CN109922091A - 用户终端异常行为的检测方法、服务器、用户终端 - Google Patents
用户终端异常行为的检测方法、服务器、用户终端 Download PDFInfo
- Publication number
- CN109922091A CN109922091A CN201910368333.2A CN201910368333A CN109922091A CN 109922091 A CN109922091 A CN 109922091A CN 201910368333 A CN201910368333 A CN 201910368333A CN 109922091 A CN109922091 A CN 109922091A
- Authority
- CN
- China
- Prior art keywords
- user terminal
- behavioral parameters
- interest
- user
- response
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Telephonic Communication Services (AREA)
Abstract
本发明属于通信领域,具体涉及一种用户终端异常行为的检测方法、服务器和用户终端。该方法包括:基于响应于用户终端发送的第一行为参数,获取预先存储的第二行为参数,基于第一行为参数和第二行为参数确定用户终端对应的用户的兴趣转移程度系数和兴趣分布变异系数,响应于兴趣转移程度系数小于预设的第一阈值,且兴趣分布变异系数小于预设的第二阈值,则将用户终端确定为正常行为用户终端。通过本实施例提供的技术方案,避免了现有技术中无法精准确定该用户终端的行为为正常行为还是异常行为,导致用户的信息被盗的技术弊端,实现了降低用户终端被盗而对用户造成的风险的技术效果。
Description
技术领域
本发明属于通信技术领域,具体涉及一种用户终端异常行为的检测方法、服务器、用户终端。
背景技术
随着用户终端的普及,用户终端在最近十多年间得到了迅速的发展,由于其出色的性能和丰富的功能,人们开始使用用户终端代替个人电脑处理一些日常事务,如收发邮件、在线购物等。
由于更多的接触使用者的个人信息,用户终端的安全性也开始吸引更多的注意力,尤其是在用户终端丢失之后,有可能给用户带来巨大的损失,在这种情况下,保护用户终端安全变得极为重要。在现有技术中,通过用户设置的锁屏保护对用户终端的安全进行保障,或者通过设置密码的方式使得用户终端丢失后,其他用户无法开启用户终端。但是,通过锁屏和密码均不能从根本上起到保护的作用。
因此,如何确定某用户终端为正常行为的用户终端成了亟待解决的问题。
发明内容
本发明所要解决的技术问题是针对现有技术中上述至少部分不足,提供一种用户终端异常行为的检测方法、服务器和用户终端。
根据本发明实施例的一个方面,本发明实施例提供了一种用户终端异常行为的检测方法,所述方法包括:
响应于用户终端发送的第一行为参数,获取预先存储的第二行为参数;
基于所述第一行为参数和所述第二行为参数确定所述用户终端对应的用户的兴趣转移程度系数和兴趣分布变异系数;
响应于所述兴趣转移程度系数小于预设的第一阈值,且所述兴趣分布变异系数小于预设的第二阈值,则将所述用户终端确定为正常行为用户终端。
优选的是,所述方法还包括:
响应于所述兴趣转移程度系数大于或等于所述第一阈值,或者,所述兴趣分布变异系数大于或等于所述第二阈值,则将所述用户终端确定为异常行为用户终端。
优选的是,所述方法还包括:
响应于所述用户终端为异常行为用户,生成验证指令;
将所述验证指令发送至所述用户终端,以便所述用户终端对所述用户的合法性进行验证。
优选的是,所述基于所述第一行为参数和所述第二行为参数确定所述用户终端对应的用户的兴趣转移程度系数和兴趣分布变异系数,具体包括:
基于所述第一行为参数和所述第二行为参数构建兴趣分布;
计算所述第一行为参数中每个参数对应的兴趣比重,并计算所述第二行为参数中每个参数对应的兴趣比重;
基于所有兴趣比重和所述兴趣分布确定所述兴趣转移程度系数;
基于所述兴趣分布确定所述兴趣分布变异系数。
优选的是,在所述响应于用户终端发送的第一行为参数,获取预先存储的第二行为参数之后,所述方法还包括:
计算所述第一行为参数和所述第二行为参数的第一相似度;
响应于所述第一相似度小于预设的第三阈值,执行所述基于所述第一行为参数和所述第二行为参数确定所述用户终端对应的用户的兴趣转移程度系数和兴趣分布变异系数的步骤。
根据本发明实施例的另一个方面,本发明实施例还提供了一种用户终端异常行为的检测方法,所述方法包括:
响应于用户发送的访问请求,采集所述用户的第一行为参数;
获取预存的用户的操作记录;
基于所述操作记录确定第三行为参数;
计算所述第一行为参数和所述第三行为参数的第二相似度;
响应于所述第二相似度小于预设的第四阈值,将第一行为参数发送至服务器。
优选地是,所述方法还包括:
响应于所述服务器发送的验证指令,通过人脸识别、服务密码、语音电话中的一种或多种方式对所述用户的合法性进行验证。
根据本发明实施例的另一个方面,本发明实施例还提供了一种服务器,所述服务器包括:
第一获取模块:用于响应于用户终端发送的第一行为参数,获取预先存储的第二行为参数;
第一确定模块:用于基于所述第一行为参数和所述第二行为参数确定所述用户终端对应的用户的兴趣转移程度系数和兴趣分布变异系数,并响应于所述兴趣转移程度系数小于预设的第一阈值,且所述兴趣分布变异系数小于预设的第二阈值,则将所述用户终端确定为正常行为用户终端。
优选地是,所述第一确定模块还用于:响应于所述兴趣转移程度系数大于或等于所述第一阈值,或者,所述兴趣分布变异系数大于或等于所述第二阈值,则将所述用户终端确定为异常行为用户终端。
优选地是,所述服务器还包括:
生成模块:用于响应于所述用户终端为异常行为用户,生成验证指令;
第一发送模块:用于将所述验证指令发送至所述用户终端,以便所述用户终端对所述用户的合法性进行验证。
优选地是,所述第一确定模块还用于:基于所述第一行为参数和所述第二行为参数构建兴趣分布;
计算所述第一行为参数中每个参数对应的兴趣比重,并计算所述第二行为参数中每个参数对应的兴趣比重;
基于所有兴趣比重和所述兴趣分布确定所述兴趣转移程度系数;
基于所述兴趣分布确定所述兴趣分布变异系数。
优选地是,所述服务器还包括:
第一计算模块:用于计算所述第一行为参数和所述第二行为参数的第一相似度;
响应于所述第一相似度小于预设的第三阈值,所述第一确定模块用于执行所述基于所述第一行为参数和所述第二行为参数确定所述用户终端对应的用户的兴趣转移程度系数和兴趣分布变异系数的步骤。
根据本发明实施例的另一个方面,本发明实施例还提供了一种用户终端,所述用户终端包括:
采集模块:用于响应于用户发送的访问请求,采集所述用户的第一行为参数;
第二获取模块:用于获取预存的用户的操作记录;
第二确定模块:用于基于所述操作记录确定第三行为参数;
第二计算模块:用于计算所述第一行为参数和所述第三行为参数的第二相似度;
第二发送模块:用于响应于所述第二相似度小于预设的第四阈值,将第一行为参数发送至服务器。
优选地是,所述用户终端还包括:
验证模块:用于响应于所述服务器发送的验证指令,通过人脸识别、服务密码、语音电话中的一种或多种方式对所述用户的合法性进行验证。
本发明的有益效果是:
本申请中基于响应于用户终端发送的第一行为参数,获取预先存储的第二行为参数,基于第一行为参数和第二行为参数确定用户终端对应的用户的兴趣转移程度系数和兴趣分布变异系数,响应于兴趣转移程度系数小于预设的第一阈值,且兴趣分布变异系数小于预设的第二阈值,则将用户终端确定为正常行为用户终端的技术方案,避免了现有技术中无法精准确定该用户终端的行为为正常行为还是异常行为,导致用户的信息被盗的技术弊端,实现了降低用户终端被盗而对用户造成的风险的技术效果。
附图说明
图1为本发明实施例提供的一种用户终端异常行为的检测方法的流程示意图;
图2为本发明另一实施例提供的一种用户终端异常行为的检测方法的流程示意图;
图3为本发明实施例提供的一种服务器的模块示意图;
图4为本发明实施例提供的一种用户终端的模块示意图;
附图标识中:
1-第一获取模块;2-第一确定模块;3-生成模块;4-第一发送模块;5-第一计算模块;6-采集模块;7-第二获取模块;8-第二确定模块;9-第二计算模块;10-第二发送模块;11-验证模块。
具体实施方式
为使本领域技术人员更好地理解本发明的技术方案,下面结合附图和具体实施方式对本发明一种用户终端异常行为的检测方法、服务器和用户终端作进一步详细描述。
本实施例提供一种用户终端异常行为的检测方法,避免了现有技术中无法精准确定该用户终端的行为为正常行为还是异常行为,导致用户的信息被盗的技术弊端,实现了降低用户终端被盗而对用户造成的风险的技术效果。
请参阅图1,图1为本发明实施例提供的一种用户终端异常行为的检测方法的流程示意图。
如图1所示,该方法包括:
S1:服务器响应于用户终端发送的第一行为参数,获取预先存储的第二行为参数。
也就是说,用户终端会向服务器发送第一行为参数。当服务器接收到用户终端发送的第一行为参数后,会从服务器中获取第二行为参数。
当用户通过用户终端对网页进行访问时,会在服务器中留下访问痕迹,即第二行为参数。
其中,第一行为参数和第二行为参数分别包括用户登录的ID号、源IP、目的IP、请求URL、域名、访问时间中的一种或多种。其中,访问时间包括开始访问时间,结束访问时间等。
S2:服务器基于第一行为参数和第二行为参数确定用户终端对应的用户的兴趣转移程度系数和兴趣分布变异系数。
当服务器获取到第一行为参数和第二行为参数后,即可基于两种行为参数确定用户的兴趣信息。如,喜欢看的网页有哪些,关注的明星有哪些等等。所以,服务器可基于两种行为参数确定兴趣转移程度系数和兴趣分布变异系数。
在一种可能实现的技术方案中,S2具体包括:
S2-1:服务器基于第一行为参数和第二行为参数构建兴趣分布。
S2-2:服务器计算第一行为参数中每个参数对应的兴趣比重,并计算第二行为参数中每个参数对应的兴趣比重。
如:第一行为参数中共有五个参数,第一个参数的兴趣比重等于,第一参数出现的次数与五个参数总共出现的次数的商。
其中,一个参数出现的次数是指,用户访问的次数。
当然,也可将五个参数先进行分类,如:明星,饮食,健身等,然后计算明显对应的兴趣比重等。
S2-3:服务器基于所有兴趣比重和兴趣分布确定兴趣转移程度系数。
如:通过计算兴趣分布的面积,计算每个兴趣比重与面积的商,以进行加权平均,得到相应的兴趣转移程度系数。
S2-4:服务器基于兴趣分布确定兴趣分布变异系数。
如:获取第一行为参数和第二行为参数相同的近似行为参数,求取近似行为参数在兴趣分布中的面积,并求取兴趣分布的总面积,再求得近似行为参数对应的面积与兴趣分布的面积的商,求得的商即为兴趣分布变异系数。
S3:服务器响应于兴趣转移程度系数小于预设的第一阈值,且兴趣分布变异系数小于预设的第二阈值,则将用户终端确定为正常行为用户终端。
在该步骤中,服务器将兴趣转移程度系数与第一阈值进行比较,并将兴趣分布变异系数与第二阈值进行比较。其中,第一阈值和第二阈值均是基于经验或需求进行设定的。
如果兴趣转移程度系数小于第一阈值,并且兴趣分布变异系数小于第二阈值,则确定该用户为正常的用户,用户终端并无异常行为,即用户终端为正常行为用户终端。
在一种可能实现的技术方案中,该方法还包括:
S4:服务器响应于兴趣转移程度系数大于或等于第一阈值,或者,兴趣分布变异系数大于或等于第二阈值,则将用户终端确定为异常行为用户终端。
也就是说,只要满足下列四种条件中的任意一种条件,则服务器确定该用户终端为异常行为用户终端。
条件1:兴趣转移程度系数大于第一阈值;
条件2:兴趣转移程度系数等于第一阈值;
条件3:兴趣分布变异系数大于第二阈值;
条件4:兴趣分布变异系数等于第二阈值。
在一种可能实现的技术方案中,该方法还包括:
S5:服务器响应于用户终端为异常行为用户终端,生成验证指令。
S6:服务器将验证指令发送至用户终端,以便用户终端对用户的合法性进行验证。
在本实施例中,当服务器确定该用户终端为异常行为用户终端时,则生成验证指令,并将验证指令发送至用户终端。用户终端在接收到验证指令后,会对用户的合法性进行验证,以进一步确定该用户终端是否为异常行为用户终端。
在一种可能实现的技术方案中,在S1之后,该方法还包括:
S7:服务器计算第一行为参数和第二行为参数的第一相似度。
S8:响应于第一相似度小于预设的第三阈值,执行基于第一行为参数和第二行为参数确定用户终端对应的用户的兴趣转移程度系数和兴趣分布变异系数的步骤。
也就是说,在执行S1之后,服务器会对第一行为参数和第二行为参数的相似度进行计算,得到第二相似度,并将第二相似度和第三阈值进行比较。如果第二相似度小于第三阈值,才执行S2。
而如果第一相似度大于或等于第三阈值,则将用户终端确定为正常行为用户终端,该用户为正常用户。
在一种可能实现的技术方案中,响应于用户终端为正常行为用户终端,开启用户终端的联网功能。以便用户通过用户终端进行网页等访问。
根据本发明实施例的另一个方面,本发明实施例还提供了一种用户终端异常行为的检测方法。
请参阅图2,图2为本发明另一实施例提供的一种用户终端异常行为的检测方法的流程示意图。
如图2所示,该方法包括:
S10:用户终端响应于用户发送的访问请求,采集用户的第一行为参数。
如:用户向用户终端发送访问请求,以便对某网页进行访问。用户终端在接收到该访问请求时,先对用户的第一行为参数进行采集,即用户通过APP、浏览器上网等情况的参数进行采集。
S20:用户终端获取预存的用户的操作记录。
其中,操作记录是存储在用户终端中的。即,用户终端会用户的操作进行相应的记录,并将操作记录进行缓存。如,用户通过用户终端某网页进行浏览,用户终端会对网页的信息以及访问时间信息等进行记录,并进行存储。
S30:用户终端基于操作记录确定第三行为参数。
在该步骤中,用户终端基于操作记录可以获取用户具体对哪些网址等进行了浏览,以及浏览的时间等信息。即用户终端可基于操作记录确定第三行为参数。
S40:用户终端计算第一行为参数和第三行为参数的第二相似度。
S50:用户终端响应于第二相似度小于预设的第四阈值,将第一行为参数发送至服务器。
用户终端对第一行为参数和第三行为参数的相似度进行计算,并得到第二相似度。如果第二相似度小于第四阈值,则说明该用户终端的行为很可能为异常行为,即该用户可能为异常用户。则将第一行为参数发送至服务器,以便服务器再次进行确定。
当然,也可能第二相似度大于等于第四阈值,则可确定该用户终端的行为为正常行为,即用户为正常用户。则用户终端自动开启联网功能。以便用户进行网页等访问。
在一种可能实现的技术方案中,该方法还包括:
S60:用户终端响应于服务器发送的验证指令,通过人脸识别、服务密码、语音电话中的一种或多种方式对用户的合法性进行验证。
在本实施例中,如果接收到服务器发送的验证指令,则用户终端需要对用户的合法性进行验证。而验证的方法可以是一种,也可以是多种相结合。如果为多种相结合,则一种实施例为:只要满足任意一种,则说明该用户为正常用户。另一种实施例为:必须同时满足多种,才能说明该用户为正常用户。
根据本发明实施例的另一个方面,本发明实施例还提供了一种服务器。
请参阅图3,图3为本发明实施例提供的一种服务器的模块示意图。
如图3所示,该服务器包括:第一获取模块1和第一确定模块2,其中,
第一获取模块1用于:响应于用户终端发送的第一行为参数,获取预先存储的第二行为参数;
第一确定模块2用于:基于第一行为参数和第二行为参数确定用户终端对应的用户的兴趣转移程度系数和兴趣分布变异系数;并,
响应于兴趣转移程度系数小于预设的第一阈值,且兴趣分布变异系数小于预设的第二阈值,则将用户终端确定为正常行为用户终端。
在一种可能实现的技术方案中,
第一确定模块2还用于:响应于兴趣转移程度系数大于或等于第一阈值,或者,兴趣分布变异系数大于或等于第二阈值,则将用户终端确定为异常行为用户终端。
结合图3可知,在一种可能实现的技术方案中,服务器还包括:生成模块3和第一发送模块4,其中,
生成模块3用于:响应于用户终端为异常行为用户,生成验证指令;
第一发送模块4用于:将验证指令发送至用户终端,以便用户终端对用户的合法性进行验证。
在一种可能实现的技术方案中,第一确定模块2具体用于:
基于第一行为参数和第二行为参数构建兴趣分布;
计算第一行为参数中每个参数对应的兴趣比重,并计算第二行为参数中每个参数对应的兴趣比重;
基于所有兴趣比重和兴趣分布确定兴趣转移程度系数;
基于兴趣分布确定兴趣分布变异系数。
结合图3可知,在一种可能实现的技术方案中,服务器还包括:第一计算模块5,其中,第一计算模块5用于:
计算第一行为参数和第二行为参数的第一相似度;
响应于第一相似度小于预设的第三阈值,才由第一确定模块执行基于第一行为参数和第二行为参数确定用户终端对应的用户的兴趣转移程度系数和兴趣分布变异系数的操作。
根据本发明实施例提供的另一个方面,本发明实施例还提供了一种用户终端。
请参阅图4,图4为本发明实施例提供的一种用户终端的模块示意图。
如图4所示,该用户终端包括:采集模块6、第二获取模块7、第二确定模块8、第二计算模块9、第二发送模块10,其中,
采集模块6用于:响应于用户发送的访问请求,采集用户的第一行为参数;
第二获取模块7用于:获取预存的用户的操作记录;
第二确定模块8用于:基于操作记录确定第三行为参数;
第二计算模块9用于:计算第一行为参数和第三行为参数的第二相似度;
第二发送模块10用于:响应于第二相似度小于预设的第四阈值,将第一行为参数发送至服务器。
结合图4可知,在一种可能实现的技术方案中,该用户终端还包括:验证模块11,其中,
验证模块11用于:响应于服务器发送的验证指令,通过人脸识别、服务密码、语音电话中的一种或多种方式对用户的合法性进行验证。
本申请中基于响应于用户终端发送的第一行为参数,获取预先存储的第二行为参数,基于第一行为参数和第二行为参数确定用户终端对应的用户的兴趣转移程度系数和兴趣分布变异系数,响应于兴趣转移程度系数小于预设的第一阈值,且兴趣分布变异系数小于预设的第二阈值,则将用户终端确定为正常行为用户终端的技术方案,避免了现有技术中无法精准确定该用户终端的行为为正常行为还是异常行为,导致用户的信息被盗的技术弊端,实现了降低用户终端被盗而对用户造成的风险的技术效果。
可以理解的是,以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式,然而本发明并不局限于此。对于本领域内的普通技术人员而言,在不脱离本发明的精神和实质的情况下,可以做出各种变型和改进,这些变型和改进也视为本发明的保护范围。
Claims (11)
1.一种用户终端异常行为的检测方法,其特征在于,所述方法包括:
响应于用户终端发送的第一行为参数,获取预先存储的第二行为参数;
基于所述第一行为参数和所述第二行为参数确定所述用户终端对应的用户的兴趣转移程度系数和兴趣分布变异系数;
响应于所述兴趣转移程度系数小于预设的第一阈值,且所述兴趣分布变异系数小于预设的第二阈值,则将所述用户终端确定为正常行为用户终端。
2.根据权利要求1所述的检测方法,其特征在于,所述方法还包括:
响应于所述兴趣转移程度系数大于或等于所述第一阈值,或者,所述兴趣分布变异系数大于或等于所述第二阈值,则将所述用户终端确定为异常行为用户终端。
3.根据权利要求2所述的检测方法,其特征在于,所述方法还包括:
响应于所述用户终端为异常行为用户,生成验证指令;
将所述验证指令发送至所述用户终端,以便所述用户终端对所述用户的合法性进行验证。
4.根据权利要求1至3中任一项所述的检测方法,其特征在于,所述基于所述第一行为参数和所述第二行为参数确定所述用户终端对应的用户的兴趣转移程度系数和兴趣分布变异系数,具体包括:
基于所述第一行为参数和所述第二行为参数构建兴趣分布;
计算所述第一行为参数中每个参数对应的兴趣比重,并计算所述第二行为参数中每个参数对应的兴趣比重;
基于所有兴趣比重和所述兴趣分布确定所述兴趣转移程度系数;
基于所述兴趣分布确定所述兴趣分布变异系数。
5.根据权利要求1至3中任一项所述的检测方法,其特征在于,在所述响应于用户终端发送的第一行为参数,获取预先存储的第二行为参数之后,所述方法还包括:
计算所述第一行为参数和所述第二行为参数的第一相似度;
响应于所述第一相似度小于预设的第三阈值,执行所述基于所述第一行为参数和所述第二行为参数确定所述用户终端对应的用户的兴趣转移程度系数和兴趣分布变异系数的步骤。
6.一种用户终端异常行为的检测方法,其特征在于,所述方法包括:
响应于用户发送的访问请求,采集所述用户的第一行为参数;
获取预存的用户的操作记录;
基于所述操作记录确定第三行为参数;
计算所述第一行为参数和所述第三行为参数的第二相似度;
响应于所述第二相似度小于预设的第四阈值,将第一行为参数发送至服务器。
7.一种服务器,其特征在于,所述服务器包括:
第一获取模块:用于响应于用户终端发送的第一行为参数,获取预先存储的第二行为参数;
第一确定模块:用于基于所述第一行为参数和所述第二行为参数确定所述用户终端对应的用户的兴趣转移程度系数和兴趣分布变异系数,并响应于所述兴趣转移程度系数小于预设的第一阈值,且所述兴趣分布变异系数小于预设的第二阈值,则将所述用户终端确定为正常行为用户终端。
8.根据权利要求7所述的服务器,其特征在于,所述第一确定模块还用于:响应于所述兴趣转移程度系数大于或等于所述第一阈值,或者,所述兴趣分布变异系数大于或等于所述第二阈值,则将所述用户终端确定为异常行为用户终端。
9.根据权利要求8所述的服务器,其特征在于,所述服务器还包括:
生成模块:用于响应于所述用户终端为异常行为用户,生成验证指令;
第一发送模块:用于将所述验证指令发送至所述用户终端,以便所述用户终端对所述用户的合法性进行验证。
10.根据权利要求7至9中任一项所述的服务器,其特征在于,所述第一确定模块还用于:基于所述第一行为参数和所述第二行为参数构建兴趣分布;
计算所述第一行为参数中每个参数对应的兴趣比重,并计算所述第二行为参数中每个参数对应的兴趣比重;
基于所有兴趣比重和所述兴趣分布确定所述兴趣转移程度系数;
基于所述兴趣分布确定所述兴趣分布变异系数。
11.一种用户终端,其特征在于,所述用户终端包括:
采集模块:用于响应于用户发送的访问请求,采集所述用户的第一行为参数;
第二获取模块:用于获取预存的操作记录;
第二确定模块:用于基于所述操作记录确定第三行为参数;
第二计算模块:用于计算所述第一行为参数和所述第三行为参数的第二相似度;
第二发送模块:用于响应于所述第二相似度小于预设的第四阈值,将第一行为参数发送至服务器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910368333.2A CN109922091B (zh) | 2019-05-05 | 2019-05-05 | 用户终端异常行为的检测方法、服务器、用户终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910368333.2A CN109922091B (zh) | 2019-05-05 | 2019-05-05 | 用户终端异常行为的检测方法、服务器、用户终端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109922091A true CN109922091A (zh) | 2019-06-21 |
CN109922091B CN109922091B (zh) | 2021-11-09 |
Family
ID=66979001
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910368333.2A Active CN109922091B (zh) | 2019-05-05 | 2019-05-05 | 用户终端异常行为的检测方法、服务器、用户终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109922091B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112084893A (zh) * | 2020-08-24 | 2020-12-15 | 中国银联股份有限公司 | 生物识别终端异常检测方法、装置、设备及存储介质 |
CN113392385A (zh) * | 2021-06-28 | 2021-09-14 | 中山大学 | 一种云环境下的用户信任度量方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104883346A (zh) * | 2014-09-28 | 2015-09-02 | 北京匡恩网络科技有限责任公司 | 一种网络设备行为分析方法及系统 |
CN106789885A (zh) * | 2016-11-17 | 2017-05-31 | 国家电网公司 | 一种大数据环境下用户异常行为检测分析方法 |
CN107729560A (zh) * | 2017-11-08 | 2018-02-23 | 北京奇虎科技有限公司 | 基于大数据的用户画像构造方法、装置及计算设备 |
CN108881275A (zh) * | 2018-07-06 | 2018-11-23 | 武汉思普崚技术有限公司 | 一种用户访问合规性分析的方法及系统 |
CN109299365A (zh) * | 2018-09-28 | 2019-02-01 | 西安交通大学深圳研究院 | 一种基于数据流的异常用户检索系统 |
CN109361660A (zh) * | 2018-09-29 | 2019-02-19 | 武汉极意网络科技有限公司 | 异常行为分析方法、系统、服务器及存储介质 |
CN109391620A (zh) * | 2018-10-22 | 2019-02-26 | 武汉极意网络科技有限公司 | 异常行为判定模型的建立方法、系统、服务器及存储介质 |
-
2019
- 2019-05-05 CN CN201910368333.2A patent/CN109922091B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104883346A (zh) * | 2014-09-28 | 2015-09-02 | 北京匡恩网络科技有限责任公司 | 一种网络设备行为分析方法及系统 |
CN106789885A (zh) * | 2016-11-17 | 2017-05-31 | 国家电网公司 | 一种大数据环境下用户异常行为检测分析方法 |
CN107729560A (zh) * | 2017-11-08 | 2018-02-23 | 北京奇虎科技有限公司 | 基于大数据的用户画像构造方法、装置及计算设备 |
CN108881275A (zh) * | 2018-07-06 | 2018-11-23 | 武汉思普崚技术有限公司 | 一种用户访问合规性分析的方法及系统 |
CN109299365A (zh) * | 2018-09-28 | 2019-02-01 | 西安交通大学深圳研究院 | 一种基于数据流的异常用户检索系统 |
CN109361660A (zh) * | 2018-09-29 | 2019-02-19 | 武汉极意网络科技有限公司 | 异常行为分析方法、系统、服务器及存储介质 |
CN109391620A (zh) * | 2018-10-22 | 2019-02-26 | 武汉极意网络科技有限公司 | 异常行为判定模型的建立方法、系统、服务器及存储介质 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112084893A (zh) * | 2020-08-24 | 2020-12-15 | 中国银联股份有限公司 | 生物识别终端异常检测方法、装置、设备及存储介质 |
CN112084893B (zh) * | 2020-08-24 | 2024-05-17 | 中国银联股份有限公司 | 生物识别终端异常检测方法、装置、设备及存储介质 |
CN113392385A (zh) * | 2021-06-28 | 2021-09-14 | 中山大学 | 一种云环境下的用户信任度量方法及系统 |
CN113392385B (zh) * | 2021-06-28 | 2023-07-14 | 中山大学 | 一种云环境下的用户信任度量方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109922091B (zh) | 2021-11-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106797371B (zh) | 用于用户认证的方法和系统 | |
US11190527B2 (en) | Identity verification and login methods, apparatuses, and computer devices | |
CN107070735B (zh) | 异步接口测试的方法、测试终端及系统 | |
CN108780475A (zh) | 用于虚拟辅助的个性化推论认证 | |
CN104184705B (zh) | 验证方法、装置、服务器、用户数据中心和系统 | |
CN105471581B (zh) | 一种身份验证方法及装置 | |
CN105763547B (zh) | 第三方授权方法和第三方授权系统 | |
CN107169499B (zh) | 一种风险识别方法及装置 | |
CN104994064B (zh) | 一种基于客户端插件的授权认证方法及系统 | |
CN104426884A (zh) | 身份鉴权的方法及装置 | |
WO2013028794A2 (en) | Multi-factor identity fingerprinting with user behavior | |
US9667613B1 (en) | Detecting mobile device emulation | |
CN108632291A (zh) | 一种第三方授权登录方法及系统 | |
CN105378703A (zh) | 用于使用统一规则集合来验证输入的多个方法的方法和系统 | |
CN109698809A (zh) | 一种账号异常登录的识别方法及装置 | |
Koduru et al. | Detection of economic denial of sustainability using time spent on a web page in cloud | |
CN107040518A (zh) | 一种私有云服务器登录方法及系统 | |
CN108133373A (zh) | 探寻涉机器行为的风险账户的方法及装置 | |
CN107733883A (zh) | 一种检测批量注册账号的方法及装置 | |
CN108306886A (zh) | 一种身份验证方法、装置及存储介质 | |
CN110247758A (zh) | 密码管理的方法、装置及密码管理器 | |
CN109547426A (zh) | 业务响应方法及服务器 | |
CN107862091A (zh) | 实现网页访问的控制方法及装置 | |
CN109922091A (zh) | 用户终端异常行为的检测方法、服务器、用户终端 | |
CN110324344A (zh) | 账号信息认证的方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |