户对象的用户行为数据，其中，所述用户行为数据包括用户id、操作时间、操作类型和操作对象，并利用基于深度学习的数据处理和分析算法来对所述被跟踪用户对象的用户行为数据进行语义分析，以此根据所述被跟踪用户对象的用户行为数据中的各个时间点用户行为数据的语义关联关系和相互影响来自动地生成用户行为是否存在异常的检测结果。这样，系统能够实时监控用户行为数据，并在发现异常行为时立即做出反应，以此提高用户行为异常检测的精度和准确性，从而有效保障系统的安全性和稳定性，保护用户免受潜在的风险。
本文档来自技高网...【技术保护点】
1.一种基于操作行为跟踪的异常用户行为识别方法，其特征在于，包括：
2.根据权利要求1所述的基于操作行为跟踪的异常用户行为识别方法，其特征在于，将所述用户行为语义编码特征向量的序列通过基于自相关注意力网络的用户行为语义上下文编码器以得到上下文用户行为语义编码特征向量的序列，包括：使用所述基于自相关注意力网络的用户行为语义上下文编码器以如下自相关提取公式对所述用户行为语义编码特征向量的序列进行处理以得到所述上下文用户行为语义编码特征向量的序列；
3.根据权利要求2所述的基于操作行为跟踪的异常用户行为识别方法，其特征在于，对所述上下文用户行为语义编码特征向量的序列进行用户行为本质语义模式特征提取以得到用户行为本质语义模式特征，包括：将所述上下文用户行为语义编码特征向量的序列输入基于本质特征提取网络的用户行为本质语义模式特征提取器以得到用户行为本质语义模式特征向量作为所述用户行为本质语义模式特征。
4.根据权利要求3所述的基于操作行为跟踪的异常用户行为识别方法，其特征在于，将所述上下文用户行为语义编码特征向量的序列输入基于本质特征提取网络的用户行为本
5.根据权利要求4所述的基于操作行为跟踪的异常用户行为识别方法，其特征在于，基于所述本质语义模式特征，确定监测结果，包括：将所述用户行为本质语义模式特征向量通过基于分类器的用户行为异常监测器以得到监测结果，所述监测结果用于表示用户行为是否存在异常。
6.根据权利要求5所述的基于操作行为跟踪的异常用户行为识别方法，其特征在于，还包括训练步骤：用于对所述基于自相关注意力网络的用户行为语义上下文编码器、所述基于本质特征提取网络的用户行为本质语义模式特征提取器和所述基于分类器的用户行为异常监测器进行训练。
7.根据权利要求6所述的基于操作行为跟踪的异常用户行为识别方法，其特征在于，所述训练步骤，包括：
8.根据权利要求7所述的基于操作行为跟踪的异常用户行为识别方法，其特征在于，将所述优化后的训练用户行为本质语义模式特征向量通过所述基于分类器的用户行为异常监测器以得到分类损失函数值，包括：
...【技术特征摘要】
1.一种基于操作行为跟踪的异常用户行为识别方法，其特征在于，包括：
2.根据权利要求1所述的基于操作行为跟踪的异常用户行为识别方法，其特征在于，将所述用户行为语义编码特征向量的序列通过基于自相关注意力网络的用户行为语义上下文编码器以得到上下文用户行为语义编码特征向量的序列，包括：使用所述基于自相关注意力网络的用户行为语义上下文编码器以如下自相关提取公式对所述用户行为语义编码特征向量的序列进行处理以得到所述上下文用户行为语义编码特征向量的序列；
3.根据权利要求2所述的基于操作行为跟踪的异常用户行为识别方法，其特征在于，对所述上下文用户行为语义编码特征向量的序列进行用户行为本质语义模式特征提取以得到用户行为本质语义模式特征，包括：将所述上下文用户行为语义编码特征向量的序列输入基于本质特征提取网络的用户行为本质语义模式特征提取器以得到用户行为本质语义模式特征向量作为所述用户行为本质语义模式特征。
4.根据权利要求3所述的基于操作行为跟踪的异常用户行为识别方法，其特征在于，将所述上下文用户行为语义编码特征向量的序列输入基于本质特征提取网络的用户行为本质语义模式特征提取器以得到用户行为本质语义模式特征向量作为...
【专利技术属性】
技术研发人员：党芳芳，宋宁希，刘晗，李丁丁，李帅，宋一凡，焦琪迪，王浩，金星，王志颖，
申请(专利权)人：国网河南省电力公司信息通信分公司，
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。