买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：唯思电子商务(深圳)有限公司

摘要：本发明公开了一种基于异常检测的黑产作弊识别方法和系统，涉及一种风控安全技术领域，包括以下步骤：S1、获取用户数据；S2、定义输出维度为邀请人维度；S3、分析构造挖掘黑产用户共性特征；S4、构造步骤S3中的特征后，结合所得到的特征进行模型训练；S5、制定风险策略，将异常分数标准化到0‑100分数区间内，根据数据分布及数据表现定义邀请人的风险等级，并配置合适的风险处置策略。本申请可以通过用户行为及业务一些异常指标动态识别异常用户，且可以通过权重定义用户异常程度，通过定义异常程度阈值或异常用户占比实现动态管控。

主权项：1.一种基于异常检测的黑产作弊识别方法，其特征在于，包括以下步骤：S1、获取用户数据；其中需要获取的数据包括用户开户及个人信息、用户登录信息、用户邀请人信息、用户行为数据和用户转账数据等，从而能够实现对用户的基础信息进行获取；S2、定义输出维度为邀请人维度；即对于裂变拉新等营销场景，主要节点为邀请人与被邀请人，而邀请人与被邀请人是一对多的关系，邀请人作弊的利益驱动点要远高于被邀请人，更有可能成为黑产作弊用户，且通过邀请人邀请的用户特征是否聚集或异常用户占比能更好的识别邀请人风险，因此本专利从邀请人维度构造数据特征S3、分析构造挖掘黑产用户共性特征；其中黑产用户往往是一个人或小部分人控制了大量账号，所以相关联的用户往往有着聚集性的相关特征，其中构造特征需要相应的数据包，需要的数据包包括①开户表及用户表；②用户登录日志表；③用户邀请关系表；④用户行为埋点数据表；⑤用户转账日志表，用户信息以及登录设备的聚集，就可以构造出一下聚集特征，设备聚集：被邀请人之间登录以及与邀请人登录过相同设备人数占比；个人信息聚集：被邀请人加密后登录密码以及支付密码相一致以及与邀请人一致的人数占比，开户填写地址信息相同人数占比；交易聚集：被邀请人有回转活动相关金额给同一账户的人数占比；由于欺诈用户参与活动的目的性较强，与正常用户相比，其行为数据相对比较单一，且浏览时长较短，所以可构造出如下的特征，即只有浏览参与活动奖励要求的相关页面、未触发任何输入框的用户占比、使用APP时长小于1分钟用户占比；最后，考虑异常手段伪造设备id等维度风险特征，包括使用root以及模拟器用户占比，计算相关的特征所需要的过程为：将取数期内中的邀请人m1作为样本点，共n个，通过数据表构造m1与被邀请人m2登录相同设备人数为特征x1，同一m1邀请的m2登录相同设备人数为特征x2，通过数据表计算m1与m2加登录密码与支付密码对比一致的人数特征x3与x4，同一m1邀请的m2加密登录密码与支付密码对比一致的人数为特征x5与x6，m2地址一致的人数为特征x7，通过数据表计算被邀请人有回转活动相关金额给同一账户的人数为特征x8，通过数据表计算新闻给数据只有登录页面的m2数为特征x9，未触发任何输入框m2数为特征x10，实用APP时长不超过一分钟的m2数为特征x11，实用有root、模拟器的设备id的m2数为特征x12与x13；对上述数值填补缺失值，将x1、x2、x3、x4、x5、x6、x7、x8、x9、x10、x11、x12和x13均除以取数期内m1邀请m2的数a；S4、构造步骤S3中的特征后，结合所得到的特征进行模型训练；由于采用无监督的训练方法此处主要基于IsolationForest方法建立模型；S5、制定风险策略，将异常分数标准化到0-100分数区间内，根据数据分布及数据表现定义邀请人的风险等级，并配置合适的风险处置策略；所述步骤S3中构造黑产用户共性特征需要的数据源包括：户表及用户表、用户登录日志表、用户邀请关系表、用户行为埋点数据表和用户转账日志表；所述步骤S3中的共性特征进行处理过程包括：将取数期内中的邀请人m1作为样本点，共n个，通过数据表构造m1与被邀请人m2登录相同设备人数为特征x1，同一m1邀请的m2登录相同设备人数为特征x2，通过数据表计算m1与m2加登录密码与支付密码对比一致的人数特征x3与x4，同一m1邀请的m2加密登录密码与支付密码对比一致的人数为特征x5与x6，m2地址一致的人数为特征x7，通过数据表计算被邀请人有回转活动相关金额给同一账户的人数为特征x8，通过数据表计算新闻给数据只有登录页面的m2数为特征x9，未触发任何输入框m2数为特征x10，实用APP时长不超过一分钟的m2数为特征x11，实用有root、模拟器的设备id的m2数为特征x12与x13；对上述数值填补缺失值，将x1、x2、x3、x4、x5、x6、x7、x8、x9、x10、x11、x12和x13均除以取数期内m1邀请m2的数a。

全文数据：

权利要求：

百度查询： 唯思电子商务(深圳)有限公司 一种基于异常检测的黑产作弊识别方法和系统