申请/专利权人：南昌大学

申请日：2024-03-27

公开（公告）日：2024-04-30

公开（公告）号：CN117955750A

主分类号：H04L9/40

分类号：H04L9/40;H04L41/16;H04L67/02;G06N3/0895;G06N20/00

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.17#实质审查的生效;2024.04.30#公开

摘要：本发明公开了一种基于半监督模糊综合评价法的网络机器人行为检测方法，步骤1、Web会话识别：从原始Web访问记录中提取、聚合、排序并切割得到Web会话；步骤2、Web访问行为特征提取：从每个IP访问的会话内部和会话间分别提取行为特征，实现对用户Web访问行为的刻画；步骤3、基于半监督模糊综合评价法的模型训练：依据已标记训练数据集的分布特性自动构建模糊综合评价的隶属函数和权重，然后通过自监督迭代式评估，将置信度高的未标记样本纳入训练集中，以此提升隶属函数的准确度和模型整体性能；步骤4、网络机器人行为检测。本发明采用Web会话作为基本单位，综合考虑了每个IP访问的会话内部和会话间的Web访问行为，实现了对用户行为的全面评估。

主权项：1.基于半监督模糊综合评价法的网络机器人行为检测方法，其特征在于，包括以下步骤：步骤1、Web会话识别：从原始Web访问记录中提取、聚合、排序并切割得到Web会话；步骤2、Web访问行为特征提取：从每个IP访问的会话内部和会话间分别提取行为特征，实现对用户Web访问行为的刻画；步骤3、基于半监督模糊综合评价法的模型训练：依据已标记训练数据集的分布特性自动构建模糊综合评价的隶属函数和权重，然后通过自监督迭代式评估，将置信度高的未标记样本纳入训练集中，以此提升隶属函数的准确度和模型整体性能；步骤3中，基于半监督模糊综合评价法的模型训练包括以下步骤：步骤3.1、给定数据集，其中代表有标签数据集，其中为其中第i个样本，为该样本特征向量，为其标签；代表待测试的无标签数据集，为其中第i个样本；步骤3.2、在LD数据集上进行模糊综合评价法的模型训练工作，通过统计数据分布特性，自动构建模糊综合评价的隶属函数和权重；步骤3.3、训练结果在UD上进行预测，得到，其中中的表示预测类别，表示将预测为的置信度；步骤3.4、从PD中提取置信度高于阈值delta的样本，然后与LD合并为新的LD’替代LD；步骤3.5、重复上述步骤，直到迭代到设定的最大次数N或模型预测准确率不再提升；步骤4、网络机器人行为检测。

全文数据：

权利要求：

百度查询： 南昌大学 基于半监督模糊综合评价法的网络机器人行为检测方法

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