[发明专利]目标设备的预测方法、装置、电子设备及存储介质

说明书

本公开实施例公开了一种目标设备的预测方法、装置、电子设备及存储介质。该方法包括：获取网络拓扑结构下预设设备在预定时间段内产生的远程登录日志；从所述远程登录日志中提取预设特征属性；利用预先训练好的设备预测模型对所述预设特征属性进行处理，并预测所述预设设备是否为所述网络拓扑结构下的目标设备；其中，所述目标设备被用于管控所述网络拓扑结构下的多个设备。通过本公开的实施方式，可以从海量远程登录日志中提取出相关特征，并通过预先训练好的设备预测模型对相关特征进行分析处理，从海量设备中定位出对其他设备具有管控能力的目标设备。

技术领域

本公开涉及计算机技术领域，具体涉及一种目标设备的预测方法、装置、电子设备及存储介质。

背景技术

在同一网络拓扑结构下，有些设备为应用设备，而有些设备为运维管控设备。管理人员或者开发人员可以通过一些特定的设备登录其他应用设备以进行运维管理操作。这些特定的设备通常有具有登录大量其他设备的能力，可以称之为运维管控设备。运维管控设备一旦被黑客攻陷，会直接导致大量应用设备被攻陷。因此，如何梳理出这些运维管控设备，则是业内普遍存在的一大难题。

发明内容

本公开实施例提供一种目标设备的预测及设备预测模型的训练方法、装置、电子设备、计算机可读存储介质。

第一方面，本公开实施例中提供了一种目标设备的预测方法，包括：获取网络拓扑结构下预设设备在预定时间段内产生的远程登录日志；从所述远程登录日志中提取预设特征属性；利用预先训练好的设备预测模型对所述预设特征属性进行处理，并预测所述预设设备是否为所述网络拓扑结构下的目标设备；其中，所述目标设备被用于管控所述网络拓扑结构下的多个设备。

进一步地，所述预设特征属性包括所述预设设备在所述预定时间段内远程登录所述网络拓扑结构下其他设备的次数和/或个数。

进一步地，针对每条所述远程登录日志，所述预设特征属性还包括以下至少一项：所述预设设备远程登录其他设备时是否使用密钥登录；所述预设设备以何种用户身份远程登录其他设备；所述预设设备是否登录成功。

进一步地，所述方法还包括：获取多个训练样本；其中，所述训练样本包括特征部分和结果标注部分，所述特征部分包括所述预设特征属性，所述结果标注部分用于标注所述训练样本为正训练样本还是负训练样本；利用多个所述训练样本对人工智能模型进行训练，得到所述设备预测模型。

进一步地，所述获取多个训练样本包括：获取所述网络拓扑结构下多个设备在历史时间段内产生的远程登录日志；从所述远程登录日志确定所述多个设备登录其他设备的次数和/或个数；从所述次数和/或个数满足预设条件的第一设备对应的远程登录日志，生成正训练样本，从所述次数和/或个数不满足所述预设条件的第二设备对应的远程登录日志生成负训练样本。

第二方面，本公开实施例提供了一种设备预测模型的训练方法，包括：获取网络拓扑结构下多个设备在历史时间段内产生的远程登录日志；从所述远程登录日志确定所述多个设备登录其他设备的次数和/或个数；从所述次数和/或个数满足预设条件的第一设备对应的远程登录日志，生成正训练样本，从所述次数和/或个数不满足所述预设条件的第二设备对应的远程登录日志生成负训练样本；利用所述正训练样本和负训练样本对人工智能模型进行训练，得到设备预测模型。

进一步地，从所述次数和/或个数满足预设条件的第一设备对应的远程登录日志，生成正训练样本，从所述次数和/或个数不满足所述预设条件的第二设备对应的远程登录日志生成负训练样本，包括：从所述第一设备对应的远程登录日志提取第一预设特征属性，根据所述第一预设特征属性生成所述正训练样本；从所述第二设备对应的远程登录日志提取所述第二预设特征属性，根据所述第二预设特征属性生成所述负训练样本。

进一步地，所述第一预设特征属性至少包括所述第一设备远程登录其他设备的次数和/或个数；和/或，所述第二预设特征属性至少包括所述第二设备远程登录其他设备的次数和/或个数。