基于动态交互图的动态访问行为分析方法技术

本发明专利技术属于数据技术领域，具体为一种基于动态交互图的动态访问行为分析方法。本发明专利技术方法包括：构建动态交互图，以对动态访问行为进行准确表征；构建动态访问行为特征表示学习模型，用于对面向噪声的动态访问行为进行学习；通过模型训练，优化模型参数，对动态访问行为数据中噪声进行降噪处理，削弱噪声数据对模型效果带来的影响，并增强正常数据的贡献，增强模型区分异常行为特征的能力，增加模型鲁棒性；本发明专利技术可提高动态访问行为数据的分析准确性和效率，分析挖掘非法访问数据的行为，阻止非法访问操作。

【技术实现步骤摘要】

本专利技术属于数据，具体涉及一种动态访问行为分析方法。

技术介绍

1、在数字化时代，数据已成为推动各个领域智能化决策的核心要素。数据资源的收集和利用能力体现了竞争优势，而数据的开放共享被视为一种释放数据资源价值的重要途径。为了有效解决跨域的数据共享管理问题，降低数据泄露和数据滥用的风险，可以利用一种基于数据盒的数据自治安全建模方法。在该方法框架中，将数据盒作为数据共享的最小单元，支持共享数据的数据描述、数据操作、和数据约束等基本要素建模，封装数据保护机制。对于数据的访问和操作，外部软件或数据使用者只需通过调用数据盒提供的接口即可完成。

2、尽管数据盒对部分共享的数据进行了封装，数据使用者仍可能会利用授权的数据分析方法中的漏洞隐式地执行非法数据操作。因此，需要精准刻画高动态、细粒度的访问行为，建立动态访问行为监测策略，并在数据盒中集成访问监控程序。近年来，随着深度学习方法和动态图神经网络(temporal graph networks,tgns)的出现，许多相应的方法被应用于异常行为检测研究中，并在识别准确性上取得了一定的进展。数据使用者在数据盒本文档来自技高网...

【技术保护点】

1.一种基于动态交互图的动态访问行为分析方法，其特征在于，包括：构建动态交互图，以对动态访问行为进行准确表征；构建动态访问行为特征表示学习模型，用于对面向噪声的动态访问行为进行学习；通过模型训练，优化模型参数，对动态访问行为数据中噪声进行降噪，以增强模型；具体步骤如下：

2.根据权利要求1所述的基于动态交互图的动态访问行为分析方法，其特征在于，步骤(3)中模型整体优化过程为：

【技术特征摘要】

1.一种基于动态交互图的动态访问行为分析方法，其特征在于，包括：构建动态交互图，以对动态访问行为进行准确表征；构建动态访问行为特征表示学习模型，用于对面向噪声的动态访问行为进行学习；通过模型训练，...

【专利技术属性】
技术研发人员：熊贇，陈曦，王颖颖，张天乐，
申请(专利权)人：复旦大学，
类型：发明
国别省市：