[發明專利]異常用戶檢測方法、裝置、設備及存儲介質

在審

• 申請號: 202011084616.3
• 申請日: 2020-10-12
• 公開（公告）號: CN114416916A
• 公開（公告）日: 2022-04-29
• 發明（設計）人: 盧永頔;王鑫;劉虹;夏敬侃;隋亞芹;陳蕾;姜寧;蘭天;劉煜;張雷
• 申請（專利權）人: 中移動信息技術有限公司;中國移動通信集團有限公司
• 主分類號: G06F16/33
• 分類號: G06F16/33;G06F16/35;G06K9/62
• 代理公司: 北京東方億思知識產權代理有限責任公司 11258
• 代理人: 彭瓊

1.一種異常用戶檢測方法，其特征在于，所述方法包括：

獲取多個用戶的行為數據；

根據所述多個用戶中每個用戶的行為數據，對所述每個用戶進行聚類；

根據聚類后的每個類別中的用戶的行為數據，進行關聯規則提取，得到所述每個類別的關聯規則；

根據所述每個用戶的行為數據與所述每個類別的關聯規則，檢測所述多個用戶中的異常用戶。

2.根據權利要求1所述的方法，其特征在于，所述根據所述多個用戶中每個用戶的行為數據，對所述每個用戶進行聚類，包括：

根據所述每個用戶的行為數據，確定所述每個用戶的特征向量；

根據所述每個用戶的特征向量，對所述每個用戶進行聚類。

3.根據權利要求2所述的方法，其特征在于，所述根據所述每個用戶的行為數據，確定所述每個用戶的特征向量，包括：

根據所述每個用戶的行為數據與詞頻-逆文件頻率TF-IDF算法或者Word2vec算法，計算所述每個用戶的特征向量。

4.根據權利要求1所述的方法，其特征在于，所述根據所述每個用戶的特征向量，對所述每個用戶進行聚類，包括：

根據所述每個用戶的特征向量與DBSCAN算法或者K-means算法，對所述每個用戶進行聚類。

5.根據權利要求1所述的方法，其特征在于，所述根據聚類后的每個類別中的用戶的行為數據，進行關聯規則提取，得到所述每個類別的關聯規則，包括：

根據所述每個類別中的用戶的行為數據與Apriori算法或者FP-Growth算法，進行關聯規則提取，得到所述每個類別的關聯規則。

6.根據權利要求1所述的方法，其特征在于，所述根據所述每個用戶的行為數據與所述每個類別的關聯規則，檢測所述多個用戶中的異常用戶，包括：

根據所述每個用戶的行為數據與所述每個類別的關聯規則，計算所述每個用戶的行為分數；

在所述行為分數小于或等于預設分數閾值的情況下，確定所述行為分數對應的用戶為所述異常用戶。

7.根據權利要求6所述的方法，其特征在于，所述每個類別的關聯規則包括多個關聯元素；

所述根據所述每個用戶的行為數據與所述每個類別的關聯規則，計算所述每個用戶的行為分數，包括：

確定所述每個類別的關聯規則中的每個關聯元素對應的權重；

根據所述每個用戶的行為數據、所述每個類別的關聯規則、所述每個類別的關聯規則中的每個關聯元素對應的權重、所述多個用戶的數量、所述每個類別中的用戶的數量，計算所述每個用戶的行為分數。

8.一種異常用戶檢測裝置，其特征在于，所述裝置包括：

獲取模塊，用于獲取多個用戶的行為數據；

聚類模塊，用于根據所述多個用戶中每個用戶的行為數據，對所述每個用戶進行聚類；

提取模塊，用于根據聚類后的每個類別中的用戶的行為數據，進行關聯規則提取，得到所述每個類別的關聯規則；

檢測模塊，用于根據所述每個用戶的行為數據與所述每個類別的關聯規則，檢測所述多個用戶中的異常用戶。

9.一種異常用戶檢測設備，其特征在于，所述設備包括：處理器以及存儲有計算機程序指令的存儲器；所述處理器執行所述計算機程序指令時實現如權利要求1-7任意一項所述的異常用戶檢測方法。

10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質上存儲有計算機程序指令，所述計算機程序指令被處理器執行時實現如權利要求1-7任意一項所述的異常用戶檢測方法。