科创中国
一种基于多层LSTM的线上用户行为分析方法
成果类型：: 发明专利
发布时间: 2024-08-15 08:54:15
科技成果产业化落地方案
方案提交机构：成果发布人| 徐景新 | 2024-08-15 08:54:15
本发明提出一种基于多层LSTM的线上用户行为分析方法，采用LSTM长短期记忆网络对已知用户类别的访问请求行为数据进行训练,生成一个用户访问请求行为的模型；该方法能根据具体场景需求,恶意用户和信任用户不同的划分规则，实现动态分析识别用户类别，以便于系统对识别出的恶意用户积极地采取一定的安全防御措施。
本发明提出一种基于多层LSTM的线上用户行为分析方法，采用LSTM长短期记忆网络对已知用户类别的访问请求行为数据进行训练,生成一个用户访问请求行为的模型；该方法能根据具体场景需求,恶意用户和信任用户不同的划分规则，实现动态分析识别用户类别，以便于系统对识别出的恶意用户积极地采取一定的安全防御措施。
一种基于多层LSTM的线上用户行为分析方法 的应用前景
基于多层 LSTM 的线上用户行为分析方法，是数据挖掘领域中的一种新技术，能够对用户在网站上的行为进行有效分析。随着互联网和电子商务的快速发展，用户行为分析已经成为企业进行决策和优化的重要手段。我们的研究成果能够在保证分析准确性的前提下，大幅度提高分析效率，具有很强的实用价值。因此，我们相信基于多层 LSTM 的线上用户行为分析方法将会在网站运营、广告投放、电子商务等领域得到广泛应用，具有广阔的应用前景。
浙江工业大学是东部沿海地区第一所省部共建高校、首批国家“高等学校创新能力提升计划”（2011计划）协同创新中心牵头高校和浙江省首批重点建设高校，坐落于中国历史文化名城、风景旅游胜地杭州。学校坚持立德树人根本任务，以拔尖创新人才为引领、高级应用型人才为主体、复合型人才为特色，大力培养德智体美劳全面发展，富有家国情怀、国际视野、创新精神和实践能力的行业精英和领军人才。
基于多层LSTM的线上用户行为分析方法，所述的多层LSTM，是对步骤2的用户访问请求行为矩阵先用LSTM提取微观上的时序特征，能够分析出用户在某个特定时间点的行为特点；考虑到有些恶意用户行为是持续在一个较长时间段的，再用LSTM学习宏观上的时序特征，分析用户某个时间段的行为特点。该方法基于时间的两个层次对用户行为进行分析，有效提高了对恶意用户识别的准确度。
技术转让，许可，合作所需资金需双方协商，此项技术想尽快落地，希望具备此项技术研发的技术方，能够尽快承接此项目。
下载app