[发明专利]业务请求数据的风险识别方法、装置、存储介质及设备

说明书

本发明公开一种业务请求数据的风险识别方法、装置、存储介质及设备；所述业务请求数据的风险识别方法包括以下步骤：获取目标网站在预设维度的业务请求数据；将所述业务请求数据输入至预设图卷积神经网络模型，生成目标轨迹数据；基于预设轨迹数据和所述目标轨迹数据，判断所述业务请求数据是否异常。本发明技术方案中的通过获取目标网站业务请求数据，再通过预设图卷积神经网络模型对业务请求数据进行处理；基于预设轨迹数据和所述目标轨迹数据，判断所述业务请求数据是否异常，从而对潜在风险进行识别。如此，提高了网页验证的安全性。

技术领域

本发明涉及网络安全领域，特别涉及一种业务请求数据的风险识别方法、装置、存储介质及设备。

背景技术

从互联网网站向其用户敞开参与交互功能的第一天起，如何保护网站资源不被恶意程序侵犯和消耗但又保持用户体验一直是一个难题。验证码作为区分人机的验证机制，广泛地应用在网上银行、免费下载、论坛登录、账号注册等交互模块，来防止计算机程序模拟人类用户来滥用网络资源。近年来随着网站交互资源日益丰富，为了保护这些网站资源不被恶意程序侵犯，如何去配置一个符合业务发展的智能型验证码，是每个网站主都应当思考的问题。

现有技术通常是采用字符验证，传统字符验证码为了应对日益发展的计算机技术，不得不对字符进行噪声、旋转、扭曲、粘连等方式处理，面对众多成熟且开源的破解手段，这些方法往往于事无补，字符验证码被破解率高达95％以上。另一方面，模糊不清的验证码将加大用户的使用门槛，导致真实的目标用户流失。

发明内容

本发明的主要目的是提供一种业务请求数据的风险识别方法，旨在提升网页验证的安全性。

为实现上述目的，本发明提出的一种业务请求数据的风险识别方法，所述业务请求数据的风险识别方法包括以下步骤：

获取目标网站在预设维度的业务请求数据；

将所述业务请求数据输入至预设图卷积神经网络模型，生成目标轨迹数据；

基于预设轨迹数据和所述目标轨迹数据，判断所述业务请求数据是否异常。

优选地，在所述获取目标网站的预设维度的业务请求数据之前，所述业务请求数据的风险识别方法还包括：

获取若干样本业务请求数据及对应的样本识别结果，根据所述样本业务请求数据和所述样本识别结果建立预设图卷积神经网络模型。

优选地，所述获取若干样本业务请求数据及对应的样本识别结果，根据所述样本业务请求数据和所述样本识别结果建立预设图卷积神经网络模型，具体包括：

获取样本业务请求数据及样本业务请求数据的样本识别结果，并获取初始图卷积神经网络模型模型；

通过所述样本业务请求数据及样本业务请求数据的样本识别结果对所述初始图卷积神经网络模型模型进行训练；

将训练后的图卷积神经网络模型模型作为所述预设图卷积神经网络模型模型。

优选地，所述基于预设轨迹数据和所述目标轨迹数据，判断所述业务请求数据是否异常，具体包括：

将所述预设轨迹数据和所述目标轨迹数据进行比较，获取所述预设轨迹数据和所述目标轨迹数据的匹配度；

当所述匹配度大于预设阈值时，判定所述业务请求数据正常；

当所述匹配度小于预设阈值时，判定所述业务请求数据异常。

优选地，在所述当所述匹配度小于预设阈值时，判断所述业务请求数据异常之后，所述业务请求数据的风险识别方法还包括：

根据所述匹配度生成安全风险等级，将安全风险等级进行展示。