一种基于协同框架动态特征挖掘的异常访问数据行为监测方法

本发明公开一种基于协同框架动态特征挖掘的异常访问数据行为监测方法，建立了一种协同架构的机器学习模型，该模型可以充分解决异常访问数据规则库更新不及时、难以准确捕捉长期依赖关系的问题。该模型整合UBER、LSTM和孤立森林算法的优势。涵盖数据采集、动态特征挖掘、模型训练与融合以及异常检测与响应等多个环节，判断当前访问行为是否异常。利用协同架构的机器学习模型可以实现对异常访问数据行为的高效、精准监测。