CN112328934A - 访问行为路径分析方法、装置、设备及存储介质 - Google Patents
访问行为路径分析方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN112328934A CN112328934A CN202011114428.0A CN202011114428A CN112328934A CN 112328934 A CN112328934 A CN 112328934A CN 202011114428 A CN202011114428 A CN 202011114428A CN 112328934 A CN112328934 A CN 112328934A
- Authority
- CN
- China
- Prior art keywords
- access behavior
- access
- data
- path
- analysis
- 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.)
- Pending
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 111
- 238000012545 processing Methods 0.000 claims abstract description 36
- 238000000034 method Methods 0.000 claims abstract description 26
- 230000006399 behavior Effects 0.000 claims description 438
- 238000004140 cleaning Methods 0.000 claims description 17
- 230000014759 maintenance of location Effects 0.000 claims description 10
- 238000007499 fusion processing Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000013507 mapping Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000013398 bayesian method Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/958—Organisation or management of web site content, e.g. publishing, maintaining pages or automatic linking
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种访问行为路径分析方法、装置、设备及存储介质，所述方法包括：响应于用户输入的访问请求指令，从访问请求指令中获取当前访问行为数据；对当前访问行为数据进行处理，获得目标访问行为路径；将目标访问行为路径输入至预设访问行为分析模型中，获得访问行为安全指标值；根据访问行为安全指标值确定访问行为路径分析结果。由于一般分析访问行为的方式是对访问页面相关联的访问行为进行拦截，进而浪费大量时间去分析访问行为路径结果，而本发明仅需将目标访问行为路径输入至预设访问行为分析模型中，获得访问行为安全指标值，进而确定访问行为路径分析结果，实现了在减少访问行为分析时间的同时，提高了访问行为的处理效率及准确率。
Description
技术领域
本发明涉及信息处理技术领域，尤其涉及一种访问行为路径分析方法、装置、设备及存储介质。
背景技术
随着移动互联网的快速发展，用户访问各类网站的需求也越来越大，因此用户当前访问行为数据也越来越复杂，其中，用户当前访问行为会存在多样访问行为。目前，一般识别访问行为的方式是对访问页面相关联的访问行为进行全部拦截，但这样使得用户访问当前页面受到诸多阻碍，不仅会浪费大量时间去分析访问行为路径结果，还会导致访问行为的准确率较低。
上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供了一种访问行为路径分析方法、装置、设备及存储介质，旨在解决如何提高访问行为的处理效率及准确率的技术问题。
为实现上述目的，本发明提供了一种访问行为路径分析方法，所述访问行为路径分析方法包括：
响应于用户输入的访问请求指令，从所述访问请求指令中获取当前访问行为数据；
对所述当前访问行为数据进行处理，获得目标访问行为路径；
将所述目标访问行为路径输入至预设访问行为分析模型中，获得访问行为安全指标值；
根据所述访问行为安全指标值确定访问行为路径分析结果。
可选地，所述对所述当前访问行为数据进行处理，获得目标访问行为路径的步骤，包括：
根据所述当前访问行为数据生成访问行为分析图；
根据所述访问行为分析图确定访问行为起点和访问行为终点；
根据所述访问行为起点和所述访问行为终点确定目标访问行为路径。
可选地，所述根据所述当前访问行为数据生成访问行为分析图的步骤，包括：
对所述当前访问行为数据进行分析处理，获得多个访问关键数据；
根据多个所述访问关键数据确定访问行为类型；
根据所述访问行为类型和所述访问行为数据生成访问行为分析图。
可选地，所述根据所述访问行为起点和所述访问行为终点确定目标访问行为路径的步骤之前，还包括：
获取所述访问行为终点的终点停留时长；
判断所述终点停留时长是否大于或等于预设停留阈值；
在所述终点停留时长大于或等于所述预设停留阈值时，执行所述根据所述访问行为起点和所述访问行为终点确定目标访问行为路径的步骤。
可选地，所述从所述访问请求指令中获取当前访问行为数据的步骤，包括：
从所述访问请求指令中获取初始访问行为数据；
根据所述初始访问行为数据确定访问行为级别；
根据所述访问行为级别匹配对应的数据清洗规则；
根据所述数据清洗规则对所述初始访问行为数据进行清洗处理，以获得当前访问行为数据。
可选地，所述根据所述初始访问行为数据确定访问行为级别的步骤，包括：
从所述初始访问行为数据中选取多个初始访问行为数据；
将多个所述初始访问行为数据输入至预设特征识别模型中，获得多个访问行为特征；
根据多个所述访问行为特征确定访问行为级别。
可选地，所述根据多个所述访问行为特征确定访问行为级别的步骤，包括：
对多个所述访问行为特征进行融合处理，获得目标访问行为特征；
根据所述目标访问行为特征确定访问行为级别。
此外，为实现上述目的，本发明还提出一种访问行为路径分析装置，所述访问行为路径分析装置包括：
获取模块，用于响应于用户输入的访问请求指令，从所述访问请求指令中获取当前访问行为数据；
处理模块，用于对所述当前访问行为数据进行处理，获得目标访问行为路径；
输入模块，用于将所述目标访问行为路径输入至预设访问行为分析模型中，获得访问行为安全指标值；
确定模块，用于根据所述访问行为安全指标值确定访问行为路径分析结果。
此外，为实现上述目的，本发明还提出一种访问行为路径分析设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的访问行为路径分析程序，所述访问行为路径分析程序配置为实现如上文所述的访问行为路径分析方法的步骤。
此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有访问行为路径分析程序，所述访问行为路径分析程序被处理器执行时实现如上文所述的访问行为路径分析方法的步骤。
本发明首先响应于用户输入的访问请求指令，从访问请求指令中获取当前访问行为数据，然后对当前访问行为数据进行处理，获得目标访问行为路径，并将目标访问行为路径输入至预设访问行为分析模型中，获得访问行为安全指标值，最后根据访问行为安全指标值确定访问行为路径分析结果。由于一般识别访问行为的方式是对访问页面相关联的访问行为进行全部拦截，但这样使得用户访问当前页面受到诸多阻碍，浪费大量时间去分析访问行为路径结果，而本发明不需要将访问页面相关联的访问行为进行拦截，仅需将目标访问行为路径输入至预设访问行为分析模型中，获得访问行为安全指标值，进而确定访问行为路径分析结果，实现了在减少访问行为分析时间的同时，提高了访问行为的处理效率及准确性。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的访问行为路径分析设备的结构示意图；
图2为本发明访问行为路径分析方法第一实施例的流程示意图；
图3为本发明访问行为路径分析方法第二实施例的流程示意图；
图4为本发明访问行为路径分析装置第一实施例的结构框图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
参照图1，图1为本发明实施例方案涉及的硬件运行环境的访问行为路径分析设备结构示意图。
如图1所示，该访问行为路径分析设备可以包括：处理器1001，例如中央处理器(Central Processing Unit，CPU)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(WIreless-FIdelity，WI-FI)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory，RAM)存储器，也可以是稳定的非易失性存储器(Non-Volatile Memory，NVM)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的结构并不构成对访问行为路径分析设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、数据存储模块、网络通信模块、用户接口模块以及访问行为路径分析程序。
在图1所示的访问行为路径分析设备中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明访问行为路径分析设备中的处理器1001、存储器1005可以设置在访问行为路径分析设备中，所述访问行为路径分析设备通过处理器1001调用存储器1005中存储的访问行为路径分析程序，并执行本发明实施例提供的访问行为路径分析方法。
本发明实施例提供了一种访问行为路径分析方法，参照图2，图2为本发明访问行为路径分析方法第一实施例的流程示意图。
本实施例中，所述访问行为路径分析方法包括以下步骤：
步骤S10：响应于用户输入的访问请求指令，从所述访问请求指令中获取当前访问行为数据。
易于理解的是，本实施例的执行主体可以是具有图像处理、数据处理、网络通讯和程序运行等功能的访问行为路径分析设备，也可以为其他具有相似功能的计算机设备，本实施例并不加以限制。
可以理解的是，当前访问数据可以为多个字符，也可以为数字，还可以为文字等，本实施例并不加以限制。
在具体实现中，访问行为路径分析设备可根据接收的访问请求指令进行请求分析，以获取指令查找目标文件或查询目标网页内容过程中对应的多个数据标识，并将多个数据标识作为当前访问行为数据，其中数据标识可以为路径字母命名，也可以为路径数字命名等，本实施例并不加以限制。
进一步地，为了更加精准的获取当前访问行为数据，需要从访问请求指令中获取初始访问行为数据，之后根据初始访问行为数据确定访问行为级别，根据访问行为级别在预设数据清洗规则映射关系表中匹配对应的数据清洗规则，最后根据数据清洗规则对初始访问行为数据进行清洗处理，以获得当前访问行为数据。其中，预设数据清洗规则映射关系表中访问行为级别与数据清洗规则存在一一对应的关系，数据清洗规则可以理解为异常数据筛除等，初始访问行为数据可以理解为路径字符命名等，本实施例并不加以限制。
假设初始访问行为数据为a、b、c、4、d、f，则初始访问行为数据对应的是路径字母命名，可以将路径字母命名的访问行为级别为一级，在预设数据清洗规则映射关系表中一级对应的数据清洗规则是将字母以外数据全部清除，可得到当前访问行为数据a、b、c、d、f等，本实施例并不加以限制。
需要说明的是，根据初始访问行为数据确定访问行为级别的步骤可以理解为从初始访问行为数据中选取多个初始访问行为数据，并将多个初始访问行为数据输入至预设特征识别模型中，获得多个访问行为特征，对多个访问行为特征进行融合处理，获得目标访问行为特征，最后根据目标访问行为特征确定访问行为级别。
可以理解的是，预设特征识别模型是通过多个访问行为数据和多个标准特征类型对卷积神经网络进行训练得到，实际应用中将访问行为数据输入至预设特征识别模型中即可获取访问行为数据对应的访问行为特征。其中，访问行为特征可以为数字，也可以为字母等，本实施例并不加以限制。
假设初始访问行为数据为a、c、e、4、5、f、6、g，从初始访问行为数据中选取多个初始访问行为数据a、c、4、6及g，之后将多个初始访问行为数据a、c、4、6及g输入至预设特征识别模型中，获得多个访问行为特征，分别为字母4和数字2，之后对字母4与数字2进行融合处理，获得目标访问行为特征字母，则字母对应的访问行为级别可以为一级，也可以为二级等，在字母特征对应的访问行为级别为一级时，预设数据清洗规则映射关系表中一级对应的数据清洗规则是将字母以外数据全部清除，可得到当前访问行为数据a、c、e、f、g等，本实施例并不加以限制。
步骤S20：对所述当前访问行为数据进行处理，获得目标访问行为路径。
可以理解的是，目标访问行为路径可以为当前访问行为数据之间的正序连接路径，假设当前访问行为数据为a、c、e、f、g，则目标访问行为路径可以为a-c-e-f-g等，本实施例并不加以限制。
进一步地，为了精准获取访问行为路径，对当前访问行为数据进行处理，获得目标访问行为路径的步骤可以为，根据当前访问行为数据生成访问行为分析图，之后根据访问行为分析图确定访问行为起点和访问行为终点，获取访问行为终点的终点停留时长，判断终点停留时长是否大于或等于预设停留阈值，在终点停留时长大于或等于预设停留阈值时，根据访问行为起点和访问行为终点确定目标访问行为路径，其中访问行为分析图中可以清晰看出访问行为路径中的每个节点，访问行为起点可以理解为访问行为路径中的起节点，访问行为终点可以理解为访问行为路径中的终节点等，预设停留阈值可以为1min，也可以为3min等，本实施例并不加以限制。
假设访问行为分析图中的访问行为路径为a-c-e-f-g，则访问行为起点为a，访问行为终点为g等，本实施例并不加以限制。
进一步地，根据当前访问行为数据生成访问行为分析图的步骤可以理解为，对当前访问行为数据进行分析处理，获得多个访问关键数据，根据多个访问关键数据确定访问行为类型，根据访问行为类型和访问行为数据生成访问行为分析图。其中，访问关键数据可以为当前访问行为数据中的起点数据、中间数据及终点数据等，访问行为分析图可以为直线图，也可以为树状图，还可以为链图等，本实施例并不加以限制。
假设，当前访问行为数据为a、c、e、f、g，则关键数据可以为a、e及g，因关键数据没有重复，可以定义为链式类型，假设当前访问行为数据为1、3、7、9、7，则关键数据可以为7和7等，因关键数据重复，可以定义为树状类型等，其中，链式类型和a、c、e、f、g可以生成访问行为分析链图，树状类型和1、3、7、9、7可以生成访问行为树状图，在访问行为分析链图中获取g对应的停留时长2min，预设停留阈值为1min，访问行为数据g大于预设停留阈值，最后可根据a、c、e、f、g生成对应的目标访问行为路径a-c-e-f-g等，本实施例并不加以限制。
步骤S30：将所述目标访问行为路径输入至预设访问行为分析模型中，获得访问行为安全指标值。
预设访问行为分析模型可以根据多个访问行为路径与标准访问行为安全指标值通过以下任一机器学习方法训练获得，其中，机器学习方法可以为支持向量机(SVM)、逻辑回归算法、决策树、卷积神经网络、贝叶斯方法等，本实施例并不加以限制。
访问行为安全指标值可以为50％，也可以为60％等，本实施例并不加以限制。
假设将目标访问行为路径a-c-e-f-g输入至预设访问行为分析模型中，则输出的访问行为安全指标值可以为80％等，本实施例并不加以限制。
步骤S40：根据所述访问行为安全指标值确定访问行为路径分析结果。
访问行为安全指标值可以理解为用户是否在网站进行安全浏览，或是否异常获取网页内容等，本实施例并不加以限制。
访问行为路径分析结果可以为正常访问行为和异常访问行为等，假设访问行为安全指标值为80％，预设安全指标阈值为70％，则访问行为安全指标值大于预设安全指标阈值，可判定当前访问行为数据为正常访问，假设访问行为安全指标值为60％，预设安全指标阈值为70％，则访问行为安全指标值小于预设安全指标阈值，可判定当前访问行为数据为异常访问，假设访问行为安全指标值为70％，预设安全指标阈值为70％，则访问行为安全指标值等于预设安全指标阈值，可判定当前访问行为数据为正常访问等，本实施例并不加以限制。
本实施例首先响应于用户输入的访问请求指令，从访问请求指令中获取当前访问行为数据，然后对当前访问行为数据进行处理，获得目标访问行为路径，并将目标访问行为路径输入至预设访问行为分析模型中，获得访问行为安全指标值，最后根据访问行为安全指标值确定访问行为路径分析结果。由于一般识别访问行为的方式是对访问页面相关联的访问行为进行全部拦截，但这样使得用户访问当前页面受到诸多阻碍，浪费大量时间去分析访问行为路径结果，而本实施例不需要将访问页面相关联的访问行为进行拦截，仅需将目标访问行为路径输入至预设访问行为分析模型中，获得访问行为安全指标值，进而确定访问行为路径分析结果，实现了在减少访问行为分析时间的同时，提高了访问行为的处理效率及准确性。
参考图3，图3为本发明访问行为路径分析方法第二实施例的流程示意图。
基于上述第一实施例，在本实施例中，所述步骤S20，还包括：
步骤S201：根据所述当前访问行为数据生成访问行为分析图。
根据当前访问行为数据生成访问行为分析图的步骤可以理解为，对当前访问行为数据进行分析处理，获得多个访问关键数据，根据多个访问关键数据确定访问行为类型，根据访问行为类型和访问行为数据生成访问行为分析图。其中，访问关键数据可以为当前访问行为数据中的起点数据、中间数据及终点数据等，访问行为分析图可以为直线图，也可以为树状图，还可以为链图等，本实施例并不加以限制。
步骤S202：根据所述访问行为分析图确定访问行为起点和访问行为终点。
访问行为分析图中可以清晰看出访问行为路径中的每个节点，访问行为起点可以理解为访问行为路径中的起节点，访问行为终点可以理解为访问行为路径中的终节点等，本实施例并不加以限制。
假设访问行为分析图中的访问行为路径为a-c-e-f-g，则访问行为起点为a，访问行为终点为g，假设访问行为分析图中的访问行为路径为1-3-6-9-8，则访问行为起点为1，访问行为终点为8等，本实施例并不加以限制。
进一步地，为了精准确定访问行为终点，需要获取访问行为终点的终点停留时长，判断终点停留时长是否大于或等于预设停留阈值，在终点停留时长大于或等于预设停留阈值时，判定当前访问行为节点为访问行为终点。
假设，当前访问行为数据为a、c、e、f、g，则关键数据可以为a、e及g，因关键数据没有重复，可以定义为链式类型，链式类型和a、c、e、f、g可以生成访问行为分析链图，在访问行为分析链图中获取g对应的停留时长2min，预设停留阈值为1min，访问行为数据g的停留时间大于预设停留阈值，判定g为访问行为终点。
步骤S203：根据所述访问行为起点和所述访问行为终点确定目标访问行为路径。
假设当前访问行为数据为a、c、e、f、g，访问行为起点为a，访问行为终点为g，在访问行为分析图中可以存在a、c、e、f、g，5个节点，其中a节点相邻的下一节点为c，c节点相邻的下一节点为e，e节点相邻的下一节点为f，f节点相邻的下一节点为g，则生成对应的目标访问行为路径a-c-e-f-g。
本实施例中首先根据当前访问行为数据生成访问行为分析图，并根据访问行为分析图确定访问行为起点和访问行为终点，之后根据访问行为起点和访问行为终点确定目标访问行为路径，相较于现有技术中，还需要对当前访问行为数据进行人工贴标进行标记处理，而本实施是根据访问行为分析图确定访问行为起点和终点，之后根据访问行为起点和终点生成访问行为路径，从而保证了访问行为路径的准确率。
参照图4，图4为本发明访问行为路径分析装置第一实施例的结构框图。
如图4所示，本发明实施例提出的访问行为路径分析装置包括：
获取模块4001，用于响应于用户输入的访问请求指令，从所述访问请求指令中获取当前访问行为数据；
处理模块4002，用于对所述当前访问行为数据进行处理，获得目标访问行为路径；
输入模块4003，用于将所述目标访问行为路径输入至预设访问行为分析模型中，获得访问行为安全指标值；
确定模块4004，用于根据所述访问行为安全指标值确定访问行为路径分析结果。
本实施例首先响应于用户输入的访问请求指令，从访问请求指令中获取当前访问行为数据，然后对当前访问行为数据进行处理，获得目标访问行为路径，并将目标访问行为路径输入至预设访问行为分析模型中，获得访问行为安全指标值，最后根据访问行为安全指标值确定访问行为路径分析结果。由于一般识别访问行为的方式是对访问页面相关联的访问行为进行全部拦截，但这样使得用户访问当前页面受到诸多阻碍，浪费大量时间去分析访问行为路径结果，而本实施例不需要将访问页面相关联的访问行为进行拦截，仅需将目标访问行为路径输入至预设访问行为分析模型中，获得访问行为安全指标值，进而确定访问行为路径分析结果，实现了在减少访问行为分析时间的同时，提高了访问行为的处理效率及准确性。
进一步地，所述处理模块4002，还用于根据所述当前访问行为数据生成访问行为分析图；
所述处理模块4002，还用于根据所述访问行为分析图确定访问行为起点和访问行为终点；
所述处理模块4002，还用于根据所述访问行为起点和所述访问行为终点确定目标访问行为路径。
进一步地，所述处理模块4002，还用于对所述当前访问行为数据进行分析处理，获得多个访问关键数据；
所述处理模块4002，还用于根据多个所述访问关键数据确定访问行为类型；
所述处理模块4002，还用于根据所述访问行为类型和所述访问行为数据生成访问行为分析图。
进一步地，所述处理模块4002，还用于获取所述访问行为终点的终点停留时长；
所述处理模块4002，还用于判断所述终点停留时长是否大于或等于预设停留阈值；
所述处理模块4002，还用于在所述终点停留时长大于或等于所述预设停留阈值时，执行所述根据所述访问行为起点和所述访问行为终点确定目标访问行为路径的操作。
进一步地，所述获取模块4001，还用于从所述访问请求指令中获取初始访问行为数据；
所述获取模块4001，还用于根据所述初始访问行为数据确定访问行为级别；
所述获取模块4001，还用于根据所述访问行为级别匹配对应的数据清洗规则；
所述获取模块4001，还用于根据所述数据清洗规则对所述初始访问行为数据进行清洗处理，以获得当前访问行为数据。
进一步地，所述获取模块4001，还用于从所述初始访问行为数据中选取多个初始访问行为数据；
所述获取模块4001，还用于将多个所述初始访问行为数据输入至预设特征识别模型中，获得多个访问行为特征；
所述获取模块4001，还用于根据多个所述访问行为特征确定访问行为级别。
进一步地，所述获取模块4001，还用于对多个所述访问行为特征进行融合处理，获得目标访问行为特征；
所述获取模块4001，还用于根据所述目标访问行为特征确定访问行为级别。
本发明访问行为路径分析装置的其他实施例或具体实现方式可参照上述各方法实施例，此处不再赘述。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如只读存储器/随机存取存储器、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种访问行为路径分析方法，其特征在于，所述访问行为路径分析方法包括：
响应于用户输入的访问请求指令，从所述访问请求指令中获取当前访问行为数据；
对所述当前访问行为数据进行处理，获得目标访问行为路径；
将所述目标访问行为路径输入至预设访问行为分析模型中，获得访问行为安全指标值；
根据所述访问行为安全指标值确定访问行为路径分析结果。
2.如权利要求1所述的方法，其特征在于，所述对所述当前访问行为数据进行处理，获得目标访问行为路径的步骤，包括：
根据所述当前访问行为数据生成访问行为分析图；
根据所述访问行为分析图确定访问行为起点和访问行为终点；
根据所述访问行为起点和所述访问行为终点确定目标访问行为路径。
3.如权利要求2所述的方法，其特征在于，所述根据所述当前访问行为数据生成访问行为分析图的步骤，包括：
对所述当前访问行为数据进行分析处理，获得多个访问关键数据；
根据多个所述访问关键数据确定访问行为类型；
根据所述访问行为类型和所述访问行为数据生成访问行为分析图。
4.如权利要求2或3任一项所述的方法，其特征在于，所述根据所述访问行为起点和所述访问行为终点确定目标访问行为路径的步骤之前，还包括：
获取所述访问行为终点的终点停留时长；
判断所述终点停留时长是否大于或等于预设停留阈值；
在所述终点停留时长大于或等于所述预设停留阈值时，执行所述根据所述访问行为起点和所述访问行为终点确定目标访问行为路径的步骤。
5.如权利要求1所述的方法，其特征在于，所述从所述访问请求指令中获取当前访问行为数据的步骤，包括：
从所述访问请求指令中获取初始访问行为数据；
根据所述初始访问行为数据确定访问行为级别；
根据所述访问行为级别匹配对应的数据清洗规则；
根据所述数据清洗规则对所述初始访问行为数据进行清洗处理，以获得当前访问行为数据。
6.如权利要求5所述的方法，其特征在于，所述根据所述初始访问行为数据确定访问行为级别的步骤，包括：
从所述初始访问行为数据中选取多个初始访问行为数据；
将多个所述初始访问行为数据输入至预设特征识别模型中，获得多个访问行为特征；
根据多个所述访问行为特征确定访问行为级别。
7.如权利要求6所述的方法，其特征在于，所述根据多个所述访问行为特征确定访问行为级别的步骤，包括：
对多个所述访问行为特征进行融合处理，获得目标访问行为特征；
根据所述目标访问行为特征确定访问行为级别。
8.一种访问行为路径分析装置，其特征在于，所述访问行为路径分析装置包括：
获取模块，用于响应于用户输入的访问请求指令，从所述访问请求指令中获取当前访问行为数据；
处理模块，用于对所述当前访问行为数据进行处理，获得目标访问行为路径；
输入模块，用于将所述目标访问行为路径输入至预设访问行为分析模型中，获得访问行为安全指标值；
确定模块，用于根据所述访问行为安全指标值确定访问行为路径分析结果。
9.一种访问行为路径分析设备，其特征在于，所述访问行为路径分析设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的访问行为路径分析程序，所述访问行为路径分析程序被所述处理器执行时实现如权利要求1至7中任一项所述的访问行为路径分析方法的步骤。
10.一种存储介质，其特征在于，所述存储介质上存储有访问行为路径分析程序，所述访问行为路径分析程序被处理器执行时实现如权利要求1至7中任一项所述的访问行为路径分析方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011114428.0A CN112328934A (zh) | 2020-10-16 | 2020-10-16 | 访问行为路径分析方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011114428.0A CN112328934A (zh) | 2020-10-16 | 2020-10-16 | 访问行为路径分析方法、装置、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112328934A true CN112328934A (zh) | 2021-02-05 |
Family
ID=74313871
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011114428.0A Pending CN112328934A (zh) | 2020-10-16 | 2020-10-16 | 访问行为路径分析方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112328934A (zh) |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105141573A (zh) * | 2015-06-11 | 2015-12-09 | 杭州安恒信息技术有限公司 | 一种基于web访问合规性审计的安全防护方法和系统 |
| WO2016107523A1 (zh) * | 2014-12-31 | 2016-07-07 | 北京国双科技有限公司 | 网站的访问路径的分析方法和装置 |
| WO2017101652A1 (zh) * | 2015-12-17 | 2017-06-22 | 北京国双科技有限公司 | 网站页面间访问路径的确定方法及装置 |
| CN107169073A (zh) * | 2017-05-09 | 2017-09-15 | 北京智行创远信息科技有限公司 | 一种数据管理方法与管理平台 |
| CN107239581A (zh) * | 2017-07-07 | 2017-10-10 | 小草数语（北京）科技有限公司 | 数据清洗方法及装置 |
| CN108268475A (zh) * | 2016-12-30 | 2018-07-10 | 北京国双科技有限公司 | 路径分析图展示方法及装置 |
| CN108665513A (zh) * | 2017-03-27 | 2018-10-16 | 腾讯科技（深圳）有限公司 | 基于用户行为数据的绘图方法和装置 |
| CN109460784A (zh) * | 2018-10-22 | 2019-03-12 | 武汉极意网络科技有限公司 | 访问行为特征模型建立方法、设备、存储介质及装置 |
| WO2019109741A1 (zh) * | 2017-12-05 | 2019-06-13 | 阿里巴巴集团控股有限公司 | 异常数据访问的识别方法和装置 |
| CN110309477A (zh) * | 2019-07-05 | 2019-10-08 | 四川长虹电器股份有限公司 | 页面访问路径采集方法 |
| CN110650142A (zh) * | 2019-09-25 | 2020-01-03 | 腾讯科技（深圳）有限公司 | 访问请求处理方法、装置、系统、存储介质和计算机设备 |
| CN111079138A (zh) * | 2019-12-19 | 2020-04-28 | 北京天融信网络安全技术有限公司 | 异常访问检测方法、装置、电子设备及可读存储介质 |
| CN111143178A (zh) * | 2019-12-12 | 2020-05-12 | 支付宝(杭州)信息技术有限公司 | 用户行为分析方法、装置及设备 |
-
2020
- 2020-10-16 CN CN202011114428.0A patent/CN112328934A/zh active Pending
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2016107523A1 (zh) * | 2014-12-31 | 2016-07-07 | 北京国双科技有限公司 | 网站的访问路径的分析方法和装置 |
| CN105141573A (zh) * | 2015-06-11 | 2015-12-09 | 杭州安恒信息技术有限公司 | 一种基于web访问合规性审计的安全防护方法和系统 |
| WO2017101652A1 (zh) * | 2015-12-17 | 2017-06-22 | 北京国双科技有限公司 | 网站页面间访问路径的确定方法及装置 |
| CN108268475A (zh) * | 2016-12-30 | 2018-07-10 | 北京国双科技有限公司 | 路径分析图展示方法及装置 |
| CN108665513A (zh) * | 2017-03-27 | 2018-10-16 | 腾讯科技（深圳）有限公司 | 基于用户行为数据的绘图方法和装置 |
| CN107169073A (zh) * | 2017-05-09 | 2017-09-15 | 北京智行创远信息科技有限公司 | 一种数据管理方法与管理平台 |
| CN107239581A (zh) * | 2017-07-07 | 2017-10-10 | 小草数语（北京）科技有限公司 | 数据清洗方法及装置 |
| WO2019109741A1 (zh) * | 2017-12-05 | 2019-06-13 | 阿里巴巴集团控股有限公司 | 异常数据访问的识别方法和装置 |
| CN109460784A (zh) * | 2018-10-22 | 2019-03-12 | 武汉极意网络科技有限公司 | 访问行为特征模型建立方法、设备、存储介质及装置 |
| CN110309477A (zh) * | 2019-07-05 | 2019-10-08 | 四川长虹电器股份有限公司 | 页面访问路径采集方法 |
| CN110650142A (zh) * | 2019-09-25 | 2020-01-03 | 腾讯科技（深圳）有限公司 | 访问请求处理方法、装置、系统、存储介质和计算机设备 |
| CN111143178A (zh) * | 2019-12-12 | 2020-05-12 | 支付宝(杭州)信息技术有限公司 | 用户行为分析方法、装置及设备 |
| CN111079138A (zh) * | 2019-12-19 | 2020-04-28 | 北京天融信网络安全技术有限公司 | 异常访问检测方法、装置、电子设备及可读存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| 潘蕾等: "网络访问行为分析模型的研究与设计", 《计算机与现代化》, no. 09, 15 September 2011 (2011-09-15) * |
| 苏新宁主编: "《大数据分析 高等院校电子商务专业系列教材》", 东南大学出版社, pages: 26 - 27 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11212297B2 (en) | Access classification device, access classification method, and recording medium | |
| CN107943949B (zh) | 一种确定网络爬虫的方法及服务器 | |
| CN110704816B (zh) | 接口破解的识别方法、装置、设备及存储介质 | |
| CN110674479B (zh) | 异常行为数据实时处理方法、装置、设备及存储介质 | |
| CN109391620B (zh) | 异常行为判定模型的建立方法、系统、服务器及存储介质 | |
| CN110619528A (zh) | 行为验证数据处理方法、装置、设备及存储介质 | |
| CN109299592B (zh) | 人机行为特征边界构建方法、系统、服务器及存储介质 | |
| CN111597490A (zh) | Web指纹识别方法、装置、设备及计算机存储介质 | |
| CN110990008A (zh) | 更新页面的方法、装置、存储介质以及电子设备 | |
| CN112732693B (zh) | 智能化物联网数据采集方法、装置、设备及存储介质 | |
| CN113641767A (zh) | 实体关系抽取方法、装置、设备及存储介质 | |
| CN110795706B (zh) | 基于哈希的验证方法、设备、存储介质及装置 | |
| CN109684844B (zh) | 一种webshell检测方法、装置以及计算设备、计算机可读存储介质 | |
| CN112328934A (zh) | 访问行为路径分析方法、装置、设备及存储介质 | |
| CN108875060B (zh) | 一种网站识别方法及识别系统 | |
| CN116610650A (zh) | 日志信息输出管理方法、系统 | |
| CN110719274B (zh) | 网络安全控制方法、装置、设备及存储介质 | |
| CN115208938A (zh) | 用户行为管控方法及装置、计算机可读存储介质 | |
| CN112817816B (zh) | 埋点处理方法、装置、计算机设备和存储介质 | |
| CN115309968A (zh) | 一种基于资源搜索引擎生成网页指纹规则的方法、装置 | |
| CN117008911A (zh) | 基于抽象语法树的代码检测方法、装置、设备及存储介质 | |
| CN113569158A (zh) | 人群圈定任务状态展示方法、装置、设备及存储介质 | |
| CN113778841A (zh) | 提测文件的检测方法、装置、设备及存储介质 | |
| CN112784133B (zh) | 链路可视化方法、装置、设备及存储介质 | |
| CN112380418B (zh) | 一种基于网络爬虫的数据处理方法、系统及云平台 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210205 |