[发明专利]异常用户检测方法及装置

权利要求书

1.一种异常用户检测方法，其特征在于，包括：

获取用户的行为数据信息；

对所述行为数据信息进行预处理，获得行为序列；

将所述行为序列与预先训练的异常行为库中的异常行为特征进行匹配，以判定所述用户是否为异常用户；

其中，所述行为序列包括：操作事件和时间间隔信息。

2.根据权利要求1所述的异常用户检测方法，其特征在于，所述异常行为库的训练方法包括：

对已知异常用户的所有操作的时间间隔进行模糊聚类处理，得到所述时间间隔的隶属度矩阵；

基于所述隶属度矩阵，生成候选序列和频繁模糊时间间隔序列；

基于所述频繁模糊时间间隔序列，获取异常用户行为特征序列，以构成所述异常行为库。

3.根据权利要求1所述的异常用户检测方法，其特征在于，所述获取用户的行为数据信息，包括：

通过动态监听模块对用户的系统行为、短信、通话、网络情况和位置信息进行监听，以获取所述用户的行为数据信息。

4.根据权利要求1所述的异常用户检测方法，其特征在于，所述方法还包括：在判定所述用户是否为异常用户的过程中，更新所述异常行为库。

5.根据权利要求1所述的异常用户检测方法，其特征在于，所述方法还包括：

在判定所述用户是否为异常用户后，输出异常报告。

6.一种异常用户检测装置，其特征在于，包括：

动态监听模块，用于获取用户的行为数据信息；

用户行为提取模块，用于对所述行为数据信息进行预处理，获得行为序列；

检测匹配模块，用于将所述行为序列与预先训练的异常行为库中的异常行为特征进行匹配，以判定所述用户是否为异常用户；

其中，所述行为序列包括：操作事件和时间间隔信息。

7.根据权利要求6所述的异常用户检测装置，其特征在于，所述装置还包括异常行为库训练模块，所述异常行为库训练模块包括：

模糊聚类模块，用于对已知异常用户的所有操作的时间间隔进行模糊聚类处理，得到所述时间间隔的隶属度矩阵；

频繁序列挖掘模块，用于基于所述隶属度矩阵，生成候选序列和频繁模糊时间间隔序列；

异常特征判定模块，用于基于所述频繁模糊时间间隔序列，获取异常用户行为特征序列，以构成所述异常行为库。

8.根据权利要求6所述的异常用户检测装置，其特征在于，所述动态监听模块用于：

通过动态监听模块对用户的系统行为、短信、通话、网络情况和位置信息进行监听，以获取所述用户的行为数据信息。

9.根据权利要求6所述的异常用户检测装置，其特征在于，所述装置还包括异常行为库更新模块：用于在判定所述用户是否为异常用户的过程中，更新所述异常行为库。

10.根据权利要求6所述的异常用户检测装置，其特征在于，所述装置还包括：

异常报告模块，用于在判定所述用户是否为异常用户后，输出异常报告。