[發明專利]基于網絡直播和在線電商帶貨的信息處理方法及云服務器

有效

• 申請號: 202010781633.6
• 申請日: 2020-08-06
• 公開（公告）號: CN111814909B
• 公開（公告）日: 2021-07-06
• 發明（設計）人: 蔡淦祺
• 申請（專利權）人: 廣州蜜妝信息科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;H04L29/06;H04L29/08;G06F21/56
• 代理公司: 廣州海藻專利代理事務所(普通合伙) 44386
• 代理人: 張大保

1.一種基于網絡直播和在線電商帶貨的信息處理方法，其特征在于，應用于與多個智能終端通信的云服務器，所述方法至少包括：

針對每個智能終端，基于提取的用于記錄該智能終端的交互信息的第一信息清單和第二信息清單，確定待驗證的用于確定所述交互信息的時序連續性并用于提取所述交互信息的關鍵詞的多個標簽信息的信息識別度，以及不同標簽信息之間的標簽相似率；

基于確定的所述多個標簽信息的信息識別度以及不同標簽信息之間的標簽相似率，對所述多個標簽信息進行驗證，并統計通過驗證的至少三個目標標簽信息；其中，所述目標標簽信息的信息識別度大于設定識別度且所述目標標簽信息之間的標簽相似率小于設定相似率；

獲取該智能終端在基于所述云服務器的運行日志確定出的當前時段內的消息報文，根據所述消息報文在每個目標標簽信息下的置信度、每個目標標簽信息的信息識別度以及所述目標標簽信息之間的標簽相似率，生成所述消息報文在所述當前時段內的時序連續性曲線并提取所述消息報文在所述當前時段內的關鍵詞隊列；

基于所述時序連續性曲線以及所述關鍵詞序列判斷該智能終端是否攜帶木馬程序；若是，則根據該智能終端的終端配置信息設置用于攔截該智能終端的訪問攔截機制；

其中，基于所述時序連續性曲線以及所述關鍵詞序列判斷該智能終端是否攜帶木馬程序，包括：

獲取所述時序連續性曲線中的臨界曲線段，所述臨界曲線段為包括有曲線斜率大于設定斜率的臨界點的曲線段；將所述臨界曲線段等分為至少兩個子線段；并行計算所述至少兩個子線段中每個子線段中包括的曲線斜率變化系數；將計算得到的各曲線斜率變化系數映射到預設數值區間中并計算各曲線斜率變化系數在所述預設數值區間中的映射值的加權和；

在所述加權和大于目標值時，提取所述關鍵詞序列中的每個關鍵詞的詞向量；基于所述時序連續性曲線對應的曲線特征對提取得到的多個詞向量進行聚類得到至少兩個聚類集合；計算每個聚類集合中的詞向量之間的特征差異度；

在每個特征差異度與設定差異度的差值小于預設閾值時，選取最大特征差異度對應的聚類集合作為檢測集合并確定所述檢測集合對應的詞向量矩陣，從預設的數據庫中查找是否存在與所述詞向量矩陣之間的矩陣相似度大于設定相似度的目標詞向量矩陣；若存在，則判定該智能終端攜帶木馬程序；其中，所述目標詞向量矩陣中的矩陣元素為異常關鍵詞對應的元素。

2.根據權利要求1所述的方法，其特征在于，基于所述時序連續性曲線對應的曲線特征對提取得到的多個詞向量進行聚類得到至少兩個聚類集合，計算每個聚類集合中的詞向量之間的特征差異度，進一步包括：

確定所述曲線特征的特征維度數量并將所述曲線特征對應的特征值隊列中的每個特征值在所述特征值隊列中的位置信息進行歸一化處理得到每個特征值對應的相對位置系數，采用所述相對位置系數對每個特征值進行修正得到每個特征值對應的修正值并根據所述修正值計算所述曲線特征對應的特征配置參數；其中，所述特征配置參數用于對預設聚類模型的模型參數進行更新，所述預設模型參數為kmeans均值聚類模型；

提取所述預設聚類模型的當前模型參數，根據所述當前模型參數與所述特征配置參數之間的相關性系數計算所述預設聚類模型的當前聚類準確率；在所述當前聚類準確率低于設定準確率時采用所述特征配置參數對所述預設聚類模型進行更新；

基于更新之后的預設聚類模型確定聚類特征數，并判斷所述詞向量的向量維度數是否等于所述聚類特征數；若否，則基于所述特征配置參數對所述詞向量進行向量維度數的調整以使得所述詞向量的向量維度數等于所述聚類特征數；

將完成調整的詞向量輸入更新之后的預設聚類模型并獲得更新之后的預設聚類模型輸出的至少兩個聚類集合；針對每個聚類集合，計算該聚類集合中的每個詞向量與其他詞向量之間的余弦距離，根據該聚類集合中的每個詞向量在該聚類集合中的聚類權重對所述余弦距離進行篩選并將篩選得到得余弦距離進行均值計算得到特征差異度。