本发明涉及设备运维，特别是涉及一种运维行为审计方法、一种运维行为审计装置、一种电子设备和一种存储介质。
背景技术：
1、运维行为审计功能使得运维人员的各类操作得以被详细记录。他们在日常工作中的运维行为会按照时间顺序被保存下来，随后由审计人员介入，进行行为分析和审查。这种数据的合理分析和利用可以进一步增强系统的信息安全性。然而，这类数据的一个显著特点是其数据量庞大，而且其中的有价值信息较为稀疏。仅仅依赖审计人员和管理员的人工操作是无法有效且合理地满足对数据处理的需求和安全要求的。
技术实现思路
1、鉴于上述问题，提出了本发明实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种运维行为审计方法、一种运维行为审计装置、一种电子设备和一种存储介质。
2、为了解决上述问题，在本发明的第一个方面，本发明实施例公开了一种运维行为审计方法，包括：
3、获取运维行为日志；
4、依据所述运维行为日志构建多路日志特征向量；
5、将所述多路日志特征向量进行融合，生成日志特征；
6、依据所述日志特征和预设神经网络模型，确定运维审计模型；
7、基于所述运维审计模型对获取到的当前运维行为进行判断，生成审计结果。
8、可选地，所述获取运维行为日志的步骤包括：
9、记录运维数据；
10、将所述运维数据组合生成日志数据集；
11、确定所述日志数据集为所述运维行为日志。
12、可选地，所述依据所述运维行为日志构建多路日志特征向量的步骤包括：
13、对所述运维行为日志进行分类，确定日志类型；
14、基于所述日志类型，将所述运维行为日志构建为所述多路日志特征向量。
15、可选地，当所述日志类型为字符类型时，所述将所述运维行为日志构建为所述多路日志特征向量的步骤：
16、对所述运维行为日志进行一位有效编码词嵌入处理，构建所述多路日志特征向量。
17、可选地，当所述日志类型为图像类型时，所述将所述运维行为日志构建为所述多路日志特征向量的步骤：
18、获取预设卷积神经网络模型；
19、将所述运维行为日志输入至所述预设卷积神经网络模型，所述预设卷积神经网络模型用于对所述运维行为日志进行图像卷积和池化操作，生成所述多路日志特征向量。
20、可选地，所述将所述多路日志特征向量进行融合，生成日志特征的步骤包括：
21、确定所述多路日志特征向量中的每一种特征向量对应分布得分；
22、依据所述分布得分确定权衡因子；
23、依据所述权衡因子，将所述多路日志特征向量中的每一种特征向量进行融合，生成所述日志特征。
24、可选地，所述依据所述日志特征和预设神经网络模型，确定运维审计模型的步骤包括：
25、依据所述日志特征和所述日志特征对应的行为数据，确定强化信号；
26、依据所述强化信号和所述预设神经网络模型确定运维行为函数；
27、依据所述运维行为函数和所述预设神经网络模型，确定所述运维审计模型。
28、在本发明的第二个方面，本发明实施例公开了一种运维行为审计装置，包括：
29、获取模块，用于获取运维行为日志；
30、向量构建模块，用于依据所述运维行为日志构建多路日志特征向量；
31、特征生成模块，用于将所述多路日志特征向量进行融合，生成日志特征；
32、模型训练模块，用于依据所述日志特征和预设神经网络模型，确定运维审计模型；
33、审计模块，用于基于所述运维审计模型对获取到的当前运维行为进行判断，生成审计结果。
34、在本发明的第三个方面，本发明实施例公开了一种电子设备，包括处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上所述的运维行为审计方法。
35、在本发明的第四个方面，本发明实施例公开了一种计算机可读存储介质，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如上所述的运维行为审计方法。
36、本发明实施例包括以下优点：
37、本发明实施例通过获取运维行为日志；依据所述运维行为日志构建多路日志特征向量；将所述多路日志特征向量进行融合，生成日志特征；依据所述日志特征和预设神经网络模型，确定运维审计模型；基于所述运维审计模型对获取到的当前运维行为进行判断，生成审计结果。通过采用多路日志对应的多路日志特征向量进行融合，并且将多路日志特征向量融合后的日志特征作为深度学习的学习数据，可以使得运维审计模型能够更加高效地处理大量数据，发现隐藏的运维行为模式和异常，从而在维护信息安全的同时提升整体工作效率。
1.一种运维行为审计方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述获取运维行为日志的步骤包括：
3.根据权利要求1所述的方法，其特征在于，所述依据所述运维行为日志构建多路日志特征向量的步骤包括：
4.根据权利要求3所述的方法，其特征在于，当所述日志类型为字符类型时，所述将所述运维行为日志构建为所述多路日志特征向量的步骤：
5.根据权利要求3所述的方法，其特征在于，当所述日志类型为图像类型时，所述将所述运维行为日志构建为所述多路日志特征向量的步骤：
6.根据权利要求1所述的方法，其特征在于，所述将所述多路日志特征向量进行融合，生成日志特征的步骤包括：
7.根据权利要求1所述的方法，其特征在于，所述依据所述日志特征和预设神经网络模型，确定运维审计模型的步骤包括：
8.一种运维行为审计装置，其特征在于，包括：
9.一种电子设备，其特征在于，包括处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至7中任一项所述的运维行为审计方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的运维行为审计方法的步骤。
