一种用户行为识别方法、系统、设备及存储介质与流程

技术特征：
1.一种用户行为识别方法，其特征在于，包括以下步骤：采集网络链路上的实时流量数据，得到实时ip数据流；对所述ip数据流进行预处理，得到相应的编码向量和属性特征；根据所述编码向量以及预先构建的超图表达模型，将预设时间窗口内的ip数据流及其属性特征转换为多图层超图；基于所述多图层超图，根据连续时间窗口中的ip数据流，得到与时间窗口相应的超图序列；对所述超图序列进行实时行为标注，得到用户行为标注序列，以确定用户行为类型。2.如权利要求1所述的一种用户行为识别方法，其特征在于，所述对所述ip数据流进行预处理，得到相应的编码向量和属性特征的步骤包括：在训练阶段，采集网络链路上用于训练的流量数据，得到ip数据流训练样本，并对所述ip数据流训练样本与预设的用户行为标注进行拼接、编码，得到编码表；根据训练得到的编码表，获取所述ip数据流中每一个ip地址的编码向量；对得到的所有所述编码向量以用户为单元进行流量分离，得到用户数据流；利用预设时间窗口对所述用户数据流进行窗口分割，得到窗口流片段；对每个所述窗口流片段进行特征提取，得到属性特征。3.如权利要求1所述的一种用户行为识别方法，其特征在于，根据所述编码向量以及预先构建的超图表达模型，将预设时间窗口内的ip数据流及其属性特征转换为多图层超图的步骤包括：在网络链路上采集用于模型训练的流量数据，得到ip数据流训练样本；根据所述ip数据流训练样本以及预设的用户行为标注训练神经网络模型；根据训练好的神经网络模型得到相应的超图表达模型；将实时ip数据流中每一个ip地址的编码向量输入所述超图表达模型，得到预设时间窗口中的ip数据流在超图中的坐标位置。4.如权利要求3所述的一种用户行为识别方法，其特征在于，所述根据所述ip数据流训练样本以及预设的用户行为标注训练神经网络模型的步骤包括：在训练阶段，选取所述ip数据流训练样本在给定时间窗口中任一ip地址，并将其作为待训练的神经网络模型的输入；在与所述ip地址处于相同的时间窗口中，将部分剩余的互联网侧的ip地址编码向量、以及此时间窗口预设的用户行为标注对应的编码向量作为待训练的神经网络模型的输出，以进行有监督学习；保留待训练神经网络模型输出中的用户行为标注对应的编码向量，随机更换此时间窗口中与待训练神经网络模型输入端不同的互联网侧的ip地址编码向量，重复这一步并遍历所有可能组合；对输入端的ip地址，遍历此时间窗口中所有位于互联网侧的ip地址；移动至下一个时间窗口，重复上述步骤，直至完成模型训练。5.如权利要求1所述的一种用户行为识别方法，其特征在于，所述基于所述多图层超图，根据时间窗口中连续的ip数据流，得到与时间窗口相应的超图序列的步骤包括：根据所述超图表达模型将实时ip数据流中每一个观测到的ip地址映射到超图中的像
素点；对于每一个ip地址，利用其在每一个预设时间窗口中的属性特征的维度，建立所述超图空间的图层；将任一ip地址在每一个预设时间窗口中的属性特征映射为超图空间中对应像素点各个图层的灰度，得到每一个时间窗口的ip数据流的多图层超图表达，将连续时间窗口所对应的若干多图层超图串接，得到超图序列。6.如权利要求1所述的一种用户行为识别方法，其特征在于，所述对所述超图序列进行实时行为标注，得到用户行为标注序列的步骤包括：根据预先训练得到的超图序列标注模型，获取超图序列标注模型参数；基于所述超图序列标注模型参数，对所述超图序列进行实时行为标注，得到用户在每一个时间窗口的行为标注。7.如权利要求6所述的一种用户行为识别方法，其特征在于：所述超图序列标注模型为长短期记忆网络模型；所述长短期记忆网络模型包括若干个串联的长短期记忆网络单元，每个长短期记忆网络单元均包括三个输入端、两个输出端以及与所述输入端连接的编码器。8.一种用户行为识别系统，其特征在于，所述系统包括：数据采集模块，用于采集网络链路上的实时流量数据，得到实时ip数据流；数据预处理模块，用于对所述ip数据流进行预处理，得到相应的编码向量和属性特征；流量分析模块，用于根据所述编码向量以及预先构建的超图表达模型，将预设时间窗口内的ip数据流及其属性特征转换为多图层超图，并基于所述多图层超图，根据连续时间窗口中的ip数据流，得到与时间窗口相应的超图序列；行为标注模块，用于对所述超图序列进行实时行为标注，得到用户行为标注序列，以确定用户行为类型。9.一种计算机设备，其特征在于：包括处理器和存储器，所述处理器与所述存储器相连，所述存储器用于存储计算机程序，所述处理器用于执行所述存储器中存储的计算机程序，以使得所述计算机设备执行如权利要求1至7中任一项所述的方法。10.一种计算机可读存储介质，其特征在于：所述计算机可读存储介质中存储有计算机程序，当所述计算机程序被运行时，实现如权利要求1至7任一项所述的方法。

技术总结
本发明涉及网络用户行为识别技术领域，尤其涉及一种用户行为识别方法、系统、设备及存储介质，包括：对所述IP数据流进行预处理，得到相应的编码向量和属性特征；根据所述编码向量以及预先构建的超图表达模型，将预设时间窗口内的IP数据流及其属性特征转换为多图层超图；基于所述多图层超图，根据连续时间窗口中的IP数据流，得到与时间窗口相应的超图序列；对所述超图序列进行实时行为标注，得到用户行为标注序列。本发明提供的方法，不仅能够使网络管理员在无需解密以及获取高层信息的情况下，通过网络数据流即可识别用户行为，同时描述了用户持续的访问行为规律，有效地提升了互联网的安全性，且适用范围广。且适用范围广。且适用范围广。


技术研发人员：谢逸
受保护的技术使用者：中山大学
技术研发日：2021.09.09
技术公布日：2022/1/6