[发明专利]一种基于多标签超网络的云用户行为认定方法

说明书

本发明涉及信息安全可信性技术领域，运用多标签超网络的云用户行为认定模型，实现了用户行为的细粒度划分，提高了异常检测的准确率。该方法将用户正常行为数据库训练成一个超网络，把当前的用户行为作为实例加入到超网络中进行分类。如果一次分类成功找到标签，则认定为正常用户。若没找到标签，则更新超网络权重，替换超边，再次进行标签寻找。若找到标签，则认定为风险型用户，反之则认定为恶意用户。仿真实验结果表明，该方案在分类精度上有明显提升。用于云用户行为的认定，实现了细粒度划分，提高了对用户行为的处理能力。

技术领域

本发明属于信息安全可信性技术领域，具体涉及一种基于多标签超网络的云用户行为认定方法。

背景技术

近年来，信息技术飞速发展，世界经济迅速融为一体，人类已经进入了大数据时代，伴随着移动终端数量的急剧增长，移动云计算的广泛应用成为不可逆转的趋势，云计算从桌面市场转向移动市场是主要的发展方向，但也从中产生了各种各样的复杂问题，其中“用户—环境—服务”三个层面尤为突出，移动云服务以移动智能终端为信息接入口，通过移动互联网络实现各类综合服务，如何向用户提供绿色、可靠、稳定的终端服务则是移动云服务领域的核心与关键，从用户角度出发，如何在用户和云之间建立一个信任关系成为研究热点，如何在云服务进入实质性服务提供流程之前，对用户行为进行细粒度划分，成为亟待解决的问题。

用户行为划分问题实际上就是分类问题，分类算法亦是模式识别，数据挖掘，异常检测等领域中一个重要的研究方向，一直受到国内外研究学者的重视，所谓分类，是根据数据集的特征构造一个对应的分类器，利用该分类器对未知类别的对象赋予类别的一种技术，目前，单标签分类问题已经取得了深入的研究，并且有很多成熟的相关算法，例如朴素贝叶斯分类算法(Naive Bayes，NB)、支持向量机(Support Vector Machine，SVM)、k-邻近分类算法(K-Nearest Neighbour,KNN)等，多标签分类算法则是利用了行为标签之间的依赖来提升分类器的性能，对于一些不太复杂且规模较小的关系数据，能够获得较好的分类精度，但节点的特征难以通过关联分类模型来学习获得，随着对分类算法研究的不断增多和深入，将分类算法与现实问题相结合，用于数据挖掘，兴趣推荐，异常检测等领域，越来越多的应用成果涌现。

发明内容

本发明的目的是提供一种基于多标签超网络的云用户行为认定方法，实现了用户行为的细粒度划分，提高了异常检测的准确率，该方法将用户正常行为数据库训练成一个超网络，把当前的用户行为作为实例加入到超网络中进行分类，如果一次分类成功找到标签，则认定为正常用户，若没找到标签，则更新超网络权重，替换超边，二次进行标签寻找，若找到标签，则认定为风险型用户，反之则认定为恶意用户。

为了达到上述目的，本发明所采用的技术方案是：

一种基于多标签超网络的云用户行为认定方法，该认定方法将用户的正常行为数据库训练成一个超网络模型，并把当前用户的实时行为作为实例加入到超网络模型中进行分类，如果一次分类成功找到标签，则认定为正常用户，若没找到标签，则更新超网络模型的超边权重，并替换超网络模型的超边，二次进行标签寻找，若找到标签，则认定为风险型用户，反之则认定为恶意用户。

进一步的，将用户的正常行为数据库训练成一个超网络模型的过程包括以下步骤：

步骤S1，对用户的正常行为数据库中的数据进行特征选择并获得训练数据实例x，将获得的训练数据实例x进行构造以形成训练集；