本技术涉及网络安全，特别是涉及一种云电脑异常行为检测模型的训练方法及云电脑异常行为的检测方法、装置、计算机设备及存储介质。
背景技术：
1、云电脑是一种基于云计算技术的虚拟电脑服务。它通过将传统电脑的计算、存储和应用服务等功能迁移到云端，允许用户通过网络连接在任何时间、任何地点、任何设备上访问和使用这些服务。凭借弹性可扩展、简单易用的特点，云电脑被广泛应用于移动办公、教育教学等领域。
2、云电脑优化了用户的协同工作与使用体验，但用户在享受云电脑带来便捷性的同时，也存在着不当操作。这些行为的检测与处理对云电脑的运维管理提出了更高要求。
3、目前，云电脑的运维管理主要集中在监控与告警，包括利用检测工具分析运行状态、部署软件和更新补丁，用户收到异常告警后再自行决定后续的处理流程。然而，传统的云电脑检测工具的检测范围有限，存在漏报或者误报的情况，也即目前针对云电脑的异常行为检测精度较低。
技术实现思路
1、本技术实施例提供一种云电脑异常行为检测模型的训练方法及云电脑异常行为的检测方法、装置、计算机设备及存储介质，可以提高云电脑的异常行为检测精度。
2、一种云电脑异常行为检测模型的训练方法，所述方法包括：
3、确定各异常行为在各应用场景下的异常系数；
4、针对任一所述异常行为，分别基于所述异常行为在各所述应用场景下的异常系数，确定所述异常行为在各所述应用场景下的异常性质；
5、针对任一所述应用场景，根据所述应用场景下异常性质为异常的所述异常行为进行异常行为数据采集和标注，得到所述应用场景下的样本数据；
6、根据各所述应用场景下的样本数据构建训练集，并基于所述训练集对初始多模态大模型进行训练，得到云电脑异常行为检测模型。
7、在其中一个实施例中，确定各异常行为在各应用场景下的异常系数，包括：
8、在目标应用场景下，针对任一异常类别，分别统计所述异常类别对应的各所述异常行为在预置时间段内发生的频次；
9、从所述异常类别中各所述异常行为发生的频次中，确定目标频次；
10、分别根据各所述异常行为发生的频次及所述目标频次，确定各所述异常行为在所述目标应用场景下的异常系数，所述目标应用场景为各所述应用场景中的任一应用场景。
11、在其中一个实施例中，所述分别根据各所述异常行为发生的频次及所述目标频次，确定各所述异常行为在所述目标应用场景下的异常系数，包括：
12、针对任一所述异常行为，将所述异常行为与所述目标频次的比值，作为所述异常行为在所述目标应用场景下的异常系数。
13、在其中一个实施例中，所述分别基于所述异常行为在各所述应用场景下的异常系数，确定所述异常行为在各所述应用场景下的异常性质，包括：
14、针对目标应用场景，在所述异常行为在所述目标应用场景下的异常系数大于或者等于所述目标应用场景的异常阈值的情况下，确定所述异常行为在所述目标应用场景下的异常性质为异常；或者，
15、在所述异常行为在所述目标应用场景下的异常系数小于所述目标应用场景的异常阈值的情况下，确定所述异常行为在所述目标应用场景下的异常性质为正常；
16、其中，所述目标应用场景为各所述应用场景中的任一应用场景。
17、在其中一个实施例中，所述根据所述应用场景下异常性质为异常的所述异常行为进行异常行为数据采集和标注，得到所述应用场景下的样本数据，包括：
18、针对目标应用场景，获取所述目标应用场景中下异常性质为异常的目标异常行为；
19、基于各所述目标异常行为，在目标应用场景中采集应用行为数据，并基于所述目标异常行为对采集的各所述应用行为数据进行标注，得到所述目标应用场景下的样本数据；
20、其中，所述目标应用场景为各所述应用场景中的任一应用场景。
21、在其中一个实施例中，基于所述目标异常行为对采集的各所述应用行为数据进行标注，得到所述目标应用场景下的样本数据，包括：
22、针对任一所述应用行为数据，对所述应用行为数据进行多模态特征提取，得到图像特征、音频特征以及文本特征，并对所述图像特征、音频特征以及文本特征进行融合，得到所述应用行为数据对应的多模态特征；
23、根据所述应用行为数据对应的目标异常行为、所述应用行为数据对应的多模态特征和异常解决策略，构建所述目标应用场景下的样本数据。
24、在其中一个实施例中，所述基于所述训练集对初始多模态大模型进行训练，得到云电脑异常行为检测模型，包括：
25、基于所述训练集对所述初始多模态大模型进行指令微调，得到微调后的所述初始多模态大模型；
26、基于所述训练集对所述微调后的所述初始多模态大模型进行增强训练，得到云电脑异常行为检测模型。
27、一种云电脑异常行为的检测方法，所述方法包括：
28、响应于针对目标云电脑的异常检测操作，获取所述目标云电脑的待检测数据；
29、通过目标接口调用云电脑异常行为检测模型，对所述目标云电脑的待检测数据进行异常行为检测，得到异常检测结果；
30、其中所述云电脑异常行为检测模型采用前述任一项所述的云电脑异常行为检测模型的训练方法训练得到。
31、在其中一个实施例中，所述异常检测结果包括第一检测结果或者第二检测结果，所述第一检测结果表征不存在异常行为，所述第二检测结果中包括异常行为及异常处理策略。
32、在其中一个实施例中，所述云电脑异常行为检测模型对所述目标云电脑的待检测数据进行异常行为检测的过程，包括：
33、对所述待检测数据进行多模态特征提取，得到图像特征、音频特征以及文本特征，并对所述图像特征、音频特征以及文本特征进行融合，得到所述待检测数据对应的多模态特征；
34、将所述待检测数据对应的多模态特征输入云电脑异常行为检测模型进行异常行为检测，得到异常检测结果。
35、一种云电脑异常行为检测模型的训练装置，所述装置包括：
36、第一确定单元，用于确定各异常行为在各应用场景下的异常系数；
37、第二确定单元，用于针对任一所述异常行为，分别基于所述异常行为在各所述应用场景下的异常系数，确定所述异常行为在各所述应用场景下的异常性质；
38、样本处理单元，用于针对任一所述应用场景，根据所述应用场景下异常性质为异常的所述异常行为进行异常行为数据采集和标注，得到所述应用场景下的样本数据；
39、训练单元，用于根据各所述应用场景下的样本数据构建训练集，并基于所述训练集对初始多模态大模型进行训练，得到云电脑异常行为检测模型。
40、在其中一个实施例中，所述第一确定单元，还用于：
41、在目标应用场景下，针对任一异常类别，分别统计所述异常类别对应的各所述异常行为在预置时间段内发生的频次；
42、从所述异常类别中各所述异常行为发生的频次中，确定目标频次；
43、分别根据各所述异常行为发生的频次及所述目标频次，确定各所述异常行为在所述目标应用场景下的异常系数，所述目标应用场景为各所述应用场景中的任一应用场景。
44、在其中一个实施例中，所述第一确定单元，还用于：
45、针对任一所述异常行为，将所述异常行为与所述目标频次的比值，作为所述异常行为在所述目标应用场景下的异常系数。
46、在其中一个实施例中，所述第二确定单元，还用于：
47、针对目标应用场景，在所述异常行为在所述目标应用场景下的异常系数大于或者等于所述目标应用场景的异常阈值的情况下，确定所述异常行为在所述目标应用场景下的异常性质为异常；或者，
48、在所述异常行为在所述目标应用场景下的异常系数小于所述目标应用场景的异常阈值的情况下，确定所述异常行为在所述目标应用场景下的异常性质为正常；
49、其中，所述目标应用场景为各所述应用场景中的任一应用场景。
50、在其中一个实施例中，所述样本处理单元，还用于：
51、针对目标应用场景，获取所述目标应用场景中下异常性质为异常的目标异常行为；
52、基于各所述目标异常行为，在目标应用场景中采集应用行为数据，并基于所述目标异常行为对采集的各所述应用行为数据进行标注，得到所述目标应用场景下的样本数据；
53、其中，所述目标应用场景为各所述应用场景中的任一应用场景。
54、在其中一个实施例中，所述样本处理单元，还用于：
55、针对任一所述应用行为数据，对所述应用行为数据进行多模态特征提取，得到图像特征、音频特征以及文本特征，并对所述图像特征、音频特征以及文本特征进行融合，得到所述应用行为数据对应的多模态特征；
56、根据所述应用行为数据对应的目标异常行为、所述应用行为数据对应的多模态特征和异常解决策略，构建所述目标应用场景下的样本数据。
57、在其中一个实施例中，所述训练单元，还用于：
58、基于所述训练集对所述初始多模态大模型进行指令微调，得到微调后的所述初始多模态大模型；
59、基于所述训练集对所述微调后的所述初始多模态大模型进行增强训练，得到云电脑异常行为检测模型。
60、一种云电脑异常行为的检测装置，所述装置包括：
61、获取单元，用于响应于针对目标云电脑的异常检测操作，获取所述目标云电脑的待检测数据；
62、检测单元，用于通过目标接口调用云电脑异常行为检测模型，对所述目标云电脑的待检测数据进行异常行为检测，得到异常检测结果；
63、其中所述云电脑异常行为检测模型前述任一项所述的云电脑异常行为检测模型的训练方法训练得到。
64、在其中一个实施例中，所述异常检测结果包括第一检测结果或者第二检测结果，所述第一检测结果表征不存在异常行为，所述第二检测结果中包括异常行为及异常处理策略。
65、在其中一个实施例中，所述云电脑异常行为检测模型对所述目标云电脑的待检测数据进行异常行为检测的过程，包括：
66、对所述待检测数据进行多模态特征提取，得到图像特征、音频特征以及文本特征，并对所述图像特征、音频特征以及文本特征进行融合，得到所述待检测数据对应的多模态特征；
67、将所述待检测数据对应的多模态特征输入云电脑异常行为检测模型进行异常行为检测，得到异常检测结果。
68、一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以上任一项云电脑异常行为检测模型的训练方法或者云电脑异常行为的检测方法。
69、一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以上任一项云电脑异常行为检测模型的训练方法或者云电脑异常行为的检测方法。
70、一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以上任一项云电脑异常行为检测模型的训练方法或者云电脑异常行为的检测方法。
71、上述云电脑异常行为检测模型的训练方法及云电脑异常行为的检测方法、装置、计算机设备、存储介质和计算机程序产品，可以确定各异常行为在各应用场景下的异常系数，并分别基于各异常行为在各应用场景下的异常系数，确定异常行为在各应用场景下的异常性质。针对任一应用场景，根据应用场景下异常性质为异常的异常行为进行异常行为数据采集和标注，得到应用场景下的样本数据，并根据各应用场景下的样本数据构建训练集，基于训练集对初始多模态大模型进行训练，得到云电脑异常行为检测模型。基于本公开实施例提供的云电脑异常行为检测模型的训练方法及云电脑异常行为的检测方法、装置、计算机设备、存储介质和计算机程序产品，可以训练云电脑异常行为检测模型进行云电脑异常行为检测，且在训练时通过异常系数进行各应用场景下异常行为的定义，从而可以训练得到适用于多种应用场景的云电脑异常行为检测模型，可以提高云电脑异常行为检测精度。
1.一种云电脑异常行为检测模型的训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述确定各异常行为在各应用场景下的异常系数，包括：
3.根据权利要求2所述的方法，其特征在于，所述分别根据各所述异常行为发生的频次及所述目标频次，确定各所述异常行为在所述目标应用场景下的异常系数，包括：
4.根据权利要求1至3中任一项所述的方法，其特征在于，所述分别基于所述异常行为在各所述应用场景下的异常系数，确定所述异常行为在各所述应用场景下的异常性质，包括：
5.根据权利要求1所述的方法，其特征在于，所述根据所述应用场景下异常性质为异常的所述异常行为进行异常行为数据采集和标注，得到所述应用场景下的样本数据，包括：
6.根据权利要求5所述的方法，其特征在于，所述基于所述目标异常行为对采集的各所述应用行为数据进行标注，得到所述目标应用场景下的样本数据，包括：
7.根据权利要求1或6所述的方法，其特征在于，所述基于所述训练集对初始多模态大模型进行训练，得到云电脑异常行为检测模型，包括：
8.一种云电脑异常行为的检测方法，其特征在于，所述方法包括：
9.根据权利要求8所述的方法，其特征在于，所述异常检测结果包括第一检测结果或者第二检测结果，所述第一检测结果表征不存在异常行为，所述第二检测结果中包括异常行为及异常处理策略。
10.根据权利要求8或9所述的方法，其特征在于，所述云电脑异常行为检测模型对所述目标云电脑的待检测数据进行异常行为检测的过程，包括：
11.一种云电脑异常行为检测模型的训练装置，其特征在于，所述装置包括：
12.一种云电脑异常行为的检测装置，其特征在于，所述装置包括：
13.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7或者8至10中任一项所述的方法的步骤。
14.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7或者8至10中任一项所述的方法的步骤。
15.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至7或者8至10中任一项所述的方法的步骤。
