[发明专利]行为分析方法、装置、电子设备及计算机程序产品

权利要求书

1.一种行为分析方法，其特征在于，包括：

根据实时行为数据对应的目标业务类型，将所述实时行为数据与异常行为特征库中所述目标业务类型对应的各异常行为特征进行匹配；

根据匹配结果确定行为分析结果；

其中，所述各异常行为特征是将所述目标业务类型对应的正负训练样本输入异常特征训练模型进行训练后生成的；

所述正负训练样本是根据所述目标业务类型对应的异常操作行为基线确定的。

2.根据权利要求1所述的行为分析方法，其特征在于，还包括：

根据所述目标业务类型对应的各用户的历史行为数据确定所述异常操作行为基线。

3.根据权利要求2所述的行为分析方法，其特征在于，所述根据所述目标业务类型对应的各用户的历史行为数据确定所述异常操作行为基线，包括：

将所述目标业务类型对应的各用户的历史行为数据进行相似度匹配，以确定相似度大于预设值的多个目标历史行为数据；

将所述多个目标历史行为数据输入机器学习模型进行聚类确定所述异常操作行为基线。

4.根据权利要求1-3任意一项所述的行为分析方法，其特征在于，所述根据匹配结果确定行为分析结果，包括：

当各所述异常行为特征中存在与所述实时行为数据相匹配的任一所述异常行为特征时，将所述实时行为数据判定为异常行为数据；

当各所述异常行为特征中不存在与所述实时行为数据相匹配的任一所述异常行为特征时，将所述实时行为数据判定为正常行为数据。

5.根据权利要求4所述的行为分析方法，其特征在于，所述将所述实时行为数据判定为异常行为数据之后，还包括：

将所述实时行为数据通过所述异常特征训练模型进行训练，以更新所述异常行为特征库。

6.根据权利要求5所述的行为分析方法，其特征在于，所述将所述实时行为数据通过所述异常特征训练模型进行训练，以更新所述异常行为特征库，包括：

提取所述实时行为数据的各项关键信息；

将所述实时行为数据与各项所述关键信息的敏感系数输入至异常特征训练模型，更新所述异常行为特征库。

7.根据权利要求4所述的行为分析方法，其特征在于，所述将所述实时行为数据判定为正常行为数据之后，还包括：

将所述实时行为数据作为历史行为数据输入至机器学习模型中进行训练，以更新所述目标业务类型对应的异常操作行为基线。

8.一种行为分析装置，包括：

行为特征匹配模块，用于根据实时行为数据对应的目标业务类型，将所述实时行为数据与异常行为特征库中所述目标业务类型对应的各异常行为特征进行匹配；

行为特征分析模块，用于根据匹配结果确定行为分析结果；

其中，所述各异常行为特征是将所述目标业务类型对应的正负训练样本输入异常特征训练模型进行训练后生成的；

所述正负训练样本是根据所述目标业务类型对应的异常操作行为基线确定的。

9.一种电子设备，包括处理器和存储有计算机程序的存储器，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7任一项所述的行为分析方法的步骤。

10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7任一项所述的行为分析方法的步骤。