CN114676422B 资源访问的异常检测方法、装置及设备 (阿里云计算有限公司)_第1页
CN114676422B 资源访问的异常检测方法、装置及设备 (阿里云计算有限公司)_第2页
CN114676422B 资源访问的异常检测方法、装置及设备 (阿里云计算有限公司)_第3页
CN114676422B 资源访问的异常检测方法、装置及设备 (阿里云计算有限公司)_第4页
CN114676422B 资源访问的异常检测方法、装置及设备 (阿里云计算有限公司)_第5页
已阅读5页,还剩29页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

始时间序列数据包括待检测时间段的每一单位将多个重建时间序列数据与原始时间序列数据括待检测时间段内存在异常访问行为的单位时2根据待检测时间段内账号访问资源的行为数据,确定在所述待检测将所述原始时间序列数据输入多任务自编码器进行重建,得到多个重建时间序列数将所述多个重建时间序列数据与所述原始时间序列数据进行比对,确定异常检测结所述多任务自编码器包括至少两个自编码器单元,所述将所述原始时根据配置的滑动窗口大小,将所述原始时间序列数据分割为多将所述第一特征矩阵输入每一所述自编码器单元进行重建,得到每确定所述原始时间序列数据与每一所述重建时间序列数据中同一单位时段的访问频对所述原始时间序列数据与每一所述重建时间序列数据中同一单位时段的访问频次将对应的综合差异信息大于差异阈值的单位时段,确定为所述待检根据所述待检测时间段之前的历史访问数据,确定在所述待检测时3根据所述待检测时间段之前的历史访问数据,若确定在所述待检号未访问过所述资源,则将所述待检测时间段内所述账号第一次访问所述资源的单位时时间序列确定模块,用于根据待检测时间段内账待检测时间段内所述账号访问所述资源的原始时间检测处理模块,用于将所述多个重建时间序列数据与所述原始时间序列数据进行比根据配置的滑动窗口大小,将所述原始时间序列数据分割为多将所述第一特征矩阵输入每一所述自编码器单元进行重建,得到每所述处理器执行所述存储器存储的计算机执行指令,以实现如权利要求1-7中任一项执行指令,所述计算机执行指令被处理器执行时用于实现如权利要求1-7任一项所述的方4等。如果该账号访问某个资源的行为与该账号历史访问同一资源的频率发生了明显的偏所述待检测时间段内所述账号访问所述资源的原始时间[0011]时间序列重建模块,用于将所述原始时间序列数据输入多任务自编码器进行重5检测时间段内存在异常访问行为的单位时段,提高了账号访问资源的异常检测的精准度,6等。如果该账号访问某个资源的行为与该账号历史访问同一资源的频率发生了明显的偏多个不同的子账号。不同的子账号有着不同的应用程序接口(ApplicationProgramming用户可以通过终端使用自己的账号访问服务[0040]服务器基于预设的异常检测策略,根据待检测时间段内账号访问资源的行为数[0041]下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述[0042]图2为本申请一示例性实施例提供的资源访问的异常检测方法流程图。本实施例7[0044]其中,原始时间序列数据包括待检测时间段的每一单位时段的时间戳和访问频位时段的先后顺序,排列生成每一账号访问每一资源的行为数据对应的原始时间序列数8果差异较大,则说明该单位时段内该账号访问该资源的行为是异常访问行为的可能性较时段内的访问频次的差异a2,比较序列1与序列4中第一个单位时段内的访问频次的差异个解码器。多种不同卷积核结构在其单任务学习的自编码器单元中有着不同的检测效果,9[0068]可选地,每一自编码器单元可以为基于时域卷积网络(TCN)的单任务自编码器模小的对称卷积核,3种不同卷积核的自编码器结合在一起来构建基于多任务学习的自编码[0072]在进行模型训练时,训练数据为历史时期内账号正常访问资源的历史行为数差(MSE)或者回归损失函数(LogCosh)。训练批量(Batch)大小可以设置为16。训练的轮次(epoch)可以设置为100,训练这么多轮次之后损失函数在绝大多数情况会下降至稳定状[0076]训练好的多任务自编码器用于根据输入的原始时间序列数据进行该账号访问该[0080]图4为本申请一示例性实施例提供的资源访问的异常检测方法流程图,如图4所[0082]其中,原始时间序列数据包括待检测时间段的每一单位时段的时间戳和访问频位时段的先后顺序,排列生成每一账号访问每一资源的行为数据对应的原始时间序列数该API,在模型训练阶段使用的训练数据中也就不存在某一子账号调用某一API的行为数给出异常检测结果,并可以进行异常预警。若待检测时间段之前某一子账号调用过某一码器在训练时学习到了该账号正常调用该API的行为特征,使用多任务自编码器进行异常向量表示序列中指定数量的单位时段内的数据项的向量表示,指定数量等于滑动窗口大矩阵输入每一自编码器单元进行重建,从而实现对多任务自编码器的输入的标准化处理,个解码器。多种不同卷积核结构在其单任务学习的自编码器单元中有着不同的检测效果,[0112]可选地,每一自编码器单元可以为基于时域卷积网络(TCN)的单任务自编码器模[0118]在使用多任务自编码模型重建得到多个重建时间序列数据之后,通过步骤S405-各个单位时段的访问频次与多个重建时间序列数据中同一单位时段的访问频次之间的差[0121]确定原始时间序列数据与每一重建时间序列数据中同一单位时段的访问频次的时段内的访问频次的差异a2,比较序列1与序列4中第一个单位时段内的访问频次的差异[0125]确定原始时间序列数据与每一重建时间序列数据中同一单位时段的访问频次的[0132]图5为本申请一示例性实施例提供的资源访问的异常检测装置的结构示意图。本申请实施例提供的资源访问的异常检测装置可以执行资源访问的异常检测方法实施例提[0136]本申请实施例提供的装置可以具体用于执行上述图2对应方法实施例所提供的方[0143]一种可选地实施例中,在将多个重建时间序列数据与原始时间序列数据进行比[0144]确定原始时间序列数据与每一重建时间序列数据中同一单位时段的访问频次的[0149]本申请实施例提供的装置可以具体用于执行上述任一方者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识且可以在不脱离其范围进行

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论