申请/专利权人：长沙市智为信息技术有限公司

申请日：2024-02-04

公开（公告）日：2024-04-05

公开（公告）号：CN117692261B

主分类号：H04L9/40

分类号：H04L9/40;H04L67/1396;G06N3/0442;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.04.05#授权;2024.03.29#实质审查的生效;2024.03.12#公开

摘要：本申请涉及一种基于行为子图表征的恶意Bot识别方法，通过数据缓冲区从访问请求数据流和行为数据流中获取用户会话数据；对行为信息进行映射，得到行为特征表示；基于用户信息和行为特征表示构建用户‑行为对；基于用户信息和请求数据中的访问目标信息构建用户‑访问目标对；从用户信息中分离出用户偏移信息；基于用户信息、用户偏移信息、行为信息、访问目标信息设计节点；基于用户‑行为对和用户‑访问目标对之间的连接关系，得到关联矩阵；以归一化后的关联矩阵作为权重边；基于节点和权重边构建会话子图；将会话子图输入至基于LSTM聚合的图网络分类器，得到最终节点的信息表示；基于最终节点的信息表示得到恶意Bot识别结果。

主权项：1.一种基于行为子图表征的恶意Bot识别方法，其特征在于，包括：S1：收集访问请求数据流和行为数据流；S2：设置一数据缓冲区，通过所述数据缓冲区从访问请求数据流和行为数据流中获取用户会话数据；所述用户会话数据包括用户信息、请求数据和行为信息；S3：对所述行为信息进行映射，得到行为特征表示；基于所述用户信息和所述行为特征表示构建用户-行为对；基于所述用户信息和所述请求数据中的访问目标信息构建用户-访问目标对；S4：从所述用户信息中分离出用户偏移信息；基于所述用户信息、用户偏移信息、行为信息、访问目标信息设计节点；所述基于所述用户信息、用户偏移信息、行为信息、访问目标信息设计节点包括：步骤1：采用字符分词的形式分别对所述用户信息、所述用户偏移信息、所述访问目标信息进行分词；步骤2：采用随机词嵌入的方式对分词结果进行词嵌入表示，得到信息集合；计算公式为： ；其中，VN表示信息集合，；embedding表示词向量映射；set表示集合生成；Nu表示用户信息；N'u表示用户偏移信息；Nt表示访问目标信息；表示d维实数域；步骤3：将所述行为特征表示与所述信息集合拼接，得到所有的节点；计算公式为： V=VN||Na；其中，V表示所有的节点，；n表示节点的数量；Na表示行为特征表示；基于所述用户-行为对和所述用户-访问目标对之间的连接关系，得到关联矩阵；以归一化后的关联矩阵作为权重边；得到权重边的过程包括：步骤1：设计一初始关联矩阵表示边的连接关系，并将所述初始关联矩阵初始化为0；n表示节点的数量；步骤2：基于初始化的所述初始关联矩阵，按照发生时间的顺序读取所有的所述用户-行为对与所有所述用户-访问目标对之间的连接关系，得到所述关联矩阵；计算公式为： ；其中，Aij表示第i个节点与第j个节点之间的边的权重值；Ti表示第i个节点对应的发生时间；Tj表示第j个节点对应的发生时间；Nu表示用户信息；Na表示行为特征表示；Nt表示访问目标信息；S表示所有用户信息构成的集合；步骤3：对所述关联矩阵进行归一化，并以归一化后的关联矩阵作为所述权重边；归一化计算公式为： ；其中，A表示归一化后的关联矩阵；A2表示关联矩阵；基于所述节点和所述权重边构建会话子图；S5：将所述会话子图输入至基于LSTM聚合的图网络分类器，得到最终节点的信息表示；基于最终节点的信息表示得到恶意Bot识别结果；得到恶意Bot识别结果的过程包括：步骤1：输入的节点的信息表示及其对应的所述权重边通过LSTM聚合的图网络分类器中的LSTM聚合计算模块进行计算，得到邻接节点的信息表示；计算公式为： ；其中，表示LSTM聚合的图网络分类器第k层中第i个邻接节点的信息表示；表示第i个节点的邻居集合；Aji表示第j个节点与第i个节点之间的边的权重值；对所有的节点的信息表示及其对应的所述权重边进行计算，得到所有的邻接节点的信息表示，所有的邻接节点的信息表示记为：；n表示节点的数量；d表示d维实数域；步骤2：所有的邻接节点的信息表示通过LSTM聚合的图网络分类器中的源节点更新模块进行计算，得到更新后的节点的信息表示；计算公式为： ；其中，hk表示更新后的节点的信息表示；σ·表示非线性激活函数；W1表示第一可训练矩阵，；W2表示第二可训练矩阵，；步骤3：以LSTM聚合的图网络分类器的层数为终止条件，重复执行步骤1-2，得到最终节点的信息表示；步骤4：基于所述最终节点的信息表示计算得到所述恶意Bot识别结果；计算公式为： ；其中，y表示恶意Bot识别结果，所述恶意Bot识别结果为二分类结果，其包括恶意Bot或正常用户；hL表示最终节点的信息表示，L为LSTM聚合的图网络分类器的层数；Mean·表示平均值函数；W0表示全连接层中的第三可训练矩阵；b0表示全连接层中的第四可训练矩阵。

全文数据：

权利要求：

百度查询： 长沙市智为信息技术有限公司 一种基于行为子图表征的恶意Bot识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD