一种基于机器学习算法的终端异常行为识别方法

摘要

本发明涉及网络安全技术领域，具体涉及一种基于机器学习算法的终端异常行为识别方法，通过样本的收集处理，建立实时样本集，对于样本集中的样本进行聚类划分，根据其最优簇类数和类别的不同将样本划分至对应的簇类中；并且对于暂无最优簇类数的样本进行重新聚类，增加至新的行为模式识别模型中，以扩充样本集和聚类模型，提高了样本集的容量，能够对更多的行为进行识别；同时聚类模型在大量样本的支持下可达到更高的识别正确率，即使是陌生行为也可通过训练被划分到适宜的聚类模型中。因此，本发明提高了对终端行为识别的正确率和可靠性，能够根据行为变化而进行提升，可长期应用。