[發明專利]惡意訂單識別方法及裝置

有效

• 申請號: 201510829168.8
• 申請日: 2015-11-25
• 公開（公告）號: CN105468742B
• 公開（公告）日: 2018-11-20
• 發明（設計）人: 馬利超;于亮;李戰濤
• 申請（專利權）人: 小米科技有限責任公司
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06F17/27;G06Q30/00
• 代理公司: 北京三高永信知識產權代理有限責任公司 11138
• 代理人: 滕一斌

1.一種惡意訂單識別方法，其特征在于，所述方法包括：

根據預設的第一分詞算法，對待識別地址進行分詞，得到所述待識別地址中的特征詞語集合；

根據預先建立的詞語與權重的對應關系，獲取所述特征詞語集合中每個特征詞語的目標權重，得到與所述特征詞語集合對應的目標權重集合；

根據所述目標權重集合，判斷所述待識別地址是否為惡意地址；

當所述待識別地址為惡意地址時，確定所述待識別地址對應的訂單為惡意訂單。

2.根據權利要求1所述的方法，其特征在于，所述根據所述目標權重集合，判斷所述待識別地址是否為惡意地址，包括：

根據所述目標權重集合，通過惡意度公式計算所述待識別地址的惡意度g，所述惡意度公式為：其中，n為所述特征詞語集合中包括的特征詞語的個數，a_i為第i個特征詞語的目標權重，所述n為大于或等于1的整數，所述i為大于等于1，小于等于n的整數，所述e為自然常數；

判斷所述待識別地址的惡意度g是否小于預設閾值t；

當所述惡意度g小于預設閾值t時，確定所述待識別地址為惡意地址；

當所述惡意度g不小于預設閾值t時，確定所述待識別地址不為惡意地址。

3.根據權利要求1所述的方法，其特征在于，所述方法還包括：

獲取數據庫中存儲的歷史地址及所述歷史地址的標識，所述標識為惡意地址或者正常地址中的一種；

根據預設的第二分詞算法，對數據庫中存儲的每個所述歷史地址進行分詞，得到每個所述歷史地址的分詞詞語集合；

根據每個所述歷史地址的分詞詞語集合，建立特征詞語庫；

根據每個所述歷史地址的標識，通過預設的機器學習分類模型，確定所述特征詞語庫中每個詞語的權重；

根據所述特征詞語庫，以及所述特征詞語庫中每個詞語的權重，建立所述詞語與權重的對應關系。

4.根據權利要求3所述的方法，其特征在于，所述預設的機器學習分類模型為邏輯回歸模型，

所述根據每個所述歷史地址的標識，通過預設的機器學習分類模型，確定所述特征詞語庫中每個詞語的權重，包括：

根據所述特征詞語庫，以及每個所述歷史地址的分詞詞語集合，確定每個所述歷史地址的特征向量，所述每個所述歷史地址的特征向量中記錄了所述每個所述歷史地址的分詞詞語集合中每個詞語在所述特征詞語庫中的索引；

根據每個所述歷史地址的標識以及每個所述歷史地址的特征向量，通過邏輯回歸模型，確定所述特征詞語庫中每個詞語的權重。

5.根據權利要求4所述的方法，其特征在于，所述第二分詞算法包括所述第一分詞算法，所述第一分詞算法包括三字切分算法，所述三字切分算法是指對地址按照每三個單字進行順序切分。

6.一種惡意訂單識別裝置，其特征在于，所述裝置包括：

第一分詞模塊，被配置為根據預設的第一分詞算法，對待識別地址進行分詞，得到所述待識別地址中的特征詞語集合；

第一獲取模塊，被配置為根據預先建立的詞語與權重的對應關系，獲取所述特征詞語集合中每個特征詞語的目標權重，得到與所述特征詞語集合對應的目標權重集合；

判斷模塊，被配置為根據所述目標權重集合，判斷所述待識別地址是否為惡意地址；

第一確定模塊，被配置為當所述待識別地址為惡意地址時，確定所述待識別地址對應的訂單為惡意訂單。

7.根據權利要求6所述的裝置，其特征在于，所述判斷模塊，被配置為：

根據所述目標權重集合，通過惡意度公式計算所述待識別地址的惡意度g，所述惡意度公式為：其中，n為所述特征詞語集合中包括的特征詞語的個數，a_i為第i個特征詞語的目標權重，所述n為大于或等于1的整數，所述i為大于等于1，小于等于n的整數，所述e為自然常數；

判斷所述待識別地址的惡意度g是否小于預設閾值t；

當所述惡意度g小于預設閾值t時，確定所述待識別地址為惡意地址；

當所述惡意度g不小于預設閾值t時，確定所述待識別地址不為惡意地址。