[发明专利]异常程序行为检测方法、装置

说明书

本申请提供了一种异常程序行为检测方法、装置。该方法包括：从程序行为数据中获取程序行为特征数据；对程序行为特征数据进行聚类，得到离群特征数据；将离群特征数据输入至用于进行程序行为识别的机器学习模型中；根据机器学习模型的输出结果，确定异常的程序行为数据。本申请相比于现有技术中仅仅靠人工查找异常行为数据，能够更加方便快捷的确定异常的程序行为数据。

技术领域

本申请涉及计算机及通信技术领域，特别涉及一种异常程序行为检测方法、装置。

背景技术

由于当今各行各业的信息化、智能化建设越来越普及，用户对程序服务的性能要求不断提高，程序服务的整体构架也日渐复杂。在日常测试阶段，仅仅靠人工查看日志或监控数据，难以发现潜藏在程序行为中的问题，因此，方便快捷的检测出异常程序行为具有十分重要的意义。

发明内容

本申请旨在提供一种异常程序行为检测方法、装置，其能够方便的检测出异常程序行为。

根据本申请实施例的一个方面，提供了一种异常程序行为检测方法，包括：从程序行为数据中获取程序行为特征数据；对所述程序行为特征数据进行聚类，得到离群特征数据；将所述离群特征数据输入至用于进行程序行为识别的机器学习模型中；根据所述机器学习模型的输出结果，确定异常的程序行为数据。

根据本申请实施例的一个方面，提供了一种异常程序行为检测装置，包括：获取模块，用于从程序行为数据中获取程序行为特征数据；聚类模块，用于对所述程序行为特征数据进行聚类，得到离群特征数据；识别模块，用于将所述离群特征数据输入至用于进行程序行为识别的机器学习模型中，并根据所述机器学习模型的输出结果，确定异常的程序行为数据。

在本申请的一些实施例中，基于前述方案，所述识别模块配置为：从所述程序行为特征数据中获取除所述离群特征数据以外的程序行为特征数据作为第一正常数据集；根据所述第一正常数据集中的程序行为特征数据对所述机器学习模型进行训练。

在本申请的一些实施例中，基于前述方案，所述识别模块还配置为：根据所述机器学习模型的输出结果，识别异常的程序行为特征数据；将所述异常的程序行为特征数据与预设特征进行匹配；根据所述异常的程序行为特征数据中与所述预设特征不匹配的程序行为特征数据，确定异常的程序行为数据。

在本申请的一些实施例中，基于前述方案，所述识别模块还配置为：将所述异常的程序行为特征数据中与所述预设特征不匹配的程序行为特征数据发送给用户进行人工检测；接收未通过人工检测的程序行为特征数据，基于所述未通过人工检测的程序行为特征数据确定异常的程序行为数据。

在本申请的一些实施例中，基于前述方案，所述获取模块配置为：响应程序检测请求，获取所述程序检测请求针对的目标应用程序所对应的程序行为数据；从所述目标应用程序所对应的程序行为数据中提取出所述程序行为特征数据。

在本申请的一些实施例中，基于前述方案，所述获取模块还配置为：在接收到所述程序检测请求后，将所述程序检测请求针对的目标应用程序所对应的程序行为数据存储在至少两个缓存区域中；从至少一个所述缓存区域中获取所述程序行为数据。

在本申请的一些实施例中，基于前述方案，所述获取模块还配置为：将所述程序行为数据转换成预定格式的预处理数据；从所述预处理数据中提取出所述程序行为特征数据。

在本申请的一些实施例中，基于前述方案，所述获取模块还配置为：所述程序行为特征数据，包括以下任一或多个的组合：程序行为时长、程序行为结果和程序行为的连续性。

在本申请的一些实施例中，基于前述方案，所述异常程序行为检测装置还包括：发送模块，用于获取所述异常的程序行为数据所对应的程序信息，将所述程序信息发送给用户。

根据本申请实施例的一个方面，提供了一种计算机可读程序介质，其存储有计算机程序指令，当所述计算机程序指令被计算机执行时，使计算机执行上任一项所述的方法。