[发明专利]用户异常行为的检测方法及用户行为重构模型的训练方法

说明书

本公开提供了一种用户异常行为的检测方法及用户行为重构模型的训练方法，涉及人工智能领域，具体为大数据处理和深度学习技术领域。该方案为：获取待检测用户的行为数据；根据行为数据，获取原始向量矩阵；将原始向量矩阵输入至用户行为重构模型中对原始向量矩阵进行重构，以得到重构向量矩阵；获取原始向量矩阵和重构向量矩阵之间的相似度，以根据相似度，确定重构误差；响应于重构误差大于重构误差阈值，则确定待检测用户的行为数据对应的用户行为为异常行为。由此，本公开基于重构向量矩阵和原始向量矩阵之间的重构误差，对待检测用户的行为数据的正常程度进行评估，提高了用户异常行为检测过程中的有效性、可靠性和鲁棒性。

技术领域

本公开的实施例总体上涉及计算机技术领域，并且更具体地涉及人工智能领域，具体为大数据处理和深度学习技术领域。

背景技术

随着互联网和云业务的飞速发展，互联网已能够满足用户越来越多的获取信息和服务的需求。然而，与此同时，用户端(客户端)和服务端也都面临着越来越多的安全威胁。其中，针对网站或者服务端，如何检测用户异常行为，并及时针对存在的异常行为做出相应的处理措施，对于维护网络安全有着至关重要的作用。

相关技术中，用户异常行为检测通常无法检测出新出现的异常行为和用户可变的访问行为从而导致用户行为检测的检测结果不够准确。

因此，如何提高用户异常行为的检测过程中的有效性和可靠性，已成为了重要的研究方向之一。

发明内容

本公开提供了一种用户异常行为的检测方法及用户行为重构模型的训练方法。

根据第一方面，提供了一种用户异常行为的检测方法，包括：

获取待检测用户的行为数据；

根据所述待检测用户的行为数据，获取原始向量矩阵；

将所述原始向量矩阵输入至用户行为重构模型中对所述原始向量矩阵进行重构，以得到重构向量矩阵，其中，所述用户行为重构模型输出的所述重构向量矩阵为所述原始向量矩阵映射到正常行为的矩阵；

获取所述原始向量矩阵和所述重构向量矩阵之间的相似度，以根据所述相似度，确定重构误差；

响应于所述重构误差大于重构误差阈值，则确定所述待检测用户的行为数据对应的用户行为为异常行为。

根据第二方面，提供了一种用户行为重构模型的训练方法，包括：

获取已标注重构结果的待检测用户的样本行为数据；

根据所述已标注重构结果的待检测用户的样本行为数据，获取原始训练向量矩阵；

将所述原始训练向量矩阵输入至待训练的用户行为重构模型中对所述原始训练向量矩阵进行重构，以得到重构训练向量矩阵，其中，所述用户行为重构模型输出的所述重构训练向量矩阵为所述原始训练向量矩阵映射到正常行为的矩阵；

根据所述原始训练向量矩阵对应的所述重构结果和所述原始训练向量矩阵对应的所述标注重构结果的差异，调整待训练的所述用户行为重构模型中的模型参数，并返回所述获取已标注重构结果的待检测用户的样本行为数据步骤，直至所述原始训练向量矩阵对应的所述重构结果和所述原始训练向量矩阵对应的所述标注重构结果的所述差异符合预设的训练结束条件，将最后一次调整所述模型参数后的待训练的所述用户行为重构模型确定为训练好的所述用户行为重构模型。

根据第三方面，提供了一种用户异常行为的检测装置，包括：

第一获取模块，用于获取待检测用户的行为数据；

第二获取模块，用于根据所述待检测用户的行为数据，获取原始向量矩阵；