[发明专利]机器行为识别方法、装置、设备及计算机可读存储介质

权利要求书

1.一种机器行为识别方法，其特征在于，包括：

获取待识别的目标数据以及机器行为识别模型，其中，所述机器行为识别模型包括主成分分析层、梯度下降树模型层、随机森林树模型层和逻辑回归模型层；

将所述目标数据输入至所述主成分分析层进行处理，得到所述目标数据的主成分特征；

将所述主成分特征输入至所述梯度下降树模型层进行处理，得到所述目标数据的第一机器行为识别结果；

将所述目标数据输入至所述随机森林树模型层进行处理，得到所述目标数据的第二机器行为识别结果；

将所述第一机器行为识别结果和第二机器行为识别结果输入至所述逻辑回归模型层进行融合处理，得到所述目标数据的机器行为识别结果。

2.根据权利要求1所述的机器行为识别方法，其特征在于，所述获取待识别的目标数据以及机器行为识别模型之前，还包括：

获取机器行为数据集、非机器行为数据集和不确定行为数据集；

根据所述机器行为数据集、非机器行为数据集和不确定行为数据集，确定目标样本数据集；

根据所述目标样本数据集，对预设随机森林树模型和预设梯度下降树模型进行融合训练，得到所述机器行为识别模型。

3.根据权利要求2所述的机器行为识别方法，其特征在于，所述获取机器行为数据集、非机器行为数据集和不确定行为数据集，包括：

获取服务器的日志数据集、机器行为识别规则和非机器行为识别规则；

根据所述机器行为识别规则从所述日志数据集中提取出机器行为数据集；

根据所述非机器行为识别规则从所述日志数据集中提取出非机器行为数据集；

从所述日志数据集中剔除所述机器行为数据集和非机器行为数据集，得到不确定行为数据集。

4.根据权利要求2所述的机器行为识别方法，其特征在于，所述根据所述机器行为数据集、非机器行为数据集和不确定行为数据集，确定目标样本数据集，包括：

对所述机器行为数据集、非机器行为数据集和不确定行为数据集中的样本进行聚类，得到多个类别的样本数据集；

确定所述多个类别的样本数据集的机器行为数据、非机器行为数据和不确定行为数据的分布信息；

当确定所述分布信息满足预设分布条件时，根据所述多个类别的样本数据集确定目标样本数据集。

5.根据权利要求4所述的机器行为识别方法，其特征在于，所述多个类别的样本数据集包括第一样本数据集、第二样本数据集、第三样本数据集和第四样本数据集，所述第一样本数据集仅包含不确定行为数据，所述第二样本数据集包含机器行为数据和不确定行为数据，但不包含非机器行为数据，所述第三样本数据集包含非机器行为数据和不确定行为数据，但不包含机器行为数据，所述第四样本数据集包含机器行为数据、非机器行为数据和不确定行为数据，所述根据所述多个类别的样本数据集确定目标样本数据集，包括：

将所述第一样本数据集和所述第四样本数据集内的样本数据标记为不确定行为类的样本数据，得到第一候选样本数据集；

将所述第二样本数据集内的样本数据标记为机器行为类的样本数据，得到第二候选样本数据集；

将所述第三样本数据集内的样本数据标记为非机器行为类的样本数据，得到第三候选样本数据集；

分别从所述第一候选样本数据集、第二候选样本数据集和第三候选样本数据集内提取预设数量的样本数据，得到所述目标样本数据集。