[发明专利]一种用户行为异常检测方法及装置

权利要求书

1.一种用户行为异常检测方法，其特征在于，所述方法包括：

针对任一用户，从服务器获取当前时刻所述用户对应的用户日志，所述用户日志表示用户行为数据；

根据所述用户日志获取行为特征集合；

将所述行为特征集合输入用户行为向量表示模型，获取行为向量表示，所述行为向量表示包括所述用户在上一行为检测时刻对应的行为分类结果，所述用户行为向量表示模型是根据训练用户日志对应的行为特征集合以及所述训练用户日志对应的分类标签训练生成的，所述用户行为向量表示模型为基于注意力机制的神经网络模型；

将所述行为向量表示输入行为分类模型，获得分类结果，所述行为分类模型是根据所述训练用户日志对应的行为特征集合以及所述训练用户日志对应的分类标签训练生成的。

2.根据权利要求1所述的方法，其特征在于，所述将所述行为特征集合输入用户行为向量表示模型，获取行为向量表示，包括：

针对任一行为特征，获取所述行为特征对应的特征向量，所述特征向量包括词向量、字向量以及字符向量中的任意多种；

根据所有所述行为特征各自对应的特征向量获得第一行为向量集合；

根据所述用户在上一时刻对应的行为分类结果和所述第一行为向量集合获得行为向量表示。

3.根据权利要求2所述的方法，其特征在于，所述根据所有所述行为特征各自对应的特征向量获得第一行为向量集合，包括：

当每一所述行为特征对应的特征向量为词向量时，利用所有行为特征分别对应的词向量构建第一行为向量集合；

当每一所述行为特征对应的特征向量为字向量时，利用所有行为特征分别对应的字向量构建第一行为向量集合；

当每一所述行为特征对应的特征向量为字符向量时，利用所有行为特征分别对应的字符向量构建第一行为向量集合；

当每一所述行为特征对应的特征向量包括词向量、字向量和字符向量中的任意两种或三种时，获取每种特征向量各自对应的权重，并对所述特征向量进行加权和，获得目标特征向量，利用所有行为特征分别对应的所述目标特征向量构建第一行为向量集合。

4.根据权利要求2或3所述的方法，其特征在于，所述根据所述用户在上一时刻对应的行为分类结果和所述第一行为向量集合获得行为向量表示，包括：

根据所述第一行为向量集合获取第二行为向量集合，所述第二行为向量集合包括多个行为向量，所述行为向量包括正向行为向量和逆向行为向量；

将所述用户在上一时刻对应的行为分类结果和所述第二行为向量集合进行组合，获得行为向量表示。

5.根据权利要求4所述的方法，其特征在于，在获取所述第二行为向量集合后，所述方法还包括：

获取所述第二行为向量集合中每一行为向量各自对应的权重；

将所有所述行为向量各自对应的权重进行加权求和，获得第三行为向量集合；

所述将所述用户在上一时刻对应的行为分类结果和所述第二行为向量集合进行组合，获得行为向量表示，包括：

将所述用户在上一时刻对应的行为分类结果和所述第三行为向量集合进行拼接，获得行为向量表示。

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：

当所述分类结果为异常时，提示用户输入验证码，并进行验证。

7.根据权利要求1所述的方法，其特征在于，所述行为分类模型为基于决策树的支持向量机分类模型。