(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211006197.0 (22)申请日 2022.08.22 (71)申请人 河北师范大学 地址 050024 河北省石家庄市南 二环东路 20号 (72)发明人 王秀青　安阳　 (74)专利代理 机构 石家庄冀科专利商标事务所 有限公司 13108 专利代理师 曹淑敏 (51)Int.Cl. H04L 9/40(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于生成对抗网络的上网行为异常预 测方法 (57)摘要 本发明公开了一种基于生成对抗网络的上 网行为异常预测方法， 所述方法以生成对抗网络 作为上网行为异常预测模型， 将带异常值的上网 行为数据输入生成对抗网络进行拟合训练； 然后 使用生成对抗网络中的生成器生成带异常值的 拟真上网行为数据； 对于每个需要预测异常值的 无异常值的上网行为数据， 找到与之欧氏距离最 小的拟真上网行为数据， 并将该拟真上网行为数 据的异常值作为其自身的异常值， 最后根据异常 值实现上网行为异常预测。 本发 明利用生成对抗 网络生成带异常值的拟真上网行为数据， 根据最 相似拟真上网行为数据确定各上网行为数据的 异常值， 从而实现上网行为的异常预测， 可以及 时发现和制止上网异常行为， 保护企业或个人的 合法权益。 权利要求书2页 说明书7页 附图6页 CN 115473700 A 2022.12.13 CN 115473700 A 1.一种基于生成对抗网络的上网行为异常预测方法， 其特征是， 所述方法以生成对抗 网络作为上网行为异常预测模型， 将带异常值的上网行为数据输入生成对抗网络进行拟合 训练； 然后使用生成对抗网络中的生成器生成带异常值的拟真上网行为数据； 对于每个需 要预测异常值的无异常值的上网行为数据， 找到与之欧氏距离最小的拟真上网行为数据， 并将该拟真上网行为数据的异常值作为其自身的异常值， 最后根据异常值实现上网行为异 常预测。 2.根据权利要求1所述的一种基于生成对抗网络的上网行为异常预测方法， 其特征是， 所述方法包括以下步骤： a.上网行为数据预处理， 使用LabelEncoder编码对上网行为进行编码， 将文本特征转 为数字特征， 再对编码后的信息进行特征拆分、 拼接， 得到高级特征， 最后对高级特征进行 归一化， 得到预处 理后的上网行为数据； b.初始化由生成器和判别器构成的生成对抗网络模型； c.将预处 理后的带异常值的上网行为数据输入生成对抗网络进行训练； d.利用训练好的生成对抗网络中的生成器生成多个带异常值的拟真上网行为数据； e.对于每个 需要预测异常值的经预处理后的无异常值的上网行为数据， 计算其与各拟 真上网行为数据之 间的欧氏距离， 将欧氏距离最小的拟真上网行为数据作为最相似的拟真 上网行为数据； f.将与每个需要预测异常值的无异常值的上网行为数据最相似的拟真上网行为数据 的异常值作为该无异常值的上网行为数据的异常值， 最后根据异常值实现上网行为异常预 测。 3.根据权利要求2所述的一种基于生成对抗网络的上网行为异常预测方法， 其特征是， 利用生成对抗网络中的生成器生成多个带异常值的拟真上网行为数据的具体方法为： (1) 初始化n个随机4维噪声， 并将噪声输入生成器； (2) 生成器根据生成对抗网络训练得到的参数输出与每个噪声相对应的带异常值的 拟真上网行为数据， 得到n个带异常值的拟真上网行为数据。 4.根据权利要求3所述的一种基于生成对抗网络的上网行为异常预测方法， 其特征是， 根据异常值实现上网行为异常预测的具体方法为： 上网行为数据的异常值越高， 说明上网 行为越异常， 设置一个安全阈值， 若 上网行为数据的异常值小于安全阈值， 则判断该上网行 为正常上网行为， 否则判断该 上网行为 为异常上网行为。 5.根据权利要求4所述的一种基于生成对抗网络的上网行为异常预测方法， 其特征是， 所述生成对抗网络的工作过程 为： (1) 初始化一个生成器网络和一个判别器网络； (2) 输入带异常值的上网行为数据， 判别器负责对真实数据和生成器生成的拟真数据 进行真假判断； (3) 初始化随机噪声输入到生成器 中， 生成器负责使用噪声生成带异常值的拟真上网 行为数据， 生成后的数据交给判别器进行判别； (4) 通过生成器和判别器的不断博弈， 最终得到生成带异常值的拟真上网行为数据的 生成对抗网络模型。 6.根据权利要求5所述的一种基于生成对抗网络的上网行为异常预测方法， 其特征是，权　利　要　求　书 1/2 页 2 CN 115473700 A 2对编码后的信息进行 特征拆分、 拼接， 得到高级特 征的具体方法是： (1) 使用LabelEncoder方法对字符串特征进行数字编码后， 每一个字符串特征由一个 特定的数字表示； (2) 上网行为发生时间特征是一个包含年、 月、 日、 时、 分的组合字符串， 使用panda包 中的to_datetime函数将此字符串拆分成不同的特 征表达； (3) 将不同的上网行为特征进行拼接， 再对此拼接特征进行计数统计， 得到不同上网 行为的高级特 征。权　利　要　求　书 2/2 页 3 CN 115473700 A 3