[发明专利]异常用户检测方法、装置、设备及存储介质

权利要求书

1.一种异常用户检测方法，其特征在于，所述方法包括：

获取多个用户的行为数据；

根据所述多个用户中每个用户的行为数据，对所述每个用户进行聚类；

根据聚类后的每个类别中的用户的行为数据，进行关联规则提取，得到所述每个类别的关联规则；

根据所述每个用户的行为数据与所述每个类别的关联规则，检测所述多个用户中的异常用户。

2.根据权利要求1所述的方法，其特征在于，所述根据所述多个用户中每个用户的行为数据，对所述每个用户进行聚类，包括：

根据所述每个用户的行为数据，确定所述每个用户的特征向量；

根据所述每个用户的特征向量，对所述每个用户进行聚类。

3.根据权利要求2所述的方法，其特征在于，所述根据所述每个用户的行为数据，确定所述每个用户的特征向量，包括：

根据所述每个用户的行为数据与词频-逆文件频率TF-IDF算法或者Word2vec算法，计算所述每个用户的特征向量。

4.根据权利要求1所述的方法，其特征在于，所述根据所述每个用户的特征向量，对所述每个用户进行聚类，包括：

根据所述每个用户的特征向量与DBSCAN算法或者K-means算法，对所述每个用户进行聚类。

5.根据权利要求1所述的方法，其特征在于，所述根据聚类后的每个类别中的用户的行为数据，进行关联规则提取，得到所述每个类别的关联规则，包括：

根据所述每个类别中的用户的行为数据与Apriori算法或者FP-Growth算法，进行关联规则提取，得到所述每个类别的关联规则。

6.根据权利要求1所述的方法，其特征在于，所述根据所述每个用户的行为数据与所述每个类别的关联规则，检测所述多个用户中的异常用户，包括：

根据所述每个用户的行为数据与所述每个类别的关联规则，计算所述每个用户的行为分数；

在所述行为分数小于或等于预设分数阈值的情况下，确定所述行为分数对应的用户为所述异常用户。

7.根据权利要求6所述的方法，其特征在于，所述每个类别的关联规则包括多个关联元素；

所述根据所述每个用户的行为数据与所述每个类别的关联规则，计算所述每个用户的行为分数，包括：

确定所述每个类别的关联规则中的每个关联元素对应的权重；

根据所述每个用户的行为数据、所述每个类别的关联规则、所述每个类别的关联规则中的每个关联元素对应的权重、所述多个用户的数量、所述每个类别中的用户的数量，计算所述每个用户的行为分数。

8.一种异常用户检测装置，其特征在于，所述装置包括：

获取模块，用于获取多个用户的行为数据；

聚类模块，用于根据所述多个用户中每个用户的行为数据，对所述每个用户进行聚类；

提取模块，用于根据聚类后的每个类别中的用户的行为数据，进行关联规则提取，得到所述每个类别的关联规则；

检测模块，用于根据所述每个用户的行为数据与所述每个类别的关联规则，检测所述多个用户中的异常用户。

9.一种异常用户检测设备，其特征在于，所述设备包括：处理器以及存储有计算机程序指令的存储器；所述处理器执行所述计算机程序指令时实现如权利要求1-7任意一项所述的异常用户检测方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现如权利要求1-7任意一项所述的异常用户检测方法。