(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 202210885900.3 (22)申请日 2022.07.26 (71)申请人 北京永信至诚科技股份有限公司 地址 100094 北京市海淀区丰豪东路9号院 6号楼 申请人 北京永信火眼科技有限公司 (72)发明人 蔡晶晶　张雪峰　陈俊　康传鹏　 于秋梅　 (74)专利代理 机构 北京知呱 呱知识产权代理有 限公司 1 1577 专利代理师 郑兴旺 (51)Int.Cl. G06F 16/9535(2019.01) G06F 16/9537(2019.01) G06F 16/955(2019.01) (54)发明名称 基于多维权重模型的重点线索推荐方法及 系统 (57)摘要 基于多维权重模型的重点线索推荐方法及 系统， 通过利用URL规则库标识 的网络异常活动 数据， 提取影响人员重要程度的特征， 形成特征 池； 以预设单位时间基准将预设时间段拆分得到 多元时间序列； 将预设时间段的特征数据按照所 述多元时间序列截断分组， 得到多元时间序列数 据； 预设不同拆分维度的时间序列的敏感系数， 通过多元时间序列数据计算不同拆分维度的时 间序列的敏感系数； 预设不同特征数据的权重 值， 通过不同特征数据的权重设定和不同拆分维 度的时间序列的敏感系数进行推荐算法设计， 采 用推荐算法将综合指数在预设范围内的人员作 为高危人员。 本发明通过对异常数据的分析可以 推荐高危人员， 有益于相关部门的业 务处理。 权利要求书3页 说明书17页 附图3页 CN 115146174 A 2022.10.04 CN 115146174 A 1.基于多维权 重模型的重点线索推荐方法， 其特 征在于， 包括： 利用URL规则库标识的网络异常活动数据， 提取影响人员重要程度的特征， 形成特征 池； 以预设单位时间基准将预设时间段拆分得到多元时间序列； 将预设时间段的特 征数据按照所述多元时间序列截断分组， 得到多元时间序列数据； 预设不同拆分维度的时间序列的敏感系数， 通过多元时间序列 数据计算不同拆分维度 的时间序列的敏感系数； 预设不同特征数据的权重值， 通过不同特征数据的权重设定和不同拆分维度的时间序 列的敏感系数进 行推荐算法设计， 采用推荐算法将综合指数在预设范围内的人员作为高危 人员。 2.根据权利要求1所述的基于多维权重模型的重点线索推荐方法， 其特征在于， 特征池 的特征数据包括： 访问时间、 地理位置、 数据来源、 网站类型、 网站性质、 网站类别、 网址类 型、 行为操作和接入类型。 3.根据权利要求2所述的基于多维权重模型的重点线索推荐方法， 其特征在于， 所述预 设时间段为所述预设单位时间基准的倍数； 所述预设时间段的时长小于一天的时长， 且一 天的时长为预设时间段时长的倍数； 根据预设单位时间基准， 将预设时间段拆分作为一组多元时间序列； 将一天的特征数 据依次按照预设时间段进行分组， 得到多个分组的多元时间序列数据。 4.根据权利要求3所述的基于多维权重模型的重点线索推荐方法， 其特征在于， 所述预 设单位时间基准 为3分钟， 所述预设时间段为3 0分钟； 不同拆分维度包括3分钟、 6分钟、 9 分钟、 12分钟、 15分钟、 18分钟、 21分钟、 24分钟、 27分 钟、 30分钟； 不同拆分维度的敏感系数依次为： k1、 k2、 k3、 k 4、 k5、 k6、 k7、 k8、 k9、 k10 。 5.根据权利要求4所述的基于多维权重模型的重点线索推荐方法， 其特征在于， 计算每 个多元时间序列的敏感系数步骤 包括： 计算第一组不同拆分维度的时间序列的敏感系数： 进行第一组第一个3分钟内时间序 列数据计算； 进行第一组第二个3分钟内时间序列数据计算； 直至完成第一组第十个3分钟 内多元时间序列数据计算； 计算第二组不同拆分维度的时间序列的敏感系数， 进行第二组第一个3分钟内时间序 列数据计算； 进行第二组第二个3分钟内时间序列数据计算； 直至完成第二组第十个3分钟 内多元时间序列数据计算； 依次计算， 直至 完成预设天数内特 征数据的不同拆分维度的时间序列对应敏感系数。 6.根据权利要求5所述的基于多维权重模型的重点线索推荐方法， 其特征在于， 利用1 天内48组多元时间序列数据， 以3分钟、 6分钟、 9分钟、 12分钟、 15分钟、 18分钟、 21分钟、 24分 钟、 27分钟、 30分钟10个时间序列为拆分维度， 分别比较每个相同时间序列内的敏感系数出 现的次数， 若敏感系 数出现次数占80％以上， 则将对应出现次数高的敏感系数作为对应的 时间序列敏感系数。 7.根据权利要求6所述的基于多维权重模型的重点线索推荐方法， 其特征在于， 推荐算 法设计步骤 包括：权　利　要　求　书 1/3 页 2 CN 115146174 A 2场景系数： 单独受不同拆分维度时间序列影响的场景， 场景系数＝敏感系数； 单独受位置影响的场景， 场景系数＝预设的位置系数； 受时间和位置双重影响的场景， 场景系数＝敏感系数+位置系数。 8.根据权利要求7所述的基于多维权重模型的重点线索推荐方法， 其特征在于， 不同特 征数据的权 重值为： 网站权重： 基于网站性质、 网站类别、 网站类型计算得到； 事件权重： 基于网站权 重、 行为操作、 网址类型、 数据来源计算得到； 人员权重： 受访 问时间、 地理位置、 接入类型特征影响， 分别计算不同场景对应的事件 权重指数， 汇总得到个人的综合指数； 根据个人的综合指数进行高危人员的推荐。 9.基于多维权 重模型的重点线索推荐系统， 其特 征在于， 包括： 特征池创建模块， 用于利用URL规则库标识的网络异常活动数据， 提取影响人员重要程 度的特征， 形成特 征池； 多元时间序列获取模块， 用于以预设单位 时间基准将预设时间段拆分得到多元时间序 列； 数据配置模块， 用于将预设时间段的特征数据按照所述多元时间序列截断分组， 得到 多元时间序列数据； 敏感系数处理模块， 用于预设不同拆分维度的时间序列的敏感系数， 通过多元时间序 列数据计算 不同拆分维度的时间序列的敏感系数； 高危人员 推荐模块， 用于预设不同特征数据的权重值， 通过不同特征数据的权重设定 和不同拆分维度的时间序列的敏感系数进 行推荐算法设计， 采用推荐算法将综合指数在预 设范围内的人员作为高危人员。 10.根据权利要求9所述的基于多维权重模型的重点线索推荐系统， 其特征在于， 所述 特征池创建模块中： 特征池的特征数据包括： 访问时间、 地理位置、 数据来源、 网站类型、 网站性质、 网站类 别、 网址类型、 行为操作和接入类型； 所述多元时间序列获取模块中： 所述预设时间段为所述预设单位 时间基准的倍数； 所述预设时间段的时长小于一天的 时长， 且一天的时长为预设时间段时长的倍数； 根据预设单位时间基准， 将预设时间段拆分作为一组多元时间序列； 将一天的特征数 据依次按照预设时间段进行分组， 得到多个分组的多元时间序列数据； 所述敏感系数处 理模块中： 不同拆分维度包括3分钟、 6分钟、 9 分钟、 12分钟、 15分钟、 18分钟、 21分钟、 24分钟、 27分 钟、 30分钟； 不同拆分维度的敏感系数依次为： k1、 k2、 k3、 k 4、 k5、 k6、 k7、 k8、 k9、 k10； 通过所述敏感系数处理模块， 计算第一组不同拆分维度的时间序列的敏感系数： 进行 第一组第一个3分钟内时间序列数据计算； 进行第一组第二个3分钟内时间序列数据计算； 直至完成第一组第十个3分钟内多元时间序列数据计算； 计算第二组同拆分维度的时间序 列的敏感系 数， 进行第二组第一个3分钟内时间序列数据计算； 进行第二组第二个3分钟内权　利　要　求　书 2/3 页 3 CN 115146174 A 3