[发明专利]用户异常行为检测方法、装置、电子设备及存储介质

权利要求书

1.一种用户异常行为检测方法，其特征在于，包括：

获取目标用户的用户行为链数据，所述用户行为链数据包括多个按时序排列的所述目标用户的用户状态和每一用户状态的滞留时长；

基于第一用户状态转移至第二用户状态的转移概率，得到转移指数，所述转移概率通过预训练的马尔科夫模型确定，所述第一用户状态和所述第二用户状态为所述用户行为链数据中前后相邻的两个用户状态；

基于第一用户状态的滞留时长与第一用户状态的正常时长范围，得到滞留指数，所述正常时长范围通过拉依达准则确定；

将所述转移指数和所述滞留指数结合，得到第二用户状态的异常指数；

将所述第二用户状态的异常指数和历史用户状态的异常指数结合，得到用户行为异常指数，所述历史用户状态包括所述用户行为链数据中所述第二用户状态之前的用户状态；

基于所述用户行为异常指数，确定所述目标用户的用户行为是否存在异常。

2.根据权利要求1所述的用户异常行为检测方法，其特征在于，在基于第一用户状态转移至第二用户状态的转移概率，得到转移指数之前，所述方法还包括：

采集正常用户行为链数据，所述正常用户行为链数据包括多个按时序排列的用户状态；

基于所述正常用户行为链数据中的用户状态训练马尔科夫模型；

基于训练后的马尔科夫模型，得到所述目标用户的用户行为链数据中不同用户状态之间的转移概率。

3.根据权利要求1所述的用户异常行为检测方法，其特征在于，在基于所述滞留时长与正常时长范围的关系，得到状态滞留指数之前，所述方法还包括：

采集正常用户行为链数据，所述正常用户行为链数据包括多个用户状态的滞留时长；

基于所述正常用户行为链数据中每个用户状态的滞留时长，利用拉依达准则确定每个用户状态的正常时长范围。

4.根据权利要求1所述的用户异常行为检测方法，其特征在于，所述将所述转移指数和所述滞留指数结合，得到第二用户状态的异常指数，具体包括：

基于预设的加法模型或乘法模型，将所述转移指数和所述滞留指数结合，得到第二用户状态的异常指数。

5.根据权利要求4所述的用户异常行为检测方法，其特征在于，当基于预设的加法模型结合时，将所述转移指数和所述滞留指数相加，计算得到第二用户状态的异常指数；

当基于预设的乘法模型结合时，将所述转移指数和所述滞留指数相乘，计算得到第二用户状态的异常指数。

6.根据权利要求1所述的用户异常行为检测方法，其特征在于，所述将所述第二用户状态的异常指数和历史用户状态的异常指数结合，得到用户行为异常指数，具体包括：

设定第二用户状态的异常指数和历史用户状态的异常指数权重系数；

将第二用户状态的异常指数和历史用户状态的异常指数按照设定的权重系数相加，得到用户行为异常指数。

7.根据权利要求1所述的用户异常行为检测方法，其特征在于，所述基于所述用户行为异常指数，确定所述目标用户的用户行为是否存在异常，具体包括：

判断用户行为异常指数是否在预设阈值范围内；

若是，则确定所述目标用户的用户行为存在异常。

8.根据权利要求1所述的用户异常行为检测方法，其特征在于，所述转移指数为所述转移概率与转移参数的和的倒数，所述转移参数为任意大于0的实数，所述方法还包括：

判断第一用户状态的滞留时长是否在第一用户状态的正常时长范围内；

若是，则将滞留指数设为第一滞留指数；

若否，则将滞留指数设为第二滞留指数；

其中，所述第一滞留指数和所述第二滞留指数均为任意大于0的实数，且所述第一滞留指数小于所述第二滞留指数；

当所述用户异常行为指数大于预设阈值时，确定用户行为异常。