基于大模型的用户权限管理系统及方法与流程

摘要: 本发明涉及用户权限管理,具体是基于大模型的用户权限管理系统及方法。背景技术:1、用户权限管理中的异常行为检测,通常以单个操作作为判断单元,重点关注用户是否执行超...
基于大模型的用户权限管理系统及方法与流程

本发明涉及用户权限管理,具体是基于大模型的用户权限管理系统及方法。

背景技术:

1、用户权限管理中的异常行为检测,通常以单个操作作为判断单元,重点关注用户是否执行超出其角色授权的操作,通过比对操作请求与预设权限表实现放行或拒绝,能够对明显的越权行为进行有效拦截。为了进一步识别潜在的内部威胁,现有方案还引入了统计阈值监控、规则签名匹配以及机器学习分类器等手段,尝试从行为日志中分析异常特征。

2、但在许多安全要求较高并且依赖人工操作的业务系统中,许多高风险行为并非由单次越权操作构成,而是由一系列均在授权范围内的操作,按特定的顺序和时序组合形成;例如在审核系统中,用户依次执行查看申请、复核材料、通过审批等动作,单步操作均符合权限要求,但如果复核操作在查看后仅间隔毫秒级完成,可能意味着自动化脚本绕过人工审核;若通过操作与复核间隔长达数小时,可能反映权限被盗用后延迟操作。在正常业务流程中,前后操作不仅要求顺序正确,还要遵循合理的时间间隔范围:操作过快可能为攻击行为,操作过慢则可能为异常搁置或权限滥用。传统统计方法无法捕捉操作之间的因果依赖关系与时间约束,并且现有技术中的规则匹配方法难以穷举所有风险序列,机器学习模型因缺少时序逻辑建模,也常将此类行为误判为正常,导致在用户权限管理中很难自动识别出这类多步操作链条中的顺序与时间风险。

技术实现思路

1、本发明的目的在于提供基于大模型的用户权限管理系统及方法,以解决现有技术中提出的问题。

2、为实现上述目的,本发明提供如下技术方案:基于大模型的用户权限管理方法,包括:

3、步骤s1:采集用户历史正常操作日志,提取每个操作点的操作用户、操作行为、操作对象以及操作时间戳,构成每个用户的操作序列;对操作行为和操作对象进行语义聚类,形成操作类型集合,并为每个操作类型关联其所需的最小权限等级;其中,正常操作日志是指未触发业务异常规则、且未被人工标注为异常的有效操作记录;

4、步骤s2:对每个用户的操作序列,按时间顺序统计相邻操作类型对的出现频率,并记录每对相邻操作之间的时间间隔;通过大语言模型筛选出具有先后顺序要求的操作对;

5、步骤s3:对于每个具有顺序要求的操作对,根据其时间间隔的分布特征计算有效时间窗口,将所有操作的顺序要求以及有效时间窗口构成权限转移图谱;

6、步骤s4:实时监测用户操作行为,当新操作发生时,根据新操作序列与权限转移图谱的匹配结果动态调整用户的权限等级,并根据权限等级的变化趋势对用户权限进行锁定或恢复。

7、步骤s1包括:

8、步骤s1.1:通过应用系统操作记录表,采集所有用户在预设时间窗口内的历史正常操作日志,从每条日志记录中提取操作用户标识、操作行为文本、操作对象文本、操作时间戳,并将每条日志记录定义为一个操作点;所述操作行为文本包括用户执行的具体操作动作;所述操作对象文本包括用户操作所作用的目标数据或业务对象;将每个操作点表示为四元组,记第i个操作点的四元组为(ui,ai,oi,ti),其中ui表示第i个操作点的用户标识,ai表示第i个操作点的操作行为文本,oi表示第i个操作点的操作对象文本,ti表示第i个操作点的时间戳;按用户标识分组,并将每个用户的所有操作点按时间戳升序排序,构成每个用户的操作序列s=[(a1,o1,t1),(a2,o2,t2),...,(an,on,tn)],n表示该用户的操作序列中操作点的总数;

9、步骤s1.2:将所有操作点对应的操作行为文本整合构建为操作行为文本集合;将所有操作点对应的操作对象文本整合构建为操作对象文本集合;对于每一个操作行为文本,先进行分词处理,将操作行为文本切分为单个词语的序列,去除其中的停用词;统计操作行为文本中每个词语的出现次数,得到词频向量;同时,统计每个词语在操作行为文本集合中出现的文本数量,计算逆文档频率;将操作行为文本中每个词语的词频乘以该词语的逆文档频率,得到每个词语的乘积值,所有词语的乘积值按固定顺序排列,构成该操作行为文本对应的数值向量。

10、步骤s1.3:对所有操作行为文本的数值向量,先设定一个候选聚类数量范围,对于范围内的每个候选聚类数量,随机选择k个数值向量作为初始聚类中心;计算每个数值向量到各个聚类中心的距离,将每个数值向量分配到距离最近的聚类中心所在的簇;重新计算每个簇内所有数值向量的平均值作为新的聚类中心;重复分配和更新步骤,直到聚类中心达到预设的迭代次数;聚类完成后,得到当前候选聚类数量k下的聚类结果,并计算每个数值向量的轮廓系数,取所有数值向量轮廓系数的平均值作为当前候选聚类数量k的平均轮廓系数;

11、遍历所有候选聚类数量后,选择平均轮廓系数最大的候选聚类数量作为最佳聚类数量;将最佳聚类数量所对应的聚类结果作为最终聚类结果;在最终聚类结果中,将属于同一个聚类的操作行为文本赋予相同的操作行为类型标签,记第k个聚类对应的操作行为类型标签为ak;对于每个操作行为聚类,选取距离聚类中心最近的一个操作行为文本作为代表行为,从权限配置数据库的映射关系表中查询该代表行为所需的最小权限等级,作为该操作行为聚类对应的最小权限等级。

12、步骤s1.4:对操作对象文本集合进行相同处理,得到操作对象类型标签,记第l个聚类对应的操作对象类型标签为ol;每个操作点的操作类型由操作行为类型标签ak和操作对象类型标签ol共同组成,记为一个二元组(ak,ol),所有操作点的操作类型构成操作类型集合;

13、步骤s1.5:将每个操作类型(ak,ol)与步骤s1.3中得到的最小权限等级相关联,得到每个操作类型所需的最小权限等级,记作lmin(ak,ol);将操作类型与最小权限等级之间的映射关系存储于权限等级映射表中。

14、步骤s2包括:

15、步骤s2.1:对于每个用户的操作序列,将操作序列中的相邻操作点按时间顺序依次配对,记作(ak前,ol前)和(ak后,ol后)组成的操作类型对;统计每个相邻操作类型对在整个操作序列集合中出现的总次数,将该总次数除以所有相邻操作类型对的出现次数总和,得到每个操作类型对的出现频率;同时,对于每个相邻操作类型对,从对应的两个操作点的时间戳中提取时间间隔;将每个操作类型对对应的所有时间间隔收集为一个时间间隔序列;如果某个操作类型对在操作序列中多次出现,则每次出现均对应一个独立的时间间隔值,所有时间间隔值共同构成该操作类型对的时间间隔序列;

16、步骤s2.2:对于步骤s2.1中统计得到的每个操作类型对,将操作类型对中前一个操作类型的操作行为文本和操作对象文本拼接为第一文本,将后一个操作类型的操作行为文本和操作对象文本拼接为第二文本;构造一个提示文本,包含第一文本、第二文本以及一段预定义的指示语句,所述指示语句设置为第二文本对应的操作是否必须在第一文本对应的操作完成之后才能执行;调用大语言模型接收提示文本,由大语言模型根据对两个操作文本的语义理解以及业务操作流程,输出判断结果,判断结果为“是”时,表示该操作类型对具有先后顺序要求,即后一个操作的执行必须以完成前一个操作为前提;判断结果为“否”时,表示该操作类型对不具有先后顺序要求,后一个操作可以在不依赖前一个操作的情况下独立执行;

17、步骤s2.3:将从大语言模型获得的判断结果记录为每个操作类型对的顺序要求标签;对于判断结果为“是”的操作类型对,将其标记为具有顺序要求的操作对;对于判断结果为“否”的操作类型对,直接排除,不参与后续步骤的处理;所有被标记为具有顺序要求的操作对构成顺序要求操作对集合,集合中每个操作类型对均附带对应的时间间隔序列。

18、步骤s3包括:

19、步骤s3.1:针对步骤s2得到的顺序要求操作对集合,提取集合中每一组具有先后顺序要求的操作类型对对应的原始时间间隔序列,对所有时间间隔序列进行异常数据清洗处理,得到处理后的标准时间间隔序列;

20、步骤s3.2:基于每组操作类型对对应的标准时间间隔序列,提取序列中的最小值作为最小时间间隔阈值tmin,表示正常业务场景下前后两个关联操作的最短合理间隔;同时对标准时间间隔序列进行升序排序,选取序列95%分位对应的时间间隔数值作为最大时间间隔阈值tmax,表示正常业务流程中前驱操作完成后、后继操作可执行的最长时限;由最小时间间隔阈值tmin与最大时间间隔阈值tmax共同构成该组操作类型对对应的有效时间窗口[tmin,tmax],只有当前驱操作执行完成后,后继操作在该有效时间窗口内触发时,才判定为符合正常业务时序规则;

21、步骤s3.3:遍历顺序要求操作对集合中所有操作类型对,以各操作类型对对应的操作类型为图谱节点,以操作对的先后执行逻辑为有向约束,针对每一组合规操作类型对,生成一条唯一的权限转移有向边,每条有向边绑定前驱操作类型、后继操作类型、固定先后顺序约束以及对应的有效时间窗口,整合所有操作类型节点与全部权限转移有向边,构建完成权限转移图谱。

22、步骤s4包括:

23、步骤s4.1:从用户权限配置表中读取对应用户的权限等级,为每个用户设置连续匹配失败计数器cf,初始值设置为0;所述连续匹配失败计数器用于记录连续匹配失败的次数;实时监测用户的操作行为,每当用户发起一次新操作时,记录当前操作的操作类型tc=(ak,ol)以及当前操作的时间戳tc;从缓存记录中获取用户上一已完成操作的操作类型tp及其完成时间戳tp;

24、步骤s4.2:在权限转移图谱中查找是否存在由tp指向tc的有向边:若存在有向边,则从图谱中读取该有向边绑定的有效时间窗口[tmin,tmax],计算实际时间间隔δt=tc-tp;若满足tmin≤δt≤tmax,且用户当前操作权限等级≥lmin(tc),则允许用户执行当前操作,并将当前操作类型tc及其完成时间戳tc更新到缓存中,将连续匹配失败计数器cf重置为0;若用户当前操作权限等级

25、步骤s4.3:若在权限转移图谱中未查找到由tp指向tc的有向边,则判定为操作顺序不匹配,不授予当前操作所需权限,阻止用户执行当前操作,并在用户界面提示当前操作不符合业务顺序;将连续匹配失败计数器cf加1,并生成操作顺序不匹配日志;

26、根据连续匹配失败计数器cf的数值执行权限调整:

27、预设第一异常阈值thf1与第二异常阈值thf2,且满足thf1

28、步骤s4.4:当用户处于只读模式后,继续监测后续操作;若用户连续多次操作均满足顺序匹配与时间窗口要求,且连续正常操作次数达到预设恢复阈值thr,则解除只读模式,将权限等级恢复为初始权限等级,并将连续匹配失败计数器cf重置为0;若再次出现顺序不匹配,则保持只读模式不变;根据每次权限调整操作以及时间窗口不匹配事件,生成权限管理日志条目并写入权限管理审计库;所述权限管理日志条目至少包含用户标识、操作类型、匹配结果、调整前后的动态权限等级数值、实际时间间隔δt、对应有向边的tmin和tmax以及时间戳信息。

29、基于大模型的用户权限管理系统,包括操作类型聚类模块、顺序约束提取模块、权限转移图谱构建模块、动态权限调控模块;

30、操作类型聚类模块采集历史正常操作日志,提取每个操作点的操作用户、操作行为、操作对象以及操作时间戳,构成每个用户的操作序列;对操作行为和操作对象进行语义聚类,形成操作类型集合,并为每个操作类型关联其所需的最小权限等级;

31、顺序约束提取模块对每个用户的操作序列,按时间顺序统计相邻操作类型对的出现频率,并记录每对相邻操作之间的时间间隔;通过大语言模型筛选出具有先后顺序要求的操作对;

32、权限转移图谱构建模块对于每个具有顺序要求的操作对,根据其时间间隔的分布特征计算有效时间窗口,将所有操作的顺序要求以及时间窗口构成权限转移图谱;

33、动态权限调控模块实时监测用户操作行为,当新操作发生时,根据新操作序列与权限转移图谱的匹配结果动态调整用户的权限等级,并根据权限等级的变化趋势对用户权限进行锁定或恢复。

34、与现有技术相比,本发明的有益效果是:

35、1、本发明对用户操作行为和操作对象进行自动归类整合,并根据历史操作数据自动匹配各类操作对应的最低操作权限,能够适配不同的业务操作场景,减少人工维护工作量,让权限划分更加规范、精准;

36、2、本发明结合用户真实的历史操作顺序和操作时间间隔规律,通过大语言模型自动识别正常的业务操作流程,生成包含操作顺序和合理操作时间范围的权限转移图谱;相比于固定的权限管控方式,能够贴合用户真实操作习惯,有效识别顺序错乱、操作超时等异常行为,提升权限管控的合理性与精准度;

37、3、本发明根据构建的权限转移图谱,对用户实时操作进行动态校验,根据用户连续合规操作或异常操作情况,自动调整用户权限等级,实现权限降级、锁定与恢复的动态管理;既能有效防范越权、异常操作风险,保障系统安全,又能保证用户正常合规操作不受影响,同时全程记录权限变动日志,便于后续追溯管理。