一种具备可解释性的用户行为异常检测方法

    公开(公告)号:CN112685272A

    公开(公告)日:2021-04-20

    申请号:CN202011590113.3

    申请日:2020-12-29

    摘要: 本发明公开了一种具备可解释性的用户行为异常检测方法,其步骤包括:1)使用特征提取模块收集目标网络中用户的特征信息;2)图矩阵模块根据各用户的特征信息构建邻接矩阵;其中所述图矩阵模块根据用户特征信息确定用户之间是否存在直接联系,根据用户之间的相似度确定用户之间的联系;3)利用邻接矩阵训练图神经网络,得到分类模型;4)利用图解释模块以设定优化目标函数对该分类模型进行训练,得到图掩膜M和特征选择器F;5)将一待检测用户的特征输入训练后的分类模型,得到分类结果,如果该用户为异常节点,则利用M从分类模型中得到该异常节点的关联节点、利用F得到分类模型各节点的特征中与异常节点最相关的关联特征。

    一种基于身份行为混淆的抗网络追踪隐私保护方法及系统

    公开(公告)号:CN110889133A

    公开(公告)日:2020-03-17

    申请号:CN201911081354.2

    申请日:2019-11-07

    摘要: 本发明公开了一种基于身份行为混淆的抗网络追踪隐私保护方法及系统。本方法为:1)为用户构建多个虚拟身份;2)行为拆分模块依次对用户真实行为链中发送的每一web服务操作请求分配一对应的虚拟身份;3)身份切换模块将该用户身份切换到当前分配的虚拟身份并执行所分配的web服务操作请求;并且行为生成模块为当前虚拟身份生成虚拟行为;所述虚拟行为是指模拟真实用户并未执行过的行为,向web服务发送虚拟请求,使虚拟身份的行为链完整;4)为该用户所分配的多个虚拟身份分别将返回结果反馈给结果融合模块进行融合,然后将融合结果返回给该用户所在的客户端。本发明使用多个身份进行访问,有效保护了用户隐私信息。

    基于双分支图神经网络的去流行度偏置智能推荐方法

    公开(公告)号:CN116304288A

    公开(公告)日:2023-06-23

    申请号:CN202211093497.7

    申请日:2022-09-08

    摘要: 本发明公开了一种基于双分支图神经网络的去流行度偏置智能推荐方法,所述方法获取原始数据集;在所述原始数据集中删除热门物品的用户物品交换记录,得到长尾数据集;基于所述原始数据集与所述长尾数据集,分别构建原始子图和长尾子图;针对所述原始子图和所述长尾子图,分别通过图神经网络进行信息传播,并在训练过程中,基于一个动态调整的参数逐渐增大长尾子图相应的图神经网络的权重,以基于训练后的长尾子图相应的图神经网络,得到用户的物品推荐结果,本发明解决了传统的推荐场景中因为数据服从长尾分布而造成的流行度偏置问题。

    一种具备可解释性的用户行为异常检测方法

    公开(公告)号:CN112685272B

    公开(公告)日:2022-10-14

    申请号:CN202011590113.3

    申请日:2020-12-29

    摘要: 本发明公开了一种具备可解释性的用户行为异常检测方法,其步骤包括:1)使用特征提取模块收集目标网络中用户的特征信息;2)图矩阵模块根据各用户的特征信息构建邻接矩阵;其中所述图矩阵模块根据用户特征信息确定用户之间是否存在直接联系,根据用户之间的相似度确定用户之间的联系;3)利用邻接矩阵训练图神经网络,得到分类模型;4)利用图解释模块以设定优化目标函数对该分类模型进行训练,得到图掩膜M和特征选择器F;5)将一待检测用户的特征输入训练后的分类模型,得到分类结果,如果该用户为异常节点,则利用M从分类模型中得到该异常节点的关联节点、利用F得到分类模型各节点的特征中与异常节点最相关的关联特征。

    一种访问控制初始化智能推荐方法

    公开(公告)号:CN112804080B

    公开(公告)日:2022-09-30

    申请号:CN202011549292.6

    申请日:2020-12-24

    摘要: 本发明公开了一种访问控制初始化智能推荐方法。本方法包括:1)将访问控制系统中的属性特征按照特征类型划分为连续型特征和离散型特征;2)对系统中同一条交互记录中的属性特征进行处理,生成对应交互记录的最终特征向量;其中针对每一个连续型特征,将其归一化后作为最终特征向量中的一维;针对每一个离散型特征,将其编码索引标识添加到最终特征向量中;3)利用各最终特征向量训练模型;4)当用户U登录该访问控制系统时,获取用户U的初始属性;5)将该初始属性和该访问控制系统的每一资源属性组合成一序列,生成该序列对应的最终特征向量并将其输入训练后的模型进行预测,得到n个候选资源并对其进行筛选,推荐给用户U。

    多角度引入属性语义的知识表示学习方法和系统

    公开(公告)号:CN112036182B

    公开(公告)日:2024-07-19

    申请号:CN202010757468.0

    申请日:2020-07-31

    摘要: 本发明涉及一种多角度引入属性语义的知识表示学习方法和系统。所述方法包括:对结点的属性语义进行表征,得到属性文本的嵌入式表示;将属性文本的嵌入式表示与结点的嵌入式表示及数字外部信息的嵌入式表示相结合,代入到融合数字外部信息的知识表示学习模型中;通过融合数字外部信息的知识表示学习模型得到实体和关系的嵌入式表示。其中,采用以下两种方式中的至少一种对结点的属性语义进行表征:利用词袋模型对属性的语义进行表征;将属性看作结点的描述性文本,利用自然语言处理工具对描述性文本的语义进行表征。本发明提供了两种引入属性语义的角度,对数字形式的外部数据进行了更充分的利用,并最终提高了表示学习效果。

    一种基于用户行为分析的内部威胁检测方法

    公开(公告)号:CN117932484A

    公开(公告)日:2024-04-26

    申请号:CN202311720739.5

    申请日:2023-12-14

    摘要: 本发明公开了一种基于用户行为分析的内部威胁检测方法,其步骤包括:1)根据用户的各类型的行为日志,生成该用户的复合行为日志;2)根据用户的复合行为日志构建该用户的行为特征序列;3)构建内部威胁检测模型,模型遵从编码器‑解码器结构,其中将BiLSTM和第一FNN模型堆叠起来作为编码器,使用第二FNN模型作为解码器;4)利用用户的行为特征序列训练所述内部威胁检测模型;5)将待测用户的行为特征序列输入内部威胁检测模型,得到待测用户的重构行为特征序列,计算待测用户的重构行为特征序列与行为特征序列的均方误差,如果均方误差超过设定阈值δ则认为存在内部威胁活动。本发明具有较高的检测准确性和场景泛化能力。