摘要
本发明属于网络安全和异常检测领域,具体涉及一种用户行为日志异常检测模型训练方法及用户行为日志异常检测方法。获取日志数据集;根据所述日志数据集中每一日志的对应特征,采用对应分裂方式对所述日志进行解析,得到日志键;对所有日志键进行序列化操作,得到日志键序列;从所述日志键序列提取时间特征和频率特征;将所述日志键序列、所述时间特征和所述频率特征拼接后输入神经网络模型进行训练,得到训练好的用户行为日志异常检测模型。使用上述方法训练好的用户行为日志异常检测模型对用户行为日志进行异常检测。通过多特征融合策略,提升了特征表达的全面性,能够更准确地刻画用户行为模式。
技术关键词
日志异常检测方法
检测模型训练方法
输入神经网络模型
BERT模型
存储计算机程序
序列
LSTM模型
模型训练模块
日志解析
频率
特征提取模块
数据获取模块
融合策略
电子装置
存储器
处理器
系统为您推荐了相关专利信息
重构方法
天线配置
免疫算法
天线开关
大规模像素阵列
低压配电台区
负荷预测方法
气象预报数据
CRF模型
孤立森林算法
重识别方法
车辆重识别
残差网络模型
三元组
构建分类器