[发明专利]信息处理方法、装置、存储介质及电子设备

说明书

本申请实施例公开了一种信息处理方法、装置、存储介质及电子设备。该方法包括：获取多个时间周期内用户设备的状态信息，进行处理后得到对应的时域信息和频域信息，并将时域信息和所述频域信息进行融合；基于相邻两个周期的融合数据构建训练数据对；基于训练数据对对长短期记忆网络进行模型训练。当需要识别用户设备行为是否异常时，将目标用户设备当前周期的状态信息作为输入，基于训练后模型对目标用户设备下一周期的状态信息进行预测，根据预测结果和实际结果进行比较以确定用户设备是否行为异常。本方案可以结合设备的在先行为，对时间跨度不同的信号进行针对性的识别，提升了信息预测结果的准确性。

技术领域

本申请涉及电子设备技术领域，尤其涉及一种信息处理方法、装置、存储介质及电子设备。

背景技术

随着科技的不断发展，面临的信息安全风险也越来越高。在当前对信息安全越发重视的环境下，更准确地从用户或者设备的访问、登陆、查询、下载等海量行为中识别隐匿的攻击、盗取数据、越权等异常行为，成为需要投入更多资源的领域。

相关技术中，主要通过以SVM(Support Vector Machine，支持向量机)、Xgboost(Extreme Gradient Boosting，极端梯度提升)、Random Forest(随机森林)为代表的等机器学习算法，及以CNN(Convolutional Neural Network，卷积神经网络)、LSTM(Long ShortTerm Memory，长短期记忆)等为代表的深度学习算法实现对异常行为的分类，或者基于策略的异常行为识别。以上技术路线主要基于用户时域信息或者时点信息，可以直观反映用户行为在时域上的表现，便于业务理解。但是随着时间的推移，跨度较长时间的信号强度可能出现衰减，容易导致识别异常信号的准确性降低。

发明内容

本申请实施例提供一种信息处理方法、装置、存储介质及电子设备，可提升信息预测结果的准确性。

第一方面，本申请实施例提供一种信息处理方法，包括：

获取多个时间周期内用户设备的状态信息；

对所述状态信息进行处理得到对应的时域信息和频域信息，并将所述时域信息和所述频域信息进行融合，得到融合数据；

基于相邻两个周期的融合数据构建训练数据对；

基于所述训练数据对对长短期记忆网络进行模型训练，得到训练后模型；

将目标用户设备当前周期的状态信息作为输入，基于训练后模型对所述目标用户设备下一周期的状态信息进行预测。

第二方面，本申请实施例提供了一种信息处理装置，包括：

第一获取单元，用于获取多个时间周期内用户设备的状态信息；

处理单元，用于对所述状态信息进行处理得到对应的时域信息和频域信息，并将所述时域信息和所述频域信息进行融合，得到融合数据；

构建单元，用于基于相邻两个周期的融合数据构建训练数据对；

训练单元，用于基于所述训练数据对对长短期记忆网络进行模型训练，得到训练后模型；

预测单元，用于将目标用户设备当前周期的状态信息作为输入，基于训练后模型对所述目标用户设备下一周期的状态信息进行预测。

在一实施方式中，所述处理单元用于：

对所述状态信息进行处理，得到对应的时域信息；

对所述时域信息进行分解，得到对应的频域信息；

将所述时域信息和所述频域信息进行融合，得到融合数据。

在一实施方式中，所述处理单元进一步用于：