[发明专利]一种访问控制方法、装置、设备及介质

权利要求书

1.一种访问控制方法，其特征在于，包括：

获取训练集数据，其中，所述训练集数据为带有单位类型标记的日志数据，所述日志数据中包括对应的IP地址；

利用所述训练集数据对预先基于朴素贝叶斯算法构建的分类模型进行训练，得到训练后分类模型；

当获取到待分类日志数据时，利用所述训练后分类模型对所述待分类日志数据进行分类，得到所述待分类日志数据中的待分类IP地址所属的单位类型；

根据所述待分类IP地址所属的单位类型对所述待分类IP地址发出的访问请求进行控制。

2.根据权利要求1所述的访问控制方法，其特征在于，所述获取训练集数据，包括：

获取IP地址库，其中，所述IP地址库中包括不同的IP地址以及各个IP地址对应的单位类型；

获取目标网站访问日志库中的访问日志集合；

根据所述IP地址库对所述访问日志集合中的各个日志数据进行单位类型标记；

将单位类型标记完成的日志数据作为训练集数据。

3.根据权利要求2所述的访问控制方法，其特征在于，所述根据所述IP地址库对所述访问日志集合中的各个日志数据进行单位类型标记，包括：

确定出当前日志数据中的IP地址；

根据当前日志数据中的IP地址从所述IP地址库中确定出当前日志数据中的IP地址对应的目标单位类型；

将当前日志数据中的IP地址所属单位类型标记为所述目标单位类型。

4.根据权利要求1至3任一项所述的访问控制方法，其特征在于，所述利用所述训练集数据对预先基于朴素贝叶斯算法构建的分类模型进行训练，得到训练后分类模型，包括：

利用所述训练集数据对预先基于朴素贝叶斯算法构建的分类模型进行训练，得到待测试分类模型；

对所述待测试分类模型进行测试，并在所述待测试分类模型的测试结果满足预设要求时，得到训练后分类模型。

5.根据权利要求4所述的访问控制方法，其特征在于，所述利用所述训练集数据对预先基于朴素贝叶斯算法构建的分类模型进行训练，得到待测试分类模型，包括：

对所述训练集数据中的各个日志数据进行特征项提取，得到所述训练集数据中的各个日志数据对应的特征项，其中，所述特征项包括访问时间、目标网站域名、访问终端类型、IP地址以及IP地址所属单位类型；

将所述访问时间、所述目标网站域名、所述访问终端类型作为变量，并将所述IP地址所属单位类型作为分类结果；

将所述特征项输入到预先基于朴素贝叶斯算法构建的分类模型中进行训练，得到待测试分类模型。

6.根据权利要求4所述的访问控制方法，其特征在于，所述对所述测试分类模型进行测试，包括：

利用测试集数据对所述测试分类模型进行测试，得到测试结果；

根据所述测试结果确定出所述待测试分类模型对应的分类准确率。

7.根据权利要求6所述的访问控制方法，其特征在于，所述根据所述测试结果确定出所述待测试分类模型对应的分类准确率之后，还包括：

判断所述分类准确率是否不小于预设准确率阈值；

如果所述分类准确率不小于预设准确率阈值，则将所述待测试分类模型作为训练后分类模型。

8.一种访问控制装置，其特征在于，包括：

数据获取模块，用于获取训练集数据，其中，所述训练集数据为带有单位类型标记的日志数据，所述日志数据中包括对应的IP地址；

模型训练模块，用于利用所述训练集数据对预先基于朴素贝叶斯算法构建的分类模型进行训练，得到训练后分类模型；

分类模块，用于当获取到先的待分类日志数据时，利用所述训练后分类模型对所述待分类日志数据进行分类，得到所述待分类日志数据中的待分类IP地址所属的单位类型；

风险控制模块，用于根据所述待分类IP地址所属的单位类型对所述待分类IP地址发出的访问请求进行控制。