基于集成分类器的用户异常行为检测方法及相关设备

摘要

本发明涉及人工智能技术领域，提供一种基于集成分类器的用户异常行为检测方法及相关设备，包括：获取系统中多个分区的历史数据流及每条历史数据流的真实类别；监测系统的内存，并根据系统的内存、多个分区的历史数据流及每条历史数据流的真实类别进行增量式训练多个分类器得到集成分类器；获取监控时段内用户的多条流式数据并输入至集成分类器中进行类别预测，得到多个预测类别；计算预测类别中正常类别和异常类别的数量，并基于此输出用户的行为是否异常的结果。本发明能够充分的利用内存，获得分类性能最佳的分类器，从而提高了对用户异常行为的检测准确率。此外，本发明还涉及区块链技术领域，所述集成分类器和结果可存储于区块链中。