VIP20
本课程属于：085-Secrets管理体系审计日志巡检 密码学工程与数据安全 · 共 20 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

按时间序列分析Secrets异常访问行为方法

共计 30 章节
点击此处阅读海量试读课程：100+行业、1000+细分领域
01
时间序列基础
什么是时间序列 · 时间序列的组成要素（趋势 · 季节
时间序列基础什么是时间序列
02
Secrets管理概述
常见Secrets类型（ · 数据库密码 · 令牌）
Secrets管理概述
03
访问日志收集
如何收集Secrets的访问日志 · 日志格式（JSON · Syslog）
访问日志收集Secrets
04
时间序列数据预处理
缺失值处理 · 异常点筛除 · 重采样与插值方法
时间序列数据预处…缺失值处理
05
时间序列可视化
使用Matplotlib/Plotl… · 观察模式与异常
时间序列可视化Matplotlib/P…
06
统计异常检测基础
基于均值和标准差（Z-score）的… · 3σ原则
统计异常检测基础Z-score
07
移动平均与指数平滑
简单移动平均 · 加权移动平均 · Holt-Winters方法
移动平均指数平滑
08
ARIMA模型
差分 · 自回归 · 移动平均
ARIMA模型
09
季节性分解
STL分解 · 提取季节性成分并识别异常
季节性分解STL
10
Secrets访问行为特征提取
访问频率 · 时间间隔 · 来源IP
Secrets访问行为特征提取
11
基于规则的特征工程
定义常见异常规则（如非工作时间访问 · 高频访问 · 异地登录）
基于规则的特征工…定义常见异常规则
12
时序异常检测
上下文异常（Contextual A…
时序异常检测Contextual
13
窗口滑动技术
固定窗口 · 滑动窗口 · 指数衰减窗口
窗口滑动技术固定窗口
14
孤立森林（Isolation Forest）在时序异常检测中的应用。
孤立森林（Isolation Fores… · 核心概念 · 实践要点
IsolationForest
15
基于距离的方法
k-近邻 · DBSCAN用于时序点异常检测
基于距离的方法k
16
机器学习分类器
使用逻辑回归 · 随机森林 · XGBoost标记异常访问
机器学习分类器使用逻辑回归
17
特征重要性分析
通过SHAP值理解哪些行为特征导致异…
特征重要性分析SHAP
18
深度学习入门
RNN · LSTM用于时间序列预测与异常检测
深度学习入门RNN
19
自编码器（Autoencoder）检测时序异常
重建误差与阈值设定
Autoencoder自编码器
20
变分自编码器（VAE）与生成对抗网络（GAN）用于异常检测。
变分自编码器（VAE）与生成对抗网络（G… · 核心概念 · 实践要点
VAEGAN
21
实时检测架构
Kafka + Flink/Spar…
实时检测架构Kafka
22
时间序列数据库
InfluxDB · TimescaleDB存储与查询时序…
时间序列数据库InfluxDB
23
异常评分与阈值动态调整
基于百分位数 · 极值理论（EVT）设置自适应阈值
异常评分阈值动态调整
24
多维度异常关联分析
结合用户行为画像 · 资产敏感度 · 历史基线
多维度异常关联分…结合用户行为画像
25
警报与响应机制
低误报率设计 · 分级告警（P0-P4） · 自动熔断策略
警报响应机制
26
案例实战一
检测泄露后的异常调用模式
案例实战一API
27
案例实战二
可疑访问时间窗口分析——凌晨3点的批…
案例实战二可疑访问时间窗口…
28
案例实战三
多账户协同异常——使用图论分析Sec…
案例实战三Sec
29
模型评估与调优
精度 · 召回 · F1-score
模型评估调优
30
课程总结与未来展望
零信任架构与Secrets自动化轮转 · AI驱动持续监控
课程总结未来展望