[发明专利]一种异常数据访问的检测方法和装置

权利要求书

1.一种异常数据访问的检测方法，包括：

根据平台的数据访问行为日志中的待检测的数据访问行为数据和该待检测的数据访问行为数据对应的访问者信息，生成多个特征；

根据多个训练样本对组合模型进行训练；

使用训练完成后的所述组合模型对所述多个特征进行识别，输出风险评分，其中，所述组合模型中包括至少一个无监督分类模型和至少一个半监督分类模型；以及

根据所述风险评分确定所述待检测的数据访问行为数据是否异常，

其中，根据训练样本对所述组合模型进行训练，包括：

根据平台的数据访问行为日志中的作为训练样本的数据访问行为数据和该作为训练样本的数据访问行为数据对应的访问者信息，生成多个训练用特征的组合，其中，部分训练样本被标记为异常；以及

根据该多个训练用特征的组合，对所述组合模型进行训练，

根据训练样本对所述组合模型进行训练，还包括：

根据被标记为异常的训练样本在所述多个训练样本中的数量占比，调整所述组合模型中所述无监督分类模型的识别结果的权重和所述半监督分类模型的识别结果的权重。

2.如权利要求1所述的检测方法，其中，所述多个特征包括：

访问者风险特征、平台风险特征、访问者访问行为特征和被访问数据的风险特征。

3.一种异常数据访问的检测装置，包括：

第一生成单元，其根据平台的数据访问行为日志中的待检测的数据访问行为数据和该待检测的数据访问行为数据对应的访问者信息，生成多个特征；

训练单元，其根据多个训练样本对组合模型进行训练；

识别单元，其使用训练完成后的所述组合模型对所述多个特征进行识别，输出风险评分，其中，所述组合模型中包括至少一个无监督分类模型和至少一个半监督分类模型；以及

判断单元，其根据所述风险评分确定所述待检测的数据访问行为数据是否异常，

其中，所述训练单元包括：

第二生成单元，其根据平台的数据访问行为日志中的作为训练样本的数据访问行为数据和该作为训练样本的数据访问行为数据对应的访问者信息，生成多个训练用特征的组合，其中，部分训练样本被标记为异常；以及

模型训练单元，其根据该多个训练用特征的组合，对所述组合模型进行训练，

所述模型训练单元还根据被标记为异常的训练样本在所述多个训练样本中的数量占比，调整所述组合模型中所述无监督分类模型的识别结果的权重和所述半监督分类模型的识别结果的权重。

4.如权利要求3所述的检测装置，其中，所述多个特征包括：

访问者风险特征、平台风险特征、访问者访问行为特征和被访问数据的风险特征。