[发明专利]基于个人行为时序特征的内部威胁人物风险预测方法

摘要

本发明涉及基于时序特征的内部威胁人物风险预测方法，属于计算机与信息科学技术领域。本发明首先对人物的累计历史行为信息进行预处理和特征提取，包括对人物信息的量化采样、预加重和加窗，并将来自多域异构的人物数据提取为相应的数字特征；然后进行内部威胁人物预测模型合成训练，构建基于LSTM的内部威胁人物风险预测模型；最后使用基于LSTM的内部威胁人物风险预测模型进行风险预测评估以及预警。本发明相比其他常用方法有较高的准确率，为企业提供了一种量化内部威胁的依据，提供了一种分层的内部威胁人物预警模式。

主权项

1.基于个人行为时序特征的内部威胁人物风险预测方法，其特征在于所述方法包括如下步骤：步骤1，对人物信息进行预处理及特征提取，包括：对异常数据进行剔除，对空缺数据进行补全，将特征数值进行标准化处理，然后从数据中提取3种特征：人物的属性特征、人物的心理特征、人物的“计数”特征，最后再进行细粒度的特征提取与融合以获得特征向量；步骤2，利用LSTM算法构建内部威胁风险预测模型，对人物的特征数据进行训练，最终得出内部威胁风险预测概率，并将其转化为内部威胁人物评分；步骤3，根据内部威胁人物风险预测结果及威胁评分可以进行人物威胁等级划分，根据人物威胁等级划分标准，对人物进行内部威胁评估，对评估结果为高危和中危的人物进行预警。