[发明专利]网络请求异常检测方法、装置与电子设备

权利要求书

1.一种网络请求异常检测方法，其特征在于，包括：

分别获取网络请求数据所携带的设备环境特征信息以及所述网络请求数据的UA中的设备环境标识信息；

计算所述设备环境特征信息与所述设备环境标识信息之间的关联程度，并基于所述关联程度，检测相应网络请求是否存在异常；

所述计算所述设备环境特征信息与所述设备环境标识信息之间的关联程度的步骤具体包括：

基于所述设备环境特征信息和所述设备环境标识信息，利用预训练完成的卷积神经网络模型，计算所述关联程度；

在所述利用预训练完成的卷积神经网络模型，计算所述关联程度的步骤之前，还包括：

基于一定数量的请求程序训练样本，在程序页面打开与加载阶段以及行为验证阶段，分别构建程序对信号的实际返回与设定返回的时间差序列，并生成样本设备环境特征信息；

从所述程序训练样本的UA中，读取与所述样本设备环境特征信息对应的设备环境标识字段，并针对各所述样本设备环境特征信息，获取不对应的设备环境标识字段，构成样本设备环境标识信息；

利用建立的基础卷积神经网络模型，迭代学习所述样本设备环境特征信息与所述样本设备环境标识信息间的关联关系，获取所述预训练完成的卷积神经网络模型。

2.根据权利要求1所述的方法，其特征在于，所述生成样本设备环境特征信息的步骤具体包括：

对于所述程序页面打开与加载阶段和所述行为验证阶段，分别将其对应的所述时间差序列通过后置补零扩展到固定长度，并基于固定长度的时间差序列，分别提取设备环境特征向量；

将所述程序页面打开与加载阶段和所述行为验证阶段分别对应的设备环境特征向量进行级联，获取所述样本设备环境特征信息。

3.根据权利要求1所述的方法，其特征在于，所述构成样本设备环境标识信息的步骤具体包括：

从所述对应的设备环境标识字段和所述不对应的设备环境标识字段中，分别提取设备环境相关的字段信息，并利用实体嵌入算法，将所述设备环境相关的字段信息向量化，获取所述样本设备环境标识信息。

4.根据权利要求1所述的方法，其特征在于，在所述基于所述关联程度，检测相应网络请求是否存在异常的步骤之前，还包括：

基于非异常网络请求中设备环境特征信息与设备环境标识信息之间的匹配度，设定异常阈值；

相应的，所述基于所述关联程度，检测相应网络请求是否存在异常的步骤具体包括：

比较所述关联程度与所述异常阈值的大小，并在所述关联程度小于所述异常阈值时，判定所述网络请求存在异常。

5.一种网络请求异常检测装置，其特征在于，包括：

信息获取模块，用于分别获取网络请求数据所携带的设备环境特征信息以及所述网络请求数据的UA中的设备环境标识信息；

检测输出模块，用于计算所述设备环境特征信息与所述设备环境标识信息之间的关联程度，并基于所述关联程度，检测相应网络请求是否存在异常；

所述计算所述设备环境特征信息与所述设备环境标识信息之间的关联程度的步骤具体包括：

基于所述设备环境特征信息和所述设备环境标识信息，利用预训练完成的卷积神经网络模型，计算所述关联程度；

在所述利用预训练完成的卷积神经网络模型，计算所述关联程度的步骤之前，还包括：

基于一定数量的请求程序训练样本，在程序页面打开与加载阶段以及行为验证阶段，分别构建程序对信号的实际返回与设定返回的时间差序列，并生成样本设备环境特征信息；

从所述程序训练样本的UA中，读取与所述样本设备环境特征信息对应的设备环境标识字段，并针对各所述样本设备环境特征信息，获取不对应的设备环境标识字段，构成样本设备环境标识信息；

利用建立的基础卷积神经网络模型，迭代学习所述样本设备环境特征信息与所述样本设备环境标识信息间的关联关系，获取所述预训练完成的卷积神经网络模型。