[發明專利]基于行為軌跡的異常識別方法、裝置、服務器及存儲介質

有效

• 申請號: 201811233211.4
• 申請日: 2018-10-22
• 公開（公告）號: CN109509021B
• 公開（公告）日: 2021-05-28
• 發明（設計）人: 王慧龍;陳晨
• 申請（專利權）人: 武漢極意網絡科技有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06Q30/06
• 代理公司: 深圳市世紀恒程知識產權代理事務所 44287
• 代理人: 胡海國

1.一種基于行為軌跡的異常識別方法，其特征在于，所述基于行為軌跡的異常識別方法包括以下步驟：

獲取目標用戶在預設時段內的目標操作行為及目標操作時刻；

根據所述目標操作時刻對所述目標操作行為進行排序；

根據排序后的所述目標操作行為生成待識別操作行為軌跡；

獲取所述目標用戶的目標用戶標識；

從預設模型庫中查找與所述目標用戶標識對應的預設卷積神經網絡模型；

通過預設卷積神經網絡模型對所述待識別操作行為軌跡進行異常識別；

所述獲取目標用戶在預設時段內的操作行為集合之前，所述基于行為軌跡的異常識別方法還包括：

獲取不同用戶的歷史操作行為及歷史操作時刻；

根據所述歷史操作時刻對各用戶的歷史操作行為進行排序；

根據所述歷史操作時刻之間的時間間隔以及排序后的所述歷史操作行為生成各用戶的多個樣本操作行為軌跡；

獲取各樣本操作行為軌跡的樣本識別結果；

通過所述樣本操作行為軌跡以及樣本識別結果對初始卷積神經網絡模型進行訓練，獲得各用戶的預設卷積神經網絡模型；

獲取各用戶的用戶標識，將各用戶的用戶標識及預設卷積神經網絡模型存儲至預設模型庫中。

2.如權利要求1所述的基于行為軌跡的異常識別方法，其特征在于，所述獲取不同用戶的歷史操作行為及歷史操作時刻，具體包括：

從歷史行為日志中獲取不同用戶的歷史操作行為及歷史操作時刻。

3.如權利要求1或權利要求2中任一項所述的基于行為軌跡的異常識別方法，其特征在于，所述通過預設卷積神經網絡模型對所述待識別操作行為軌跡進行異常識別之后，所述基于行為軌跡的異常識別方法還包括：

在異常識別結果為所述待識別操作行為軌跡具有異常時，將所述目標用戶的后續操作行為進行封禁。

4.如權利要求3所述的基于行為軌跡的異常識別方法，其特征在于，所述將所述目標用戶的后續操作行為進行封禁之后，所述基于行為軌跡的異常識別方法還包括：

向所述目標用戶的用戶設備發送驗證請求；

接收所述目標用戶的用戶設備反饋的驗證信息；

根據所述驗證信息進行驗證，在驗證通過時，解除所述目標用戶的后續操作的封禁。

5.如權利要求4所述的基于行為軌跡的異常識別方法，其特征在于，所述向所述目標用戶的用戶設備發送驗證請求，具體包括：

根據當前時刻、所述目標用戶所處的區域信息、以及所述目標用戶的用戶設備的設備信息選取驗證策略；

根據所述驗證策略生成對應的驗證請求，并將所述驗證請求發送至所述目標用戶的用戶設備。

6.一種服務器，其特征在于，所述服務器包括：存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的基于行為軌跡的異常識別程序，所述基于行為軌跡的異常識別程序配置為實現如權利要求1至5中任一項所述的基于行為軌跡的異常識別方法的步驟。

7.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質上存儲有基于行為軌跡的異常識別程序，所述基于行為軌跡的異常識別程序被處理器執行時實現如權利要求1至5中任一項所述的基于行為軌跡的異常識別方法的步驟。

8.一種基于行為軌跡的異常識別裝置，其特征在于，所述裝置包括：

行為獲取模塊，用于獲取目標用戶在預設時段內的目標操作行為及目標操作時刻；

行為排序模塊，用于根據所述目標操作時刻對所述目標操作行為進行排序；

軌跡生成模塊，用于根據排序后的所述目標操作行為生成待識別操作行為軌跡；

異常識別模塊，用于通過預設卷積神經網絡模型對所述待識別操作行為軌跡進行異常識別；

行為獲取模塊，還用于獲取所述目標用戶的目標用戶標識；

所述異常識別模塊，還用于從預設模型庫中查找與所述目標用戶標識對應的預設卷積神經網絡模型；

所述獲取模塊，還用于獲取不同用戶的歷史操作行為及歷史操作時刻；根據所述歷史操作時刻對各用戶的歷史操作行為進行排序；根據所述歷史操作時刻之間的時間間隔以及排序后的所述歷史操作行為生成各用戶的多個樣本操作行為軌跡；獲取各樣本操作行為軌跡的樣本識別結果；通過所述樣本操作行為軌跡以及樣本識別結果對初始卷積神經網絡模型進行訓練，獲得各用戶的預設卷積神經網絡模型；獲取各用戶的用戶標識，將各用戶的用戶標識及預設卷積神經網絡模型存儲至預設模型庫中。