基于變長序列的虛擬資產(chǎn)在線異常發(fā)現(xiàn)研究.pdf

1、隨著互聯(lián)網(wǎng)的飛速發(fā)展，網(wǎng)民的數(shù)量急劇增加，同時互聯(lián)網(wǎng)上也出現(xiàn)了越來越多的虛擬資產(chǎn)類平臺。網(wǎng)民使用這些平臺方便自己工作生活的同時，也面臨著諸如被盜號、被轉(zhuǎn)移虛擬資產(chǎn)等各種潛在的風(fēng)險。研究高效的虛擬資產(chǎn)在線異常發(fā)現(xiàn)方法十分迫切。
　　本文首先從在線實(shí)時檢測角度出發(fā)，提出了一種基于數(shù)據(jù)流的虛擬資產(chǎn)在線異常發(fā)現(xiàn)框架，該框架分為在線分析模塊和離線分析模塊。在線分析模塊中主要對數(shù)據(jù)流進(jìn)行數(shù)據(jù)概要提取，再利用數(shù)據(jù)概要提取用戶當(dāng)前靜態(tài)屬性層面上和

2、操作序列層面上的行為模式，當(dāng)前行為模式與異常行為模式庫及正常行為模式庫中的行為模式進(jìn)行匹配。數(shù)據(jù)流流出在線分析模塊后直接存入永久存儲器中。我們采用模式生成算法定期對永久存儲器中的用戶行為操作數(shù)據(jù)進(jìn)行計算，挖掘出用戶的正常行為模式和異常行為模式。
　　進(jìn)一步地，我們提出了一種操作序列層面上的行為模式挖掘算法，該算法核心思想是使用變長序列來描述用戶復(fù)雜的行為。在訓(xùn)練階段，通過挖掘變長序列群中的頻繁項(xiàng)來提取用戶正常行為模式，再通過計算各