1.一种基于BiGAN与OTSU的内部用户行为检测方法,其特征在于,包括如下步骤:获取用户行为原始日志数据,并将所述用户行为原始日志数据按照不同用户分别提取指定的时间单位长度的行为特征并统计其频率特征,并对所提取的特征进行数据处理;
经数据预处理后的数据分为训练数据和待检测数据,训练数据经过BiGAN网络进行训练,训练结果得到正常行为模型;
基于训练后的所述正常行为模型,计算用户待检测数据的重构误差与判别器误差得到异常得分,之后应用OTSU算法自动选取阈值,获得检测结果。
2.如权利要求1所述的基于BiGAN与OTSU的内部用户行为检测方法,其特征在于,提取指定的时间单位长度的行为特征并统计其频率特征具体包括:单位时间内在工作时间内或者单位时间内在工作时间外登录系统的次数、单位时间内工作时间内或者单位时间内工作时间外连接可移动设备次数。
3.如权利要求1所述的基于BiGAN与OTSU的内部用户行为检测方法,其特征在于,对所提取的特征进行数据处理的步骤中:对所提取的特征做归一化处理。
4.如权利要求1所述的基于BiGAN与OTSU的内部用户行为检测方法,其特征在于,所述BiGAN网络由编码器、生成器、判别器组成。
5.如权利要求1所述的基于BiGAN与OTSU的内部用户行为检测方法,其特征在于,应用OTSU算法自动选取阈值的标准为:根据图像的灰度性质,将图像切分为目标和背景;
在背景和目标差别大时,其两部分之间的类间方差就大;
当错分背景或者错分目标会导致差别变小。
6.如权利要求4所述的基于BiGAN与OTSU的内部用户行为检测方法,其特征在于,经数据预处理后的数据分为训练数据和待检测数据,训练数据经过BiGAN网络进行训练,训练结果得到正常行为模型的步骤中:
只选取用户的正常行为数据作为BiGAN网络的训练输入,训练完成后的BiGAN网络的所述生成器部分只能生成与正常行为数据相似的数据,而所述判别器部分判别输入数据是否为正常行为数据。