[发明专利]一种基于人工智能的对象识别方法和相关装置

权利要求书

1.一种对象识别方法，其特征在于，所述方法包括：

获取通过网络行为所产生的网络行为数据，所述网络行为数据包括标识所述网络行为的行为信息，以及与所述网络行为相关的多个对象；

根据所述网络行为数据确定关联结构；所述关联结构包括所述多个对象分别对应的对象节点，所述对象节点间的关联关系体现所述多个对象间基于所述网络行为建立的关联；所述对象节点的时序行为特征是根据与所述对象节点相关的网络行为数据确定的；

若所述多个对象中的目标对象被确定为待识别对象，根据所述待识别对象在所述关联结构中对应的目标对象节点、所述关联关系以及至少一级邻居关系确定与所述目标对象节点相邻的相邻对象节点；所述相邻对象节点对应的对象为关联对象，所述相邻对象节点包括直接与所述目标对象节点相邻的对象节点，和/或间接与所述目标对象节点相邻的对象节点；所述关联关系用于标识所述网络行为数据中所述对象间基于所述网络行为建立的关联；

根据所述关联对象的时序行为特征确定邻居特征集合；所述关联对象的时序行为特征是根据与所述关联对象相关的网络行为数据确定的，所述邻居特征集合包括指定数量的时序行为特征；

根据所述邻居特征集合识别所述待识别对象的类型。

2.根据权利要求1所述的方法，其特征在于，所述根据所述关联对象的时序行为特征确定邻居特征集合，包括：

若所述关联对象的数量小于所述指定数量，根据所述关联对象的时序行为特征进行复用，以将所述邻居特征集合中的时序行为特征的数量增加到所述指定数量；

若所述关联对象的数量大于所述指定数量，从所述关联对象的时序行为特征中选取所述指定数量的时序行为特征作为所述邻居特征集合。

3.根据权利要求1所述的方法，其特征在于，所述根据所述邻居特征集合识别所述待识别对象的类型，包括：

通过对所述邻居特征集合中的时序行为特征进行聚合，得到所述待识别对象对应的待检测特征向量；

根据所述待检测特征向量，通过神经网络模型确定所述待识别对象的类型。

4.根据权利要求3所述的方法，其特征在于，所述神经网络模型是通过如下方式训练的：

根据历史网络行为数据和所述历史网络行为数据所标识的历史关联关系，确定已识别对象的历史邻居特征集合；所述历史邻居特征集合包括所述指定数量的时序行为特征；

根据所述历史邻居特征集合和所述已识别对象的类型确定训练数据；

根据所述训练数据训练所述神经网络模型。

5.根据权利要求4所述的方法，其特征在于，所述网络行为数据所标识的关联关系与所述历史网络行为数据所标识的历史关联关系不同。

6.根据权利要求1-5任意一项所述的方法，其特征在于，所述多个对象包括用户标识和/或设备标识，所述设备标识用于标识对象的网络位置和/或硬件信息。

7.根据权利要求1-5任意一项所述的方法，其特征在于，所述网络行为数据为在目标软件中所实施的网络行为产生的。