[发明专利]一种异常账号检测方法、装置及计算机存储介质

说明书

本发明实施例公开了一种异常账号检测方法、装置及计算机存储介质，应用于计算机技术领域。其中，该方法包括：获取N个账号在预设时间内访问目标网址的N组访问数据，所述N组访问数据中的每组访问数据为M维数据，N和M均为正整数；采用高斯核函数将所述N组访问数据在每个维度上的数据映射到[0,1]区间；将所述[0,1]区间中分布异常的访问数据对应的账号确定为异常账号，所述分布异常的访问数据是与所述N个账号中的至少一半的账号的访问数据分布不同的访问数据。实施本发明实施例，能够准确高效的检测到异常访问的账号。

技术领域

本申请涉及互联网技术领域，尤其涉及一种异常账号检测方法、装置及计算机存储介质。

背景技术

如何避免公司关键数据的泄露，确保公司的信息安全，一直以来都是信息安全部门所关心的重大问题。目前传统的防止公司关键数据被窃取的方式有两类。第一种方式是人工设立一条警戒线，如果某一账号访问公司关键统一资源定位符(uniform resourcelocator，URL)的次数超过了这条警戒线，则取消该账号的权限或将其拉入黑名单之中。这种方法的局限在于，很难设定一条“正确”的警戒线，导致有些“擦边球”的违规账号无法被发现。第二种方式是通过机器学习的方式，通过标注“违规”和“不违规”的标签，用有监督的学习方法生成分类器。这种方式的缺陷在于，在实际操作中，无法明确地标注账号是否“违规”。除此之外，真实违规的账号占所有账号的比例非常之小，对有监督学习的效果影响非常大。现有技术中监测违规账号的方式效果差，精准度低，不能有效查找到异常访问的账号或者违规账号。

发明内容

本发明实施例提供了一种异常账号检测方法、装置及计算机存储介质，能够准确高效的检测到异常访问的账号。

第一方面，本发明实施例提供了一种异常账号检测方法，包括：

获取N个账号在预设时间内访问目标网址的N组访问数据，所述N组访问数据中的每组访问数据为M维数据，N和M均为正整数；

采用高斯核函数将所述N组访问数据在每个维度上的数据映射到[0,1]区间；

将所述[0,1]区间中分布异常的访问数据对应的账号确定为异常账号，所述分布异常的访问数据是与所述N个账号中的至少一半的账号的访问数据分布不同的访问数据。

实施本发明实施例，无需人工设定一条“警戒线”，也无需预先提供“异常”的样本，能够自动识别出访问行为存在异常的账号。改变了传统的监控异常行为的方式，采用无监督的方式利用高斯核算法自动识别出分别异常的账号，并且，针对某一访问数据，可以从不同的时间维度上进行分层(比如统计一分钟内访问的次数、一小时访问的次数，一天内访问的次数)，把一个特征按照时间维度划分为多个维度的特征分别进行高维空间映射，能够更加精准的查找到异常账号。

在一种可能的设计中，M等于1，即访问数据为一维数据；所述采用高斯核函数将所述N组访问数据在每个维度上的数据映射到[0,1]区间，包括：

利用铰链函数对所述N组访问数据进行初步变换，若所述N组访问数据中的目标访问数据大于所述N个访问数据中的众数，则将所述目标访问数据的值设置为所述目标访问数据与所述众数的差值；

若所述N组访问数据中的目标访问数据小于等于所述N个访问数据中的众数，则将所述目标访问数据的值设置为0；

根据经过所述初步变换后的所述N组访问数据中的众数确定高斯核变换的中心值；

根据经过所述初步变换后的所述N组访问数据中的最大值与最小值之差和第一预设值的乘积确定所述高斯核变换的尺度参数；

根据所述中心值和所述尺度参数进行高斯核变换处理得到一维空间，在所述一维空间中所述N组访问数据均分布到0-1值之间；

所述将所述[0,1]区间中分布异常的访问数据对应的账号确定为异常账号，包括：