[發明專利]用于檢測異常用戶的方法、電子設備和計算機可讀介質

有效

• 申請號: 201911200519.3
• 申請日: 2019-11-29
• 公開（公告）號: CN110929799B
• 公開（公告）日: 2023-05-12
• 發明（設計）人: 何瑩
• 申請（專利權）人: 上海盛付通電子支付服務有限公司
• 主分類號: G06F18/23
• 分類號: G06F18/23;G06N3/0464;G06N3/08;G06Q40/04
• 代理公司: 北京英賽嘉華知識產權代理有限責任公司 11204
• 代理人: 王達佐;馬曉亞

1.一種用于檢測異常用戶的方法，包括：

將目標用戶在目標時間段內的行為數據集合輸入預先訓練的檢測模型，生成模型檢測結果，其中，所述檢測模型用于確定輸入的行為數據集合對應的用戶是否為異常用戶，所述行為數據集合是所述目標用戶的各種操作產生的數據的集合；

基于所述行為數據集合中的行為數據是否符合預先確定的異常用戶判定條件集合中的異常用戶判定條件，生成條件檢測結果；

基于所述模型檢測結果和所述條件檢測結果，生成目標檢測結果，其中，所述目標檢測結果用于指示所述目標用戶是否為異常用戶；

其中，所述檢測模型通過如下步驟訓練得到：

獲取預先確定的訓練樣本集，其中，所述訓練樣本集中的每個訓練樣本與一個用戶相對應，所述訓練樣本集中的訓練樣本包括與該訓練樣本相對應的用戶的行為數據集合；

針對預先確定的異常檢測算法集合中的每個異常檢測算法，采用該異常檢測算法對所述訓練樣本集進行異常檢測，得到與該異常檢測算法相對應的候選模型，其中，候選模型表征訓練樣本包括的行為數據集合是否對應異常用戶；

將所得到的各個候選模型中符合預設選取條件的候選模型，作為檢測模型。

2.根據權利要求1所述的方法，其中，所述采用該異常檢測算法對所述訓練樣本集進行異常檢測，得到與該異常檢測算法相對應的候選模型，包括：

從預先確定的該異常檢測算法的參數集合中，選取至少兩組參數組合；

將所述至少兩組參數組合中的每個參數的參數值設置為預先針對該參數設置的參數值；

針對所述至少兩組參數組合中的每組參數組合，基于該異常檢測算法和為該組參數組合中的各個參數設置的參數值，對所述訓練樣本集進行異常檢測，得到與該異常檢測算法和該組參數組合相對應的候選模型。

3.根據權利要求1所述的方法，其中，所述將所得到的各個候選模型中符合預設選取條件的候選模型，作為檢測模型，包括：

基于準確率、輪廓系數、調整蘭德系數、Calinski-Harabasz指數、Fowlkes-Mallows分數中的奇數項評價指標，將從所得到的各個候選模型中采用投票機制確定出的候選模型作為檢測模型。

4.根據權利要求1所述的方法，其中，所述異常檢測算法集合中的異常檢測算法為以下任一項：

統計學算法、聚類算法、孤立森林算法、局部異常因子算法。

5.根據權利要求1-4之一所述的方法，其中，所述方法還包括：

響應于所述模型檢測結果和所述條件檢測結果指示的檢測結果不一致，執行以下至少一項：

確定是否更新所述異常用戶判定條件集合；

確定是否繼續訓練所述檢測模型。

6.根據權利要求5所述的方法，其中，在響應于所述模型檢測結果和所述條件檢測結果指示的檢測結果不一致，確定是否繼續訓練所述檢測模型的情況下，所述確定是否繼續訓練所述檢測模型，包括：

響應于接收到用于指示繼續訓練的信息，基于所述行為數據集合，繼續訓練所述檢測模型。

7.根據權利要求5所述的方法，其中，在響應于所述模型檢測結果和所述條件檢測結果指示的檢測結果不一致，確定是否更新所述異常用戶判定條件集合的情況下，所述確定是否更新所述異常用戶判定條件集合，包括：

響應于接收到用于指示更新所述異常用戶判定條件集合的信息，基于所述行為數據集合，更新所述異常用戶判定條件集合。

8.根據權利要求1-4之一所述的方法，其中，所述模型檢測結果和所述條件檢測結果分別采用數值表征；以及

所述基于所述模型檢測結果和所述條件檢測結果，生成目標檢測結果，包括：

基于所述模型檢測結果和所述條件檢測結果的加權求和的結果，確定所述目標用戶是否為異常用戶，以及生成目標檢測結果，其中，所述模型檢測結果的權重和所述條件檢測結果的權重與基于所述檢測模型的準確率和基于所述異常用戶判定條件集合生成的用于指示用戶是否為異常用戶的檢測結果的準確率成正相關。