[发明专利]信息安全风险预测方法、装置以及计算设备、存储介质

权利要求书

1.一种信息安全风险预测方法，其特征在于，所述方法包括：

获取待评价终端的至少一类操作数据；

对各类操作数据进行分析，确定各类操作数据分别对应的风险值；

基于预先确定的核密度分布和各类操作数据的风险值，确定所述待评价终端的风险评估值，其中，所述核密度分布是预先根据多用户基本信息生成的，且所述核密度分布用于表示基于用户基本信息的风险值的概率分布；

其中，根据多用户基本信息生成核密度分布，包括：

针对每种用户基本信息执行：以该用户基本信息取值中的指定取值区间为基准，统计各指定取值区间对应的人数；并根据各指定取值区间及对应的人数，结合核密度估计算法确定该用户基本信息对应的核密度分布。

2.根据权利要求1所述的方法，其特征在于，每种用户基本信息分别对应一种核密度分布，所述基于预先确定的核密度分布和各类操作数据的风险值，确定所述待评价终端的风险评估值，包括：

针对每类操作数据执行：

针对每种用户基本信息执行：确定该类操作数据的风险值在该用户基本信息的核密度分布中对应的风险值区间；并根据确定的风险值区间确定该风险值在该用户基本信息的核密度分布中的概率值，并确定该概率值的倒数为该类操作数据与该用户基本信息结合得到的风险结合值；

将对应同一用户基本信息的各类操作数据的风险结合值进行加权求和，将得到的加权求和结果作为该用户基本信息对应的风险值；

将各用户基本信息对应的风险值进行加权求和，得到所述待评价终端的风险评估值。

3.根据权利要求1所述的方法，其特征在于，对各类操作数据进行分析，确定各类操作数据分别对应的风险值，包括：

若操作数据为网络拓扑数据，则按照访问的拓扑逐级生成与各级对应的访问向量，其中该访问向量中的值为所述待评价终端在相应网络节点的访问时长；

将不同时间段的网络拓扑数据中，同一网络层级的向量进行差值计算，并以各网络层级对应的层级数为权重进行加权求和，得到网络拓扑的风险值。

4.根据权利要求2所述的方法，其特征在于，对各类操作数据进行分析，确定各类操作数据分别对应的风险值，包括：

针对除网络拓扑数据之外的每类操作数据执行：将该类操作数据输入至对应的风险值预测模型，得到所述操作数据对应的风险值，其中，各风险值预测模型是根据以下方法训练得到的：

获取各终端的历史操作数据的预测值；

确定所述预测值与真实值之间的差值；

根据所述差值采用基线学习的方法训练风险值预测模型。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：

若所述风险评估值大于预设阈值，则采用所述待评价终端的二次评估数据与同类终端的二次评估数据的核密度分布进行比较分析，确定所述待评价终端二次评估数据的离群度；

若所述离群度大于指定离群度，则生成提示信息并发送给风险审核终端。

6.根据权利要求5所述的方法，其特征在于，二次评估数据包括至少一类，采用所述待评价终端的二次评估数据与同类终端的二次评估数据的核密度分布进行比较分析，确定所述待评价终端二次评估数据的离群度，包括：

分别确定各类二次评估数据在相应的核密度分布中的概率；

将确定的概率的倒数进行加权求和，得到所述离群度。