摘要
本发明涉及API安全防护技术领域,本发明公开了一种基于运行时行为指纹的API异常检测方法、系统、设备及介质,包括,实时采集API调用过程中的运行日志数据;对日志数据进行预处理,从预处理后数据中提取多维度行为特征,构建API行为指纹向量;基于历史行为指纹向量,采用高斯混合模型建立正常行为基准模型;通过贝叶斯信息准则动态确定高斯混合模型的最优聚类数量;将实时API调用的行为指纹向量输入高斯混合模型,计算异常得分并判定异常行为,定期增量更新高斯混合模型参数并重新优化聚类数量。本方法通过动态行为建模与闭环自适应机制,显著提升复杂环境下异常识别的准确率与系统长期稳定性。
技术关键词
高斯混合模型
异常检测方法
指纹
贝叶斯信息准则
增量更新
聚类
数据采集模块
基准
期望最大化算法
分析模块
动态
异常检测系统
日志
参数
控制模块
处理器
计算机设备
可读存储介质
存储器
系统为您推荐了相关专利信息
交易异常检测方法
泊松分布模型
序列
异常检测装置
可读存储介质
法医物证
智能分析方法
智能分析系统
区块链技术
优化机器学习
融合系统
多模态数据采集
多模态生物识别
动态权重分配
集成指纹
高斯混合模型
高光谱图像波段
训练样本集
特征选择
矩阵