[發明專利]一種用于反欺詐的人機識別系統

在審

• 申請號: 202010008410.6
• 申請日: 2020-01-06
• 公開（公告）號: CN111209601A
• 公開（公告）日: 2020-05-29
• 發明（設計）人: 陳平
• 申請（專利權）人: 南京安璟信息科技有限公司
• 主分類號: G06F21/64
• 分類號: G06F21/64;G06F11/34;G06K9/62;H04W12/12
• 代理公司: 江蘇圣典律師事務所 32237
• 代理人: 胡建華;于瀚文

1.一種用于反欺詐的人機識別系統，其特征在于，包括環境信息采集模塊、用戶行為采集模塊和機器識別模塊；

所述環境信息采集模塊用于環境檢測，包括Selenium操作瀏覽器分析，腳本工具分析，模擬器分析，以及Debug工具分析；

所述用戶行為采集模塊，用于，采集鼠標、鍵盤和觸摸屏的行為，并采用貝葉斯機器學習進行建模，給規則賦權重，最終給出風險值；

所述機器識別模塊，根據風險值以及業務場景，給出是否機器的判斷結果。

2.根據權利要求1所述的系統，其特征在于，所述環境信息采集模塊根據從PC的瀏覽器或者手機App采集的環境信息，判斷用戶行為是否在模擬器或者Selenium上運行的。

3.根據權利要求2所述的系統，其特征在于，所述判斷用戶行為是否在模擬器上運行的，具體包括：

如果滿足以下條件之一，則判斷用戶行為是在模擬器上運行的：

檢查手機IMEI編號，包括獲取IMEI號，獲取本機號碼，獲取SIM卡的序號，得到用戶Id，判斷是否為空，如果為空，則判斷用戶行為是在模擬器上運行的；

讀取手機品牌信息，包括品牌，廠商，以及型號，判斷是否為空，如果為空，則判斷用戶行為是在模擬器上運行的；

檢查CPU信息是否為空，如果為空，則判斷用戶行為是在模擬器上運行的；

檢查Mac地址是否為空，如果為空，則判斷用戶行為是在模擬器上運行的；

通過電池信息檢查電池信息是否沒有變化，如果沒有變化，則判斷用戶行為是在模擬器上運行的；

檢查基帶信息是否為空，如果為空，則判斷用戶行為是在模擬器上運行的；

判斷處理器信息ro.product.board和ro.board.platform是否有沖突或者不一致，如果有，則判斷用戶行為是在模擬器上運行的；

判斷能否讀取到控制組信息，如果不能，則判斷用戶行為是在模擬器上運行的；

判斷能否讀取到進程組信息，如果不能，則判斷用戶行為是在模擬器上運行的；

判斷wlan驅動是否未知指定異常，如果是，則判斷用戶行為是在模擬器上運行的；

判斷是否常出現未指定網卡類型的情況，如果是，則判斷用戶行為是在模擬器上運行的；

判斷傳感器數量是否為1，如果是，則判斷用戶行為是在模擬器上運行的；

判斷hardware是否是ttVM，如果是，則判斷用戶行為是在模擬器上運行的；

判斷用戶預裝app是否小于5，如果是，則判斷用戶行為是在模擬器上運行的。

4.根據權利要求3所述的系統，其特征在于，所述判斷用戶行為是否在Selenium上運行的，具體包括：如果UA字段包含Web Driver的特征，則判斷用戶行為是在Selenium上運行的。

5.根據權利要求4所述的系統，其特征在于，所述環境信息采集模塊根據Http request的header中的字段UA，以及從HTML頁面采集的DOM，綜合分析是否是機器行為。

6.根據權利要求5所述的系統，其特征在于，如果字段UA為空或者包含Web Driver的特征，或者DOM為空，則判定是機器人操作，即機器行為。

7.根據權利要求6所述的系統，其特征在于，所述鼠標、鍵盤和觸摸屏的行為包括用戶的鼠標，鍵盤，觸摸屏的坐標，以及移動事件。

8.根據權利要求7所述的系統，其特征在于，所述用戶行為采集模塊根據如下三個行為規則來判定一個賬號是否是機器人賬號：

一是頻率規則，如果一個賬號在操作頁面時沒有鼠標，鍵盤，或者觸摸屏的操作，或者鍵盤，鼠標，觸摸屏點擊頻率大于自然人的閾值，則判定是機器人操作；

二是完整性規則，如果搜集的數據缺失，則判定是機器人操作；

三是其他規則，如果是IP代理，或者鍵盤，鼠標，觸摸屏的速度大于正常人，則判定是機器人操作。

9.根據權利要求8所述的系統，其特征在于，所述機器識別模塊根據環境信息采集模塊和用戶行為采集模塊采集的數據，并用貝葉斯模型給三個行為規則設置不同的權重，最終得到0-100的風險值，并根據風險值和業務場景判斷是否是機器人操作，如下是樸素貝葉斯公式，其中m＝3：

其中，x是指機器人的判定，y_i是指第i個特征，P(y_i)是指第i個特征y_i行為規則為真的概率；P(x|y_i)是指在第i個特征y_i行為規則為真的前提下，，是機器人的條件概率；

P(x|y_i)P(y_i)是指第i個特征y_i行為規則為真且y_i為真前提下機器人的概率；

所述三個行為規則的風險值分別是P(y₁)、P(y₂)、P(y₃)，三個行為規則的權重分別是根據貝葉斯模型計算出的a₁、a₂、a₃，風險值是P(x)*100，P(x)的取值區間是[0,1]，i取值為1、2、3。