[發明專利]盜號行為判別方法、裝置、計算設備及存儲介質

有效

• 申請號: 201910848927.3
• 申請日: 2019-09-09
• 公開（公告）號: CN110555007B
• 公開（公告）日: 2023-09-05
• 發明（設計）人: 蔡淼;劉曉春;吳晗
• 申請（專利權）人: 成都西山居互動娛樂科技有限公司
• 主分類號: G06F16/18
• 分類號: G06F16/18;G06F21/31;G06F21/45;G06N3/08
• 代理公司: 北京智信禾專利代理有限公司 11637
• 代理人: 王治東

1.一種盜號行為判別方法，其特征在于，包括：

獲取待判別賬號在一次登錄到登出期間的日志文件；

對所述日志文件進行預處理，得到所述日志文件中的日志行為和所述日志行為的屬性值；

對所述日志行為和所述屬性值進行嵌入化處理，得到日志行為矩陣，所述日志行為矩陣由至少兩個日志行為向量組成；

將所述日志行為矩陣作為輸入提供給預先訓練好的判別模型；

所述判別模型響應于所述日志行為矩陣作為輸入而生成所述待判別賬號存在盜號行為的概率值，其中，所述概率值根據所述待判別賬號的局部特征向量和全局特征向量生成，所述局部特征向量根據所述待判別賬號的行為模式、在線時長、財富值變化率生成，所述行為模式根據所述日志行為矩陣生成，所述在線時長和所述財富值根據所述日志行為的屬性值生成；

根據所述概率值判別待判別賬號是否存在盜號行為。

2.如權利要求1所述的盜號行為判別方法，其特征在于，

所述判別模型包括遞歸神經網絡組件，全連接層組件以及輸出層組件，其中所述遞歸神經網絡組件接收數據并與所述全連接層組件連接，所述全連接層組件與所述輸出層組件連接；

所述判別模型響應于所述日志行為矩陣作為輸入而生成所述待判別賬號存在盜號行為的概率值包括：

所述遞歸神經網絡組件接收所述日志行為矩陣，根據所述日志行為矩陣獲取所述待判別賬號的局部特征向量；

所述全連接層組件接收所述待判別賬號的局部特征向量，根據所述待判別賬號的局部特征向量確定所述待判別賬號的全局特征向量；

所述輸出層組件接收所述待判別賬號的全局特征向量，根據所述待判別賬號的全局特征向量生成并輸出所述待判別賬號存在盜號行為的概率值。

3.如權利要求2所述的盜號行為判別方法，其特征在于，

所述日志行為的屬性值包括時間、財富值；

對所述日志文件進行預處理，得到所述日志行為的屬性值包括：

對所述日志文件進行預處理，得到登錄時間、登出時間、登錄時的財富值和登出時的財富值；

得到所述日志行為的屬性值之后還包括：

對所述登錄時間、所述登出時間、所述登錄時的財富值和所述登出時的財富值進行標準化處理，得到在線時長和財富值變化率；

所述遞歸神經網絡組件包括第一層遞歸神經網絡單元和第二層遞歸神經網絡單元；

所述遞歸神經網絡組件根據所述日志行為矩陣獲取所述待判別賬號的局部特征向量包括：

所述第一層遞歸神經網絡單元接收所述日志行為矩陣，根據所述日志行為矩陣判別所述待判別賬號的行為模式，并將所述行為模式提供給所述第二層遞歸神經網絡單元；

所述第二層遞歸神經網絡單元接收所述待判別賬號的行為模式、所述在線時長和所述財富值變化率，根據所述待判別賬號的行為模式、所述在線時長和所述財富值變化率生成所述待判別賬號的局部特征向量。

4.如權利要求3所述的盜號行為判別方法，其特征在于，

對所述登錄時間、所述登出時間、所述登錄時的財富值和所述登出時的財富值進行標準化處理包括：

通過所述登出時間和所述登錄時間的差值，得到賬號在線時長，并對所述賬號在線時長做正則化處理；

通過所述登出時的財富值和所述登錄時的財富值的差值，得到賬號財富值變化量，根據所述賬號登出時的財富值和所述賬號財富值變化量確定所述賬號登錄期間財富損失率，并對所述賬號登錄期間財富損失率做正則化處理。

5.如權利要求2或3所述的盜號行為判別方法，其特征在于，

所述遞歸神經網絡組件，包括長短期記憶人工神經網絡組件。