[发明专利]基于人工智能的异常操作分析方法及大数据应用系统

权利要求书

1.一种基于人工智能的异常操作分析方法，其特征在于，应用于大数据应用系统，所述大数据应用系统与所述多个用户终端通信连接，所述方法包括：

响应针对目标大数据应用系统的异常操作分析指令，调取所述目标大数据应用系统的系统请求响应大数据；

对所述系统请求响应大数据进行异常操作分析，确定对应的满足特征关注权重的异常操作活动以及所述异常操作活动对应的历史先验异常根因信息；

基于所述异常操作活动以及所述异常操作活动对应的历史先验异常根因信息，对对应的用户终端进行异常信息提示。

2.根据权利要求1所述的基于人工智能的异常操作分析方法，其特征在于，所述对所述系统请求响应大数据进行异常操作分析，确定对应的满足特征关注权重的异常操作活动以及所述异常操作活动对应的历史先验异常根因信息的步骤，包括：

结合所述系统请求响应大数据，确定所述系统请求响应大数据对应的第一数量个第一请求响应事件和各第一请求响应事件对应的响应操作轨迹特征；

针对各所述第一请求响应事件，结合所述第一请求响应事件的响应操作轨迹特征，确定所述第一请求响应事件对应的特征关注权重；结合各所述第一请求响应事件对应的特征关注权重，对所述第一数量个第一请求响应事件分别对应的响应操作轨迹特征进行特征更新，生成第二数量个第二请求响应事件和各第二请求响应事件对应的响应操作轨迹特征，其中，所述第二数量小于所述第一数量；

结合各所述第二请求响应事件对应的响应操作轨迹特征，确定所述系统请求响应大数据的异常操作活动；以及，结合历史先验异常根因知识库，确定所述异常操作活动对应的历史先验异常根因信息；

所述针对各所述第一请求响应事件，结合所述第一请求响应事件的响应操作轨迹特征，确定所述第一请求响应事件对应的特征关注权重，包括：

针对各所述第一请求响应事件，对所述第一请求响应事件对应的响应操作轨迹特征进行基于惩罚性的特征选择，生成所述第一请求响应事件对应的目标选择特征；

结合各所述第一请求响应事件对应的目标选择特征，确定所述第一请求响应事件对应的特征关注权重。

3.根据权利要求2所述的基于人工智能的异常操作分析方法，其特征在于，所述结合各所述第一请求响应事件对应的目标选择特征，确定所述第一请求响应事件对应的特征关注权重，包括：

对所述各第一请求响应事件对应的目标选择特征进行规则化转换，生成规则化转换后的目标选择特征；

对所述规则化转换后的目标选择特征进行迭代聚类分析，生成第一迭代聚类分析特征；其中，所述第一迭代聚类分析特征对应的特征维度数量小于所述目标选择特征对应的特征维度数量；

结合各所述第一请求响应事件对应的第一迭代聚类分析特征，确定各所述第一请求响应事件对应的特征关注权重。

4.根据权利要求3所述的基于人工智能的异常操作分析方法，其特征在于，所述对所述各第一请求响应事件对应的目标选择特征进行规则化转换，生成规则化转换后的目标选择特征，包括：

结合各所述第一请求响应事件对应的目标选择特征，确定各所述第一请求响应事件对应的可转换知识点；

结合各所述第一请求响应事件对应的可转换知识点，对所述各第一请求响应事件对应的目标选择特征进行规则化转换，生成规则化转换后的目标选择特征。

5.根据权利要求3或4所述的基于人工智能的异常操作分析方法，其特征在于，所述对所述规则化转换后的目标选择特征进行迭代聚类分析，生成第一迭代聚类分析特征，包括：

结合所述规则化转换后的目标选择特征，确定所述规则化转换后的目标选择特征对应的特征标签传播向量；

通过所述特征标签传播向量，对所述规则化转换后的目标选择特征进行迭代聚类分析，生成所述第一迭代聚类分析特征；

所述结合各所述第一请求响应事件对应的第一迭代聚类分析特征，确定各所述第一请求响应事件对应的特征关注权重，包括：

对各所述第一迭代聚类分析特征进行基于设定特征衍生规则的特征衍生，并对特征衍生后的所述第一迭代聚类分析特征进行迭代聚类分析，生成各所述第一迭代聚类分析特征对应的第二迭代聚类分析特征；

结合各所述第二迭代聚类分析特征，确定各所述第一请求响应事件对应的特征关注权重。