获取待检测数据可以包括:提取用户的原始日志数据;将原始日志数据进 行归一化，得到多个对象，其中，多个对象包含用于表示事件类型的字段;根据字段，将多个 对象分为不同类型的待检测数据。
[0033] 其中，将原始日志数据进行归一化后，得到统一的PO jo(Plain Ordinary Java Object，简单的Java对象)对象。每一个pojo对象都包含一个用于表示事件类型的字段，根 据这个字段，将Pojo对象进行分类，分为各种不同类型的待检测数据。具体地，待检测数据 的类型可以包括木马、网络蠕虫、网络扫描以及拒绝服务攻击等。
[0034] 步骤S104,按照预先划分的时间段，依据事件的发生时间确定事件所属的第一时 间段，并得到事件的第一时间段集合，其中，第一时间段集合中包含第一时间段。
[0035] 可选地，在按照预先划分的时间段，依据发生时间确定事件所属的第一时间段之 前，方法还包括：
[0036] 步骤S10,根据预定的时间周期的长度以及时间段的长度，将各个时间周期划分为 多个时间段。
[0037] 其中，为了统计每一类时间在每个时间周期内的哪些时间段发生。可以根据用户 预定的时间周期的长度以及时间段的长度，将时间周期划分为多个时间段，对于每一类事 件，根据事件的发生时间，统计该类事件在每个时间周期内的分布情况，即事件都在每个时 间周期内的哪些时间段发生。当所有事件都被统计完成后，会得到每种类型事件在每个时 间周期内的分布时间段集合(例如上述的第一时间段集合）。
[0038]例如，已知某天上午9:15、14:45出现了拒绝服务攻击。假定预定的时间周期的长 度为一天，时间段的长度为一小时，那么一天就被分为24个时间段，分别为0:00-1:00、1: 00-2:00、…、23:00-0:00。因为该拒绝服务攻击的事件发生时间分别落在该天中9:00-10: 00与14:00-15:00这两个时间段内，所以该拒绝服务的事件的第一时间段集合为{9:00-10: 00，14 :00-15:00}〇
[0039]步骤S106,根据第一时间段集合，计算第一时间段的支持度，其中，支持度用于表 示在第一时间段发生事件的频繁程度。
[0040] 可选地，根据第一时间段集合，计算第一时间段的支持度包括:统计各个时间周期 内的第一时间段集合的数量，以及统计各个时间周期内的时间段集合的总数;计算第一时 间段集合的数量与时间段集合的总数的比值，得到第一时间段的支持度。
[0041] 例如，假设有三个时间段集合，分别为：03，(：}、{8，(：，〇}、{4,〇}，其中厶，8，(：，〇分 别表示一个时间段，每个时间段集合表示的是由时间段组成的集合，例如时间段集合{ABC} 表不的是由时间段A、B、C组成的一个集合。
[0042]从上述三个时间段集合中可以看出，时间段A出现在第一个时间段集合和第三个 时间段集合中，且出现的次数为两次，或者说包含时间段A的时间段集合有两个，时间段A的 支持度等于包含它的时间段集合的数量除以时间段集合的总数，即2/3。同理可计算出，时 间段B、时间段C的支持度也为2/3。
[0043]步骤S108,若支持度大于预设阈值，确定第一时间段为事件的频繁发生时间段。 [0044]在计算出第一时间段的支持度后，若支持度大于预设阈值，则确定第一时间段为 事件的频繁发生时间段。进一步地，还可以将大于预设阈值且时间段数目最多的时间段集 合返回给用户，本实施例对此不作限定。
[0045] 本实施例的事件的检测方法，基于过去一段时间内用户的原始日志数据，为用户 提供其系统内各种事件在时间周期内的频繁发生时间段，以帮助用户寻找各种类型事件的 发生规律。同时，采用分天的数据预处理方式，缩短用户等待检测结果的时间。
[0046] 通过上述步骤，可以实现按照预先划分的时间段来分析事件发生的频繁程度，达 到了基于过去一段时间内用待检测数据，得到各种事件在各个时间段内的频繁发生的时间 段集合，以帮助用户寻找事件的发生规律的目的，从而实现了帮助用户寻找各种类型事件 的发生规律的技术效果，进而解决了由于现有技术仅是对用户的原始日志数据进行简单计 数分析造成无法提供事件发生规律的技术问题。
[0047] 可选地，在确定第一时间段为事件的频繁发生时间段之后，方法还包括：
[0048] 步骤S20,更新统计结果表，其中，更新后的统计结果表中包含事件以及事件对应 的第一时间段。
[0049] 步骤S22,在接收到请求装置发送的挖掘分析请求的情况下，将更新后的统计结果 表返回给请求装置。
[0050] 其中，在统计各类事件在每个时间周期内各个时间段分布情况之后，可以统计结 果存入数据库，即将事件以及事件对应的第一时间段更新至统计结果表中。当接收到请求 装置发送的挖掘分析请求时，可以将更新后的统计结果表返回给请求装置。
[0051] 需要补充的是，该统计结果表中可以仅存储被确定为频繁发生时间段的时间段 (即只存储用户感兴趣的分析结果），也可以将各个时间段都更新至统计结果表中，并对频 繁发生时间段进行标记，其均应在本申请的保护范围之内。
[0052] 下面，如图2所示，对本申请的如何确定事件的频繁发生时间段的过程进行示例性 描述：
[0053] 步骤A，获取事件发生的时间段集合。
[0054] 其中，如何获取时间发生的时间段集合，上述实施例中已进行详细描述，此处不再 赘述。
[0055] 步骤B，扫描各个时间段集合，找出支持度大于预设阈值的时间段集合U。
[0056] 其中，对于支持度小于预设阈值的时间段集合，直接忽略掉;对于支持度大于预设 阈值的时间段集合，挑选出来组成下一步的候选集，即时间段集合Lu
[0057] 步骤C，K = 2。
[0058] 其中，K表示一个计数的变量，值为自然数，初始值为2。
[0059] 步骤D ,Liw是否为空。
[0060]其中，Lk表示由元素个数为K的集合组成的集合，也就是Lk是一个集合，其元素也是 一个集合(该集合元素个数为K)。
[0061 ]步骤E，由Liw中的元素两两组合，生成集合Tk。
[0062] 其中，Tk表示由元素个数为K的集合组成的集合，也就是Tk是一个集合，其元素也是 一个集合(该集合元素个数为K)。
[0063] 可选地，Uw中的元素两两组合是指对于元素个数为η的集合，两两组合就是从该 集合中任取两个元素组合，总共有η (η-1) /2种组合。
[0064 ]步骤F，将集合Tk中包含的不在Lim中的元素剔除，生成集合Ck。
[0065]其中，Ck表示由元素个数为K的集合组成的集合，也就是Ck是一个集合，其元素也是 一个集合(该集合元素个数为Κ)。
[0066 ]步骤G，从Ck中选出支持度大于预设阈值的时间段集合，生成Lk。
[0067] 其中，如果生成的Lk不为空，则返回结果Lk。
[0068] 步骤 H，K++。
[0069] 其中，执行步骤H之后返回步骤D。
[0070] 步骤I，返回结果Lk。
[0071] 步骤J，结束。
[0072] 在本发明实施例中，通过按照预先划分的时间段来分析事件发生的频繁程度，达 到了基于过去一段时间内用待检测数据，得到各种事件在各个时间段内的频繁发生的时间 段集合，以帮助用户寻找事件的发生规律的目的，从而实现了帮助用户寻找各种类型事件 的发生规律的技术效果，进而解决了由于现有技术仅是对用户的原始日志数据进行简单计 数分析造成无法提供事件发生规律的技术问题。
[0073] 实施例2
[0074] 根据本发明实施例，还提供了一种事件的检测装置，如图3所示，该事件的检测装 置包括:获取单元302、确定单元304、计算单元306以及检测单元308。
[0075] 其中，获取单元302,用于获取待检测数据，其中，所述待检测数据至少包括事件和 事件的发生时间；确定单元304,用于按照预先划分的时间段，依据所述事件的发生时间确 定所述事件所属的第一时间段，并得到所述事件的第一时间段集合，其中，所述第一时间段 集合中包含所述第一时间段;计算单元306,用于根据所述第一时间段集合，计算所述第一 时间段的支持度，其中，所述支持度用于表示在所述第一时间段发生所述事件的频繁程度； 检测单元308，用于若所述支持度大于预设阈值，确定所述第一时间段为所述事件的频繁发 生时间段。
[0076]可选地，如图4所示，所述获取单元3