本發(fā)明涉及員工異常行為的風(fēng)險預(yù)警領(lǐng)域，尤其涉及一種基于gbm模型的員工異常行為預(yù)警方法及系統(tǒng)。

背景技術(shù)：

1、隨著信息技術(shù)的快速發(fā)展，企業(yè)面臨的內(nèi)部風(fēng)險日益增加，員工異常行為的風(fēng)險預(yù)警變得尤為重要，這包括但不限于數(shù)據(jù)泄露、內(nèi)部欺詐、不當(dāng)行為等。傳統(tǒng)的監(jiān)控方法依賴于規(guī)則基礎(chǔ)的系統(tǒng)和人工審查，這些方法在面對龐大的數(shù)據(jù)和復(fù)雜多變的異常行為時顯示出其局限性。近年來，隨著機器學(xué)習(xí)技術(shù)的發(fā)展，尤其是分類和預(yù)測模型的應(yīng)用，提供了更為有效的解決方案。

2、目前，最接近的技術(shù)方案是使用機器學(xué)習(xí)模型，如支持向量機(svm)、決策樹、隨機森林(rf)等，對員工行為數(shù)據(jù)進行分析，從而識別出異常行為。這些方法能夠自動從數(shù)據(jù)中學(xué)習(xí)行為模式，減少人為干預(yù)的需要。然而，這些模型在處理非線性復(fù)雜數(shù)據(jù)時的準確性仍有待提高。同時仍存在一定的局限性，如模型訓(xùn)練和更新成本高，對新型異常行為的適應(yīng)性不足等。

3、現(xiàn)有技術(shù)的缺點為：確準性有限：盡管傳統(tǒng)機器學(xué)習(xí)方法在一些場景中表現(xiàn)良好，但它們在處理高維度和非線性復(fù)雜數(shù)據(jù)時的準確性仍有局限。

4、泛化能力不足：現(xiàn)有模型在面對新型或少見的異常行為時，過度依賴于已知的數(shù)據(jù)模式，往往難以準確預(yù)測，從而影響預(yù)警效果。

5、檢測精確度有限：現(xiàn)有方法在處理復(fù)雜的異常行為時，尤其是在數(shù)據(jù)特征不明顯的情況下，往往難以達到較高的檢測精確度。

6、模型更新困難：隨著企業(yè)業(yè)務(wù)和黑客攻擊手法的不斷演進，需要頻繁更新模型以保持監(jiān)控的有效性，但現(xiàn)有技術(shù)方案更新迭代慢。

7、更新和維護成本高：隨著企業(yè)環(huán)境的變化和新型異常行為的出現(xiàn)，現(xiàn)有模型需要頻繁的手動更新和維護，增加了成本。

技術(shù)實現(xiàn)思路

1、鑒于上述問題，提出了本發(fā)明以便提供克服上述問題或者至少部分地解決上述問題的一種基于gbm模型的員工異常行為預(yù)警方法及系統(tǒng)。

2、根據(jù)本發(fā)明的一個方面，提供了一種基于gbm模型的員工異常行為預(yù)警方法，所述預(yù)警方法包括：

3、收集員工行為初始數(shù)據(jù)，并預(yù)處理所述員工行為初始數(shù)據(jù)，獲得預(yù)處理后數(shù)據(jù)；

4、使用gbm模型對預(yù)處理后數(shù)據(jù)進行訓(xùn)練；

5、采用訓(xùn)練好的gbm模型對員工實時行為進行實時監(jiān)控和分析；

6、更新gbm模型，用于適應(yīng)新的行為模式和業(yè)務(wù)需求。

7、可選的，所述收集員工行為初始數(shù)據(jù)具體包括：

8、收集員工登錄日志、郵箱使用情況、文件訪問記錄和互聯(lián)網(wǎng)使用情況行為數(shù)據(jù)。

9、可選的，所述預(yù)處理所述員工行為初始數(shù)據(jù)具體包括：對企業(yè)內(nèi)部員工行為數(shù)據(jù)進行清洗、歸一化和特征提取。

10、可選的，所述使用gbm模型對預(yù)處理后數(shù)據(jù)進行訓(xùn)練具體包括：使用gbm模型對預(yù)處理后數(shù)據(jù)進行訓(xùn)練，學(xué)習(xí)員工正常行為和異常行為之間的區(qū)別。

11、可選的，所述采用訓(xùn)練好的gbm模型對員工實時行為進行實時監(jiān)控和分析之后還包括：檢測到異常行為立即發(fā)出預(yù)警。

12、可選的，所述更新gbm模型具體包括：定期或根據(jù)需要更新gbm模型，用于適應(yīng)新的行為模式和業(yè)務(wù)需求。

13、可選的，所述gbm模型是基于建立的基學(xué)習(xí)器的損失函數(shù)的梯度下降方向建立下一個新的學(xué)習(xí)器。

14、本發(fā)明還提供了一種基于gbm模型的員工異常行為預(yù)警系統(tǒng)，應(yīng)用上述所述的一種基于gbm模型的員工異常行為預(yù)警方法，所述預(yù)警系統(tǒng)包括：

15、數(shù)據(jù)預(yù)處理模塊，用于收集員工行為初始數(shù)據(jù)，并預(yù)處理所述員工行為初始數(shù)據(jù)，獲得預(yù)處理后數(shù)據(jù)；

16、gbm模型訓(xùn)練模塊，用于使用gbm模型對預(yù)處理后數(shù)據(jù)進行訓(xùn)練；

17、異常行為檢測模塊，用于采用訓(xùn)練好的gbm模型對員工實時行為進行實時監(jiān)控和分析；

18、模型更新模塊，用于更新gbm模型，用于適應(yīng)新的行為模式和業(yè)務(wù)需求。

19、本發(fā)明提供的一種基于gbm模型的員工異常行為預(yù)警方法及系統(tǒng)，所述預(yù)警方法包括：收集員工行為初始數(shù)據(jù)，并預(yù)處理所述員工行為初始數(shù)據(jù)，獲得預(yù)處理后數(shù)據(jù)；使用gbm模型對預(yù)處理后數(shù)據(jù)進行訓(xùn)練；采用訓(xùn)練好的gbm模型對員工實時行為進行實時監(jiān)控和分析；更新gbm模型，用于適應(yīng)新的行為模式和業(yè)務(wù)需求。提高異常行為檢測的準確性和系統(tǒng)的適應(yīng)性，降低模型更新和維護的成本。

20、上述說明僅是本發(fā)明技術(shù)方案的概述，為了能夠更清楚了解本發(fā)明的技術(shù)手段，而可依照說明書的內(nèi)容予以實施，并且為了讓本發(fā)明的上述和其它目的、特征和優(yōu)點能夠更明顯易懂，以下特舉本發(fā)明的具體實施方式。

技術(shù)特征：

1.一種基于gbm模型的員工異常行為預(yù)警方法，其特征在于，所述預(yù)警方法包括：

2.根據(jù)權(quán)利要求1所述的一種基于gbm模型的員工異常行為預(yù)警方法，其特征在于，所述收集員工行為初始數(shù)據(jù)具體包括：

3.根據(jù)權(quán)利要求1所述的一種基于gbm模型的員工異常行為預(yù)警方法，其特征在于，所述預(yù)處理所述員工行為初始數(shù)據(jù)具體包括：對企業(yè)內(nèi)部員工行為數(shù)據(jù)進行清洗、歸一化和特征提取。

4.根據(jù)權(quán)利要求1所述的一種基于gbm模型的員工異常行為預(yù)警方法，其特征在于，所述使用gbm模型對預(yù)處理后數(shù)據(jù)進行訓(xùn)練具體包括：使用gbm模型對預(yù)處理后數(shù)據(jù)進行訓(xùn)練，學(xué)習(xí)員工正常行為和異常行為之間的區(qū)別。

5.根據(jù)權(quán)利要求1所述的一種基于gbm模型的員工異常行為預(yù)警方法，其特征在于，所述采用訓(xùn)練好的gbm模型對員工實時行為進行實時監(jiān)控和分析之后還包括：檢測到異常行為立即發(fā)出預(yù)警。

6.根據(jù)權(quán)利要求1所述的一種基于gbm模型的員工異常行為預(yù)警方法，其特征在于，所述更新gbm模型具體包括：定期或根據(jù)需要更新gbm模型，用于適應(yīng)新的行為模式和業(yè)務(wù)需求。

7.根據(jù)權(quán)利要求1所述的一種基于gbm模型的員工異常行為預(yù)警方法，其特征在于，所述gbm模型是基于建立的基學(xué)習(xí)器的損失函數(shù)的梯度下降方向建立下一個新的學(xué)習(xí)器。

8.一種基于gbm模型的員工異常行為預(yù)警系統(tǒng)，應(yīng)用上述權(quán)利要求1-7任意一項所述的一種基于gbm模型的員工異常行為預(yù)警方法，其特征在于，所述預(yù)警系統(tǒng)包括：

技術(shù)總結(jié)
本發(fā)明公開了一種基于GBM模型的員工異常行為預(yù)警方法及系統(tǒng)，所述預(yù)警方法包括：收集員工行為初始數(shù)據(jù)，并預(yù)處理所述員工行為初始數(shù)據(jù)，獲得預(yù)處理后數(shù)據(jù)；使用GBM模型對預(yù)處理后數(shù)據(jù)進行訓(xùn)練；采用訓(xùn)練好的GBM模型對員工實時行為進行實時監(jiān)控和分析；更新GBM模型，用于適應(yīng)新的行為模式和業(yè)務(wù)需求。提高異常行為檢測的準確性和系統(tǒng)的適應(yīng)性，降低模型更新和維護的成本。

技術(shù)研發(fā)人員：吳麗梅
受保護的技術(shù)使用者：北銀金融科技有限責(zé)任公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/30