[發明專利]異常用戶檢測方法、裝置、介質及電子設備

在審

• 申請號: 202010331880.6
• 申請日: 2020-04-24
• 公開（公告）號: CN111612037A
• 公開（公告）日: 2020-09-01
• 發明（設計）人: 胡青宇;古承炬;何振;尹小亮;林育芳;陳炯其
• 申請（專利權）人: 平安直通咨詢有限公司上海分公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N20/10;G06Q40/02;G06Q40/08
• 代理公司: 深圳市隆天聯鼎知識產權代理有限公司 44232
• 代理人: 魏學昊

1.一種異常用戶檢測方法，其特征在于，包括：

從第一級的用戶行為特征數據集開始，由第一級至目標級依次從前一級的用戶行為特征數據集中搜索多個子數據集作為后一級的多個用戶行為特征數據集，其中，每一級的多個所述子數據集中子數據集兩兩之間特征個數相同且至少有一個特征互不相同；

對搜索得到的所述子數據集中的用戶樣本進行聚類得到用戶樣本聚類簇后，基于所述用戶樣本聚類簇計算所述子數據集的輪廓系數；

獲取輪廓系數大于預定閾值的所述子數據集，作為待檢測特征數據集；

將每個所述待檢測特征數據集，輸入孤立森林異常檢測模型，得到每個所述待檢測特征數據集內的預測異常用戶樣本；

利用每個所述待檢測特征數據集對應的用戶樣本聚類簇及所述預測異常用戶樣本，對所述待檢測特征數據集評分，以基于所述評分確定所述第一級的用戶行為特征數據集中的異常用戶樣本。

2.根據權利要求1所述的方法，其特征在于，所述后一級的多個所述用戶行為特征數據集，包括：

后一級的所述用戶行為特征數據集中的行為特征個數比前一級的所述用戶行為特征數據集中的行為特征個數少第一預定個數。

3.根據權利要求1所述的方法，其特征在于，所述用戶行為特征數據集包括：

與欺詐檢測相關行為的特征數據集，所述與欺詐檢測相關行為的特征數據集中包括欺詐用戶團伙對應的用戶樣本集合的與欺詐檢測相關行為的特征數據集。

4.根據權利要求1所述的方法，其特征在于，所述對搜索得到的所述子數據集中的用戶樣本進行聚類得到用戶樣本聚類簇后，基于所述用戶樣本聚類簇計算所述子數據集的輪廓系數，包括：

基于公式：計算所述子數據集中的每個用戶樣本的輪廓系數s(i)，其中，所述a(i)為每個用戶樣本到所屬用戶樣本聚類簇中其它用戶樣本的距離平均值，所述b(i)為每個用戶樣本到非所屬用戶樣本聚類簇中用戶樣本的距離平均值的最小值；

計算所述子數據集中的所有用戶樣本的輪廓系數的平均值，所述平均值為所述子數據集的輪廓系數。

5.根據權利要求1所述的方法，其特征在于，所述利用每個所述待檢測特征數據集對應的用戶樣本聚類簇及所述預測異常用戶樣本，對所述待檢測特征數據集評分，以基于所述評分確定所述第一級的用戶行為特征數據集中的異常用戶樣本，包括：

利用每個所述待檢測特征數據集對應的用戶樣本聚類簇及所述預測異常用戶樣本，計算每個所述待檢測特征數據集的異常信心度；

基于所述異常信心度，確定所述第一級的用戶行為特征數據集中的異常用戶樣本。

6.根據權利要求5所述的方法，其特征在于，所述利用每個所述待檢測特征數據集對應的用戶樣本聚類簇及所述預測異常用戶樣本，計算每個所述待檢測特征數據集的異常信心度，包括：

基于公式計算每個所述待檢測特征數據集的異常信心度β，其中，所述Xn1為預測異常用戶樣本到所屬用戶樣本聚類簇中心點的距離，計算Xn2為用戶樣本聚類簇中所有非異常用戶樣本到中心點的距離，所述n為該待檢測特征數據集中的異常用戶樣本個數。

7.根據權利要求5所述的方法，其特征在于，所述基于所述異常信心度，確定所述第一級的用戶行為特征數據集中的異常用戶樣本，包括：

獲取低于預定信心度閾值的所述異常信心度所對應的所述待檢測特征數據集，作為異常特征數據集；

將所述異常特征數據集中的所述預測異常用戶樣本，確定為所述第一級的用戶行為特征數據集中的異常用戶樣本；

還包括，將所述異常用戶樣本存儲至區塊鏈中。