摘要
随着国家高性能计算环境(CNGrid,China National Grid)各个结点产生日志数量不断增加,采用传统的人工方式进行用户行为分析已不能满足日常的分析需求。近年来,深度学习在入侵检测、图像识别、自然语言处理和恶意软件检测等与计算机科学相关的关键任务中取得了良好的效果。在本文工作中,我们演示了如何将深度学习模型应用于用户行为分析。为此,我们在CNGrid中对用户行为进行分类,提取大量绑定到会话的用户操作序列,然后将这些序列放入抽象的深度学习模型中。我们提出了一种基于图神经网络的循环神经网络深度学习模型来预测用户行为。图神经网络能够捕捉用户局部行为的隐藏状态,可以作为预处理步骤。循环神...
- 单位