CN104268378A - 一种基于移动用户大数据的异常行为可视化监控方法 - Google Patents

Abstract

一种基于移动用户大数据的异常行为可视化监控方法，包括有：步骤一、选取用户在图书阅读平台上的若干种行为类型，并为每种行为类型设置若干个行为指标；步骤二、获取目标用户每种行为类型下的每个行为指标的当前值，并根据全体用户和目标用户对应行为指标的历史数据，分别计算目标用户在每种行为类型下的每个行为指标上的亮灯信号值；步骤三、根据计算出的亮灯信号值，识别用户异常行为。本发明属于网络通信技术领域，可以在移动大数据环境下，对用户在图书阅读平台上的异常行为进行可视化的及时监控。

Description

一种基于移动用户大数据的异常行为可视化监控方法

技术领域

本发明涉及一种基于移动用户大数据的异常行为可视化监控方法，属于网络通信技术领域。

背景技术

用户的行为模式在用户移动阅读和消费过程中体现出一定的规律性，例如用户的访问时间、访问内容、访问方式、阅读偏好等都是有规律可循的。通过对用户行为进行监控，可以及时了解到用户的行为变化趋向，并为下一步的营销和决策提供数据支撑。而对用户异常行为进行监控的关键问题就在于用户正常使用模式的建立以及利用该模式对当前用户行为进行比较和判断。因而，对移动阅读用户的行为建模并进行及时的监控，发现其中的异常行为，并进行及时的响应和服务，对于维系和挽留用户具有重要的意义。

专利申请CN200910085032.5(申请日：2009‐05‐27，申请名称：一种业务行为异常检测方法和系统，申请人：北京启明星辰信息技术股份有限公司北京启明星辰信息安全技术有限公司)提供了一种业务行为异常检测方法，包括：根据安全审计设备当前检测点之前的历史审计记录，建立用户访问业务系统的正常行为模型；对安全审计设备的实时审计记录进行分析，与所述正常行为模型进行比较，判断用户访问业务系统的行为是否异常。该技术方案主要根据安全审计设备的审计记录来检测在业务流程上并不违规、实际上仍然给业务系统带来破坏的攻击行为，由于移动用户在图书阅读平台上的行为类型丰富多样，从而产生了海量的移动阅读数据，该方案并不能对移动用户在图书阅读平台上的异常行为进行可视化的及时监控。

因此，如何在移动大数据环境下，对用户在图书阅读平台上的异常行为进行可视化的及时监控？仍是一个值得深入研究的技术问题。

发明内容

有鉴于此，本发明的目的是提供一种基于移动用户大数据的异常行为可视化监控方法，可以在移动大数据环境下，对用户在图书阅读平台上的异常行为进行可视化的及时监控。

为了达到上述目的，本发明提供了一种基于移动用户大数据的异常行为可视化监控方法，包括有：

步骤一、选取用户在图书阅读平台上的若干种行为类型，并为每种行为类型设置若干个行为指标；

步骤二、获取目标用户每种行为类型下的每个行为指标的当前值，并根据全体用户和目标用户对应行为指标的历史数据，分别计算目标用户在每种行为类型下的每个行为指标上的亮灯信号值；

步骤三、根据计算出的亮灯信号值，识别用户异常行为。

与现有技术相比，本发明的有益效果是：为充分反映移动用户在图书阅读平台上的行为效果，本发明从行为类型、行为指标等多个维度来建立用户的行为模式，当用户的行为指标落在安全区内，则表示用户已形成好的阅读访问习惯，用户的下一步操作基本是有规律可循，而对于处在混沌状态下的用户则进行及时的引导和营销挽回；本发明利用移动阅读用户的行为指标数据，设计了不同维度上的、可视化的亮灯信号来对用户在图书阅读平台上的行为进行建模，不仅针对各个行为指标构建了各自的亮灯信号，还为行为指标所属的各个行为类型、以及用户整体均设置了对应的亮灯信号，从而对用户行为进行了有效、且全面地及时监控；本发明参考交通信号的红绿灯概念在多个维度上设定不同的阈值限定，将用户的行为映射到红黄绿三种不同的行为模式中，并以此为依据对用户行为进行可视化监控和及时响应，用户行为状态通过亮灯颜色直观显示，方案简单易行，适用于移动大数据的应用场景。

附图说明

图1是本发明一种基于移动用户大数据的异常行为可视化监控方法的流程图。

图2是图1步骤二中计算目标用户在行为类型U_i下的行为指标Z_ij上的亮灯信号值的具体操作流程图。

图3是图1步骤五的具体操作流程图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面结合附图对本发明作进一步的详细描述。

如图1所示，本发明一种基于移动用户大数据的异常行为可视化监控方法，包括有：

步骤一、选取用户在图书阅读平台上的若干种行为类型，并为每种行为类型设置若干个行为指标；

步骤二、获取目标用户每种行为类型下的每个行为指标的当前值，并根据全体用户和目标用户对应行为指标的历史数据，分别计算目标用户在每种行为类型下的每个行为指标上的亮灯信号值；

步骤三、根据目标用户在每种行为类型下的所有行为指标上的亮灯信号值，计算目标用户对于每种行为类型的亮灯信号值；

步骤四、根据目标用户对于每种行为类型的亮灯信号值，计算目标用户的整体亮灯信号值；

步骤五、根据计算出的亮灯信号值，识别用户异常行为。

步骤一中，用户在图书阅读平台上的行为类型丰富多样，图书也分为免费、连载、全本图书等不同类型，所述行为类型可以包括但不限于注册、访问、阅读、订购、包月或互动等。在具体处理用户行为的过程中需要考虑到很多具体的业务问题，在不同的阅读平台下，根据业务特征的不同，也需要考虑许多不同的细节。本发明可以从访问、阅读、订购、互动等多个行为类型的角度建立用户行为监控模型的指标体系。每个行为类型再设置多个行为特征的不同维度进行汇总，从而探查用户在平台上的所有操作。例如当行为类型是“访问”时，其对应的行为指标可以包括但不限于：访问总页面数、访问图书页面数、登录次数、第一次登录时间、最后一次登录时间、访问来源等；当行为类型是“阅读”时，其对应的行为指标可以包括但不限于：阅读章节数、阅读付费章节数、阅读连载章节数、阅读图书数、阅读连载图书数、阅读免费图书数等；当行为类型是“订购”时，其对应的行为指标可以包括但不限于：订购总费用、现金点播费用、订购图书数、订购章节数、包月费用、订购连载图书数等；当行为类型是“互动”时，其对应的行为指标可以包括但不限于：下载次数、月票次数、收藏次数、推荐次数、评论次数、分享次数等。

如图2所示，所述步骤二中，计算目标用户在行为类型U_i下的行为指标Z_ij上的亮灯信号值，还可以进一步包括有：

步骤21、根据目标用户的行为指标Z_ij的当前值x_ij，计算目标用户对于全体用户的行为指标Z_ij的表现值：其中，分别是全体用户在行为指标Z_ij上的最低、高阈值，其值可以根据全体用户在行为指标上Z_ij上的历史数据而定，c是一个常数，其值根据实际情况而设定；

步骤22、根据目标用户的行为指标上Z_ij的当前值x_ij，计算目标用户对于个人历史行为模式的行为指标Z_ij的表现值：其中，α_ij、β_ij分别是目标用户个人在行为指标Z_ij上的最低、高阈值，其值可以根据目标用户在行为指标上Z_ij上的历史数据而定；

步骤23、计算目标用户在行为指标Z_ij上的亮灯信号值：

其中λ是区间(0，1)的一个实数。

通常，可以认为每个行为指标基本满足正态分布，因而本发明可以设置步骤21中的 为全体用户中最低2.5％的行为阈值和最高2.5％的行为阈值，从而保证处于正常状态的用户为全体用户总数的95％。当然，根据不同的业务需求和业务发展阶段，也可以考虑采用其他类似方法进行阈值设置。的设置可以进一步包括有：

统计全体用户中每位用户在一段历史时间内的行为指标Z_ij的值，并按照从小到大的次序对所有用户的行为指标Z_ij的值进行排序，所述是排在第位的行为指标Z_ij的值，所述是排在第位的行为指标Z_ij的值，其中是全体用户的用户总数。进一步的说，的值还可以设置为： $\stackrel{\‾}{A}=\stackrel{\‾}{N}\×2.5\%.$

与相类似，步骤22中的α_ij、β_ij的设置也可以进一步包括有：

读取目标用户在一段历史时间内的行为指标Z_ij的值，并按照从小到大的次序对目标用户在一段历史时间内的行为指标Z_ij的值进行排序，所述α_ij是排在第A位的行为指标Z_ij的值，所述β_ij是排在第N-A位的行为指标Z_ij的值，其中N是目标用户在一段历史时间内的行为指标Z_ij的值的个数。进一步的说，A的值还可以设置为：A＝N×2.5％。

图1步骤三进一步包括有：

根据目标用户在行为类型U_i下的所有行为指标上的亮灯信号值，计算目标用户对于行为类型U_i的亮灯信号值：其中S_ij是目标用户在行为类型U_i下的行为指标Z_ij上的亮灯信号值，M_i是行为类型U_i所包含的所有行为指标总数，δ_ij是行为类型U_i的行为指标Z_ij的权重系数，0<δ_ij<1，且

图1步骤四进一步包括有：

根据目标用户对于每种行为类型的亮灯信号值，计算目标用户的整体亮灯信号值：

其中，US_i是目标用户对于行为类型U_i的亮灯信号值，Q是目标用户的所有行为类型总数，γ_i是行为类型U_i的权重系数，0<γ_i<1，且

本发明可以通过行为指标的亮灯信号值、行为指标所属行为类型的亮灯信号值、以及整体亮灯信号值，来分别设置不同的亮灯颜色，从而对用户异常行为进行可视化的全面监控。如图3所示，图1步骤五进一步包括有：

步骤51、根据目标用户在行为指标上的亮灯信号值，计算目标用户在每种行为类型下的每个行为指标上的亮灯颜色：其中，S_ij是目标用户在行为指标Z_ij上的亮灯信号值，L(S_ij)是目标用户在行为指标Z_ij上的亮灯颜色，当L(S_ij)为yellow或red时，则表示用户存在异常行为；

步骤52、根据目标用户对于行为类型的亮灯信号值，计算目标用户在每种行为类型上的亮灯颜色：其中，US_i是目标用户对于行为类型U_i的亮灯信号值，L(US_i)是目标用户在行为类型U_i上的亮灯颜色，当L(US_i)为yellow或red时，则表示用户存在异常行为；

步骤53、根据目标用户的整体亮灯信号值UW，计算目标用户的整体亮灯颜色：

当L(UW)为yellow或red时，则表示用户存在异常行为。

当通过亮灯颜色识别出用户存在异常行为后，本发明还可以针对用户的异常行为进行相应的用户维护和挽留。例如当亮灯颜色为green时，表示用户状态正常，没有出现用户流失或者行为异常等情况，无需对其进行营销挽留或者异常处理；当亮灯颜色为yellow时，则起到警示作用，表示用户存在某种情况的异常，特别当行为类型是阅读、或访问时，则预示下一步有可能发生用户流失，此时需要进行相应的营销挽留，以避免用户流失；当亮灯颜色为red时，则表示需全面对用户异常行为进行具体分析，并针对异常类型进行相应的正确引导。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。

Claims (12)

1.一种基于移动用户大数据的异常行为可视化监控方法，其特征在于，包括有：

步骤一、选取用户在图书阅读平台上的若干种行为类型，并为每种行为类型设置若干个行为指标；

步骤二、获取目标用户每种行为类型下的每个行为指标的当前值，并根据全体用户和目标用户对应行为指标的历史数据，分别计算目标用户在每种行为类型下的每个行为指标上的亮灯信号值；

步骤三、根据计算出的亮灯信号值，识别用户异常行为。

2.根据权利要求1所述的方法，其特征在于，所述行为类型包括但不限于：访问、阅读、订购、互动；

当行为类型是“访问”时，其对应的行为指标包括但不限于：访问总页面数、访问图书页面数、登录次数、第一次登录时间、最后一次登录时间、访问来源；

当行为类型是“阅读”时，其对应的行为指标包括但不限于：阅读章节数、阅读付费章节数、阅读连载章节数、阅读图书数、阅读连载图书数、阅读免费图书数；

当行为类型是“订购”时，其对应的行为指标包括但不限于：订购总费用、现金点播费用、订购图书数、订购章节数、包月费用、订购连载图书数；

当行为类型是“互动”时，其对应的行为指标包括但不限于：下载次数、月票次数、收藏次数、推荐次数、评论次数、分享次数。

3.根据权利要求1所述的方法，其特征在于，步骤二中，计算目标用户在行为类型U_i下的行为指标Z_ij上的亮灯信号值，进一步包括有：

步骤21、根据目标用户的行为指标Z_ij的当前值x_ij，计算目标用户对于全体用户的行为指标Z_ij的表现值：其中，分别是全体用户在行为指标Z_ij上的最低、高阈值，其值根据全体用户在行为指标上Z_ij上的历史数据而定，c是一个常数，其值根据实际情况而设定；

步骤22、根据目标用户的行为指标上Z_ij的当前值x_ij，计算目标用户对于个人历史行为模式的行为指标Z_ij的表现值：其中，α_ij、β_ij分别是目标用户个人在行为指标Z_ij上的最低、高阈值，其值根据目标用户在行为指标Z_ij上的历史数据而定；

步骤23、计算目标用户在行为指标Z_ij上的亮灯信号值：

其中，λ是区间(0，1)的一个实数。

4.根据权利要求3所述的方法，其特征在于，步骤21中，的设置进一步包括有：

统计全体用户中每位用户在一段历史时间内的行为指标Z_ij的值，并按照从小到大的次序对所有用户的行为指标Z_ij的值进行排序，所述是排在第位的行为指标Z_ij的值，所述是排在第位的行为指标Z_ij的值，其中是全体用户的用户总数。

5.根据权利要求4所述的方法，其特征在于，的值为：

6.根据权利要求3所述的方法，其特征在于，步骤22中，α_ij、β_ij的设置进一步包括有：

读取目标用户在一段历史时间内的行为指标Z_ij的值，并按照从小到大的次序对目标用户在一段历史时间内的行为指标Z_ij的值进行排序，所述α_ij是排在第A位的行为指标Z_ij的值，所述β_ij是排在第N-A位的行为指标Z_ij的值，其中N是目标用户在一段历史时间内的行为指标Z_ij的值的个数。

7.根据权利要求6所述的方法，其特征在于，A的值为：A＝N×2.5％。

8.根据权利要求1所述的方法，其特征在于，步骤五进一步包括有：

根据目标用户在行为指标上的亮灯信号值，计算目标用户在每种行为类型下的每个行为指标上的亮灯颜色：其中，S_ij是目标用户在行为指标Z_ij上的亮灯信号值，L(S_ij)是目标用户在行为指标Z_ij上的亮灯颜色，当L(S_ij)为yellow或red时，则表示用户存在异常行为。

9.根据权利要求1所述的方法，其特征在于，步骤二和步骤三之间，还包括有：

步骤A、根据目标用户在每种行为类型下的所有行为指标上的亮灯信号值，计算目标用户对于每种行为类型的亮灯信号值：其中，US_i是目标用户对于行为类型U_i的亮灯信号值，S_ij是目标用户在行为类型U_i下的行为指标Z_ij上的亮灯信号值，M_i是行为类型U_i所包含的所有行为指标总数，δ_ij是行为类型U_i下的行为指标Z_ij的权重系数，0<δ_ij<1，且 $\underset{j=1}{\overset{M_i}{\mathrm{\&Sigma;}}}{\mathrm{\&delta;}}_{\mathrm{ij}}=1.$

10.根据权利要求9所述的方法，其特征在于，步骤五进一步包括有：

根据目标用户对于行为类型的亮灯信号值，计算目标用户在每种行为类型上的亮灯颜色：其中，US_i是目标用户对于行为类型U_i的亮灯信号值，L(US_i)是目标用户在行为类型U_i上的亮灯颜色，当L(US_i)为yellow或red时，则表示用户存在异常行为。

11.根据权利要求9所述的方法，其特征在于，步骤A之后，还包括有：

步骤B、根据目标用户对于每种行为类型的亮灯信号值，计算目标用户的整体亮灯信号值UW：其中，US_i是目标用户对于行为类型U_i的亮灯信号值，Q是目标用户的所有行为类型总数，γ_i是行为类型U_i的权重系数，0<γ_i<1，且

12.根据权利要求11所述的方法，其特征在于，步骤五进一步包括有：

根据目标用户的整体亮灯信号值UW，计算目标用户的整体亮灯颜色：当L(UW)为yellow或red时，则表示用户存在异常行为。