[發明專利]一種用戶行為的檢測方法和裝置有效
| 申請號: | 202010421256.5 | 申請日: | 2017-08-07 |
| 公開(公告)號: | CN111695114B | 公開(公告)日: | 2023-09-01 |
| 發明(設計)人: | 王占一;韓琳;謝軍平 | 申請(專利權)人: | 奇安信科技集團股份有限公司 |
| 主分類號: | G06F21/55 | 分類號: | G06F21/55;G06F21/56;G06F16/903 |
| 代理公司: | 北京潤澤恒知識產權代理有限公司 11319 | 代理人: | 莎日娜 |
| 地址: | 100015 北京市朝陽區酒仙*** | 國省代碼: | 北京;11 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 用戶 行為 檢測 方法 裝置 | ||
1.一種用戶行為的檢測方法,其特征在于,包括:
獲取當前用戶的當前行為和歷史行為,以及其他用戶的當前行為,所述當前行為包括在預設時間段內的一個或多個用戶行為;
依據所述當前用戶的當前行為和歷史行為,計算所述當前用戶的自身偏離值;
依據所述當前用戶的當前行為和其他用戶的當前行為,計算所述當前用戶與其他用戶的當前相似度;獲取當前用戶與其他用戶之間的行為相似度;
采用所述當前相似度和行為相似度,計算所述當前用戶的相似度偏離值;其中,所述相似度偏離值為所述當前相似度和所述行為相似度之間的余弦相似度與特定數值之間的差值的絕對值;
依據所述自身偏離值和相似度偏離值,對所述用戶行為進行檢測;
其中,所述獲取當前用戶與其他用戶之間的行為相似度的步驟包括:
從預置的用戶相似度數據表中提取當前用戶與其他用戶之間的行為相似度;
其中,所述依據所述當前用戶的當前行為和歷史行為,計算所述當前用戶的自身偏離值的步驟包括:
提取所述當前用戶的當前行為和歷史行為中的第一共同行為;
分別統計所述第一共同行為和所述當前用戶的當前行為的數量;
計算所述第一共同行為的數量與所述當前用戶的當前行為的數量之間的第一比值;
以所述第一比值與特定數值之間的差值的絕對值作為自身偏離值;
其中,所述依據所述當前用戶的當前行為和其他用戶的當前行為,計算所述當前用戶與其他用戶的當前相似度的步驟包括:
提取所述當前用戶的當前行為和其他用戶的當前行為中的第二共同行為;
分別統計所述第二共同行為和所述當前用戶的當前行為的數量;
計算所述第二共同行為的數量與所述當前用戶的當前行為的數量之間的第二比值;
以所述第二比值作為當前相似度。
2.如權利要求1所述的方法,其特征在于,還包括:
采用所述當前相似度,生成當前相似度向量。
3.如權利要求1所述的方法,其特征在于,所述預置的用戶相似度數據表通過如下方式生成:
獲取終端的日志數據;
依據所述日志數據,生成用戶的行為數據;
采用所述用戶的行為數據,計算用戶的特征信息;
依據所述用戶的特征信息,生成用戶相似度數據表。
4.如權利要求3所述的方法,其特征在于,所述日志數據包括終端操作數據、應用操作數據,和/或,網絡操作數據,所述依據所述日志數據,生成用戶的行為數據的步驟包括:
分別獲取終端操作數據、應用操作數據,和/或,網絡操作數據中的用戶名User和終端設備序列號MID;
依據所述User和MID,對所述終端操作數據、應用操作數據,和/或,網絡操作數據進行關聯,生成用戶的行為數據。
5.如權利要求4所述的方法,其特征在于,所述依據所述User和MID,對所述終端操作數據、應用操作數據,和/或,網絡操作數據進行關聯,生成用戶的行為數據的步驟包括:
以(User,MID)為主鍵,分別獲取與所述主鍵相對應的終端操作數據、應用操作數據,和/或,網絡操作數據,以生成用戶的行為數據。
6.一種用戶行為的檢測裝置,其特征在于,包括:
用戶行為獲取模塊,用于獲取當前用戶的當前行為和歷史行為,以及其他用戶的當前行為,所述當前行為包括在預設時間段內的一個或多個用戶行為;
自身偏離值計算模塊,用于依據所述當前用戶的當前行為和歷史行為,計算所述當前用戶的自身偏離值;
當前相似度計算模塊,用于依據所述當前用戶的當前行為和其他用戶的當前行為,計算所述當前用戶與其他用戶的當前相似度;
行為相似度獲取模塊,用于獲取當前用戶與其他用戶之間的行為相似度;
相似度偏離值計算模塊,用于采用所述當前相似度和行為相似度,計算所述當前用戶的相似度偏離值;其中,所述相似度偏離值為所述當前相似度和所述行為相似度之間的余弦相似度與特定數值之間的差值的絕對值;
用戶行為檢測模塊,用于依據所述自身偏離值和相似度偏離值,對所述用戶行為進行檢測;
其中,所述行為相似度獲取模塊包括:
行為相似度提取子模塊,用于從預置的用戶相似度數據表中提取當前用戶與其他用戶之間的行為相似度;
其中,自身偏離值計算模塊還包括如下子模塊:
第一共同行為提取子模塊,用于提取所述當前用戶的當前行為和歷史行為中的第一共同行為;
第一行為數量統計子模塊,用于分別統計所述第一共同行為和所述當前用戶的當前行為的數量;
第一比值計算子模塊,用于計算所述第一共同行為的數量與所述當前用戶的當前行為的數量之間的第一比值;
自身偏離值確定子模塊,用于以所述第一比值與特定數值之間的差值的絕對值作為自身偏離值;
其中,當前相似度計算模塊還包括如下子模塊:
第二共同行為提取子模塊,用于提取所述當前用戶的當前行為和其他用戶的當前行為中的第二共同行為;
第二行為數量統計子模塊,用于分別統計所述第二共同行為和所述當前用戶的當前行為的數量;
第二比值計算子模塊,用于計算所述第二共同行為的數量與所述當前用戶的當前行為的數量之間的第二比值;以所述第二比值作為當前相似度;
其中,相似度偏離值計算模塊還包括如下子模塊:
第二余弦相似度計算子模塊,用于計算所述當前相似度和行為相似度之間的余弦相似度;
相似度偏離值確定子模塊,用于以所述余弦相似度與特定數值之間的差值的絕對值作為相似度偏離值。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于奇安信科技集團股份有限公司,未經奇安信科技集團股份有限公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202010421256.5/1.html,轉載請聲明來源鉆瓜專利網。





