[发明专利]异常访问检测方法及装置、电子设备和计算机可读介质

权利要求书

1.一种异常访问检测方法，其特征在于，包括：

获取第一时间内目标人员访问目标类别网站的第一访问量；

如果所述第一访问量超出所述目标人员第一时间内访问所述目标类别网站的正常访问量区间，则判断所述目标人员异常访问。

2.根据权利要求1所述方法，其特征在于，所述获取第一时间内目标人员访问目标类别网站的第一访问量包括：

获取所述第一时间内目标人员的网页访问信息；

确定第一时间内被访问网页的网站类别；

根据所述被访问网页的网站类别确定所述第一访问量。

3.根据权利要求2所述方法，其特征在于，所述网页访问信息包括被访问网页的URL信息，所述确定第一时间内被访问网页的网站类别包括：

将所述被访问网页的URL信息与网站类别库中的URL信息做比对，以确定所述第一时间内被访问网页的网站类别。

4.根据权利要求2所述方法，其特征在于，所述确定第一时间内被访问网页的网站类别包括：

根据所述第一时间内目标人员的网页访问信息获取被访问网页的文本内容；

根据所述文本内容获取待预测文本向量；

将所述待预测文本向量输入网站类别识别模型以确定所述被访问网页的网站类别。

5.根据权利要求4所述方法，其特征在于，所述根据所述文本内容获得待预测文本向量包括：

删除所述文本内容中不必要的字元；

基于Document Embedding方法将所述文本内容转换成所述待预测文本向量。

6.根据权利要求4所述方法，其特征在于，还包括：

获取第二时间内所述目标人员的网页访问信息及被访问网页的网站类别；

根据所述第二时间内所述目标人员网页访问信息获取第二时间内被访问网页的文本内容；

根据所述第二时间内被访问网页的文本内容获得待训练文本向量，并根据所述第二时间段被访问网页的网站类别获取被访问网页的网站类别向量；

基于所述待训练文本向量及其对应的网站类别向量训练卷积神经网络，以生成所述网站类别识别模型。

7.根据权利要求6所述方法，其特征在于，所述根据所述第二时间段被访问网页的网站类别获取被访问网页的网站类别向量包括：

对所述第二时间段内被访问网页的网站类别进行编号；

根据所述被访问网页的网站类别的编号获取所述被访问网页的网站类别向量。

8.根据权利要求7所述方法，其特征在于，所述根据所述被访问网页的网站类别的编号获取所述被访问网页的网站类别向量包括：

基于独热码编码机制对所述被访问网页的网站类别的编号进行编码，以获取所述网站类别向量。

9.一种异常访问检测装置，其特征在于，包括：

访问量获取模块，配置为获取第一时间内目标人员访问目标类别网站的第一访问量；

异常访问判断模块，配置为如果所述第一访问量超出所述目标人员访问所述目标类别网站的正常访问量区间，则判断所述目标人员异常访问。

10.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-8中任一项所述的方法。

11.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-8中任一项所述的方法。