CN105592008A - 用户网络行为处理方法及装置 - Google Patents
用户网络行为处理方法及装置 Download PDFInfo
- Publication number
- CN105592008A CN105592008A CN201410571157.XA CN201410571157A CN105592008A CN 105592008 A CN105592008 A CN 105592008A CN 201410571157 A CN201410571157 A CN 201410571157A CN 105592008 A CN105592008 A CN 105592008A
- Authority
- CN
- China
- Prior art keywords
- user
- strategy
- threshold value
- assessment strategy
- predetermined threshold
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种用户网络行为处理方法及装置,其方法包括:获取用户的网络操作行为;采用预先创建的第一评估策略,对用户的网络操作行为进行第一次评分;若评分结果符合第一评估策略的预设条件,则判断用户为可疑用户;对用户采用设定的策略进行恶意打击。本发明可以实现对网络广告、网络活动服务、网页应用服务等中恶意行为的有效拦截,减少应用开发商和推广商的损失。进一步地,还可以对判断为可疑的用户,采用预先创建的第二评估策略进行第二次评分,从中筛选出正常用户,以提高恶意用户的判断准确性,降低误打击的可能性。
Description
技术领域
本发明涉及网络技术领域,尤其涉及一种用户网络行为处理方法及装置。
背景技术
目前,网页游戏无论在PC端还是在移动终端上,均具有很多的用户群体。网页游戏在给用户带来娱乐体验的同时,也遭遇一些恶意刷量的作弊行为,比如,恶意点击和恶意领奖(比如恶意刷活动奖励、刷游戏礼包、虚拟货币等物品)等作弊行为普遍存在。由此给游戏开发商和推广商带来不同程度的损失,也给正常用户带来困扰。
发明内容
本发明实施例提供一种用户网络行为处理方法及装置,旨在实现对网络中恶意行为的有效拦截,减少应用开发商和推广商的损失。
本发明实施例提出了一种用户网络行为处理方法,包括:
获取用户的网络操作行为;
采用预先创建的第一评估策略,对所述用户的网络操作行为进行第一次评分;
若评分结果符合第一评估策略的预设条件,则判断所述用户为可疑用户;
对所述用户采用设定的策略进行处理。
本发明实施例还提出了一种用户网络行为处理装置,包括:
获取模块,用于获取用户的网络操作行为;
可疑评估模块,用于采用预先创建的第一评估策略,对所述用户的网络操作行为进行第一次评分;
判断模块,用于若评分结果符合第一评估策略的预设条件,则判断所述用户为可疑用户;
操作模块,用于对所述用户采用设定的策略进行处理。
本发明实施例提出的一种用户网络行为处理方法及装置,通过获取用户的网络操作行为;采用预先创建的第一评估策略,对用户的网络操作行为进行第一次评分;若评分结果符合第一评估策略的预设条件,则判断用户为可疑用户;对用户采用设定的策略进行处理,由此,可以实现对网络中恶意行为的有效拦截,减少应用开发商和推广商的损失。进一步地,还可以对判断为可疑的用户,采用预先创建的第二评估策略进行第二次评分,从中筛选出正常用户,以提高恶意用户的判断准确性,降低误打击的可能性。
附图说明
图1是本发明实施例方案涉及的应用平台的硬件结构示意图;
图2是本发明用户网络行为处理方法第一实施例的流程示意图;
图3是本发明用户网络行为处理方法第二实施例的流程示意图;
图4是本发明用户网络行为处理方法第三实施例的流程示意图;
图5是本发明用户网络行为处理装置第一实施例的功能模块示意图;
图6是本发明用户网络行为处理装置第二实施例的功能模块示意图;
图7是本发明用户网络行为处理装置第三实施例的功能模块示意图。
为了使本发明的技术方案更加清楚、明了,下面将结合附图作进一步详述。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明实施例方案的主要思路是:通过获取用户的网络操作行为;采用预先创建的第一评估策略,对用户的网络操作行为进行第一次评分;若评分结果符合第一评估策略的预设条件,则判断用户为可疑用户;对用户采用设定的策略进行恶意打击,由此,可以实现对网络广告、网络活动服务、网页应用服务等网络中恶意行为的有效拦截,减少应用开发商和推广商的损失。进一步地,还可以对判断为可疑的用户,采用预先创建的第二评估策略进行第二次评分,从中筛选出正常用户,以提高恶意用户的判断准确性,降低误打击的可能性。
本实施例方案涉及一种任务集市应用场景,任务集市为应用开发者提供投放应用任务及任务广告的服务平台,并将开发者投放的任务、任务广告推送到应用平台进行曝光、展示,为用户提供领任务、处理任务、领奖的操作页面。其具体涉及的系统运行环境包括:
应用平台:提供应用接入及服务能力、提供用户流量、应用商店、活动等综合服务;
平台服务器(广告平台):提供任务、任务广告投放能力及计费、排序等规则,最终响应广告请求,输出一串排序后的广告队列;
第三方应用:是应用平台的内容提供者,接入应用平台并通过投放广告获取用户,给用户提供具体服务,比如游戏等。
在用户完成任务后,平台服务器的广告系统会对应用广告投放者进行计费。这种架构方式可利于应用的曝光和用户渠道资源整合,提高应用产品的分发能力,满足应用开发商的需求,实现效益的最大化。
但是,在应用平台上,以网络游戏为例,存在恶意刷量的严重恶意作弊行为,比如恶意刷活动奖励、刷游戏礼包、虚拟货币等物品,给服务平台、服务/游戏提供方、推广商带来不同程度损失,也给正常用户带来困扰。
本实施例方案可以实现对网络中恶意行为的有效拦截,减少应用开发商和推广商的损失。
具体地,本实施例实现用户网络行为处理的装置设置于上述应用平台,该应用平台可以承载于PC端,也可以承载于手机、平板电脑等可以使用游戏等网络应用的移动终端。该应用平台的硬件架构可以如图1所示。
图1示出了本发明实施例应用平台的硬件架构。如图1所示,该应用平台可以包括:处理器1001,例如CPU,网络接口1004,用户接口1003,存储器1005,通信总线1002。其中,通信总线1002用于实现该应用平台中各组成部件之间的连接通信。用户接口1003可以包括显示屏(Display)、键盘(Keyboard)、鼠标等组件,用于接收用户输入的信息,并将接收的信息发送至处理器1005进行处理。显示屏可以为LCD显示屏、LED显示屏,也可以为触摸屏,用于显示应用平台需要显示的数据,例如显示应用任务领取、奖励领取等操作界面。可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器,也可以是稳定的存储器(non-volatilememory),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。如图1所示,作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及用户网络行为处理程序。
在图1所示的应用平台中,网络接口1004主要用于连接平台服务器,与平台服务器进行数据通信;用户接口1003主要用于连接客户端,与客户端进行数据通信,接收客户端输入的信息和指令;而处理器1001可以用于调用存储器1005中存储的用户网络行为处理程序,并执行以下操作:
获取用户的网络操作行为;
采用预先创建的第一评估策略,对所述用户的网络操作行为进行第一次评分;
若评分结果符合第一评估策略的预设条件,则判断所述用户为可疑用户;
对所述用户采用设定的策略进行处理。
进一步地,在一个实施例中,处理器1001调用存储器1005中存储的用户网络行为处理程序,还可以执行以下操作:
在对用户采用设定的策略进行处理之前,还包括:
采用预先创建的第二评估策略,基于用户属性对所述用户进行第二次评分;
若评分结果符合第二评估策略的预设条件,则判断所述用户为正常用户,对所述正常用户按照正常的应用处理流程处理;
若评分结果不符合第二评估策略的预设条件,则判断所述用户为恶意用户,并执行步骤对所述用户采用设定的策略进行处理。
进一步地,在一个实施例中,处理器1001调用存储器1005中存储的用户网络行为处理程序,还可以执行以下操作:
对判断为恶意的用户不再发放奖励和/或不再计费。
进一步地,在一个实施例中,处理器1001调用存储器1005中存储的用户网络行为处理程序,还可以执行以下操作:
结合历史数据,对当前用户进行处理。
进一步地,在一个实施例中,处理器1001调用存储器1005中存储的用户网络行为处理程序,还可以执行以下操作:
对所述第一评估策略和第二评估策略进行校准。
本实施例通过上述方案,通过获取用户的网络操作行为;采用预先创建的第一评估策略,对用户的网络操作行为进行第一次评分;若评分结果符合第一评估策略的预设条件,则判断用户为可疑用户;对用户采用设定的策略进行恶意打击,由此,可以实现对网络广告、网络活动服务、网页应用服务等网络中恶意行为的有效拦截,减少应用开发商和推广商的损失。进一步地,还可以对判断为可疑的用户,采用预先创建的第二评估策略进行第二次评分,从中筛选出正常用户,以提高恶意用户的判断准确性,降低误打击的可能性。
基于上述硬件架构,提出本发明用户网络行为处理方法实施例。
如图2所示,本发明第一实施例提出一种用户网络行为处理方法,包括:
步骤S101,获取用户的网络操作行为;
其中,用户的网络操作行为可以包括:用户在应用操作过程中,预定时间内点击IP的次数;领取应用任务的情况;领取奖励的情况;付费情况;关系链数据;新增IP活跃天数,等等。
步骤S102,采用预先创建的第一评估策略,对所述用户的网络操作行为进行第一次评分;
其中,第一评估策略为可疑度评估策略,具体可以包括:预定时间内用户点击IP的次数达到预设阈值;预定时间内点击IP的用户数达到预设阈值;预定时间内用户领任务数量超过预设阈值;预定时间内用户领奖励数量超过预设阈值;预定时间内大批用户点击进入应用后行为中断;用户账号中,超过预设比例的账号为小号;用户登录频率超过预设阈值;和/或用户添加好友的频率超过预设阈值,等等。
在创建第一评估策略时,可以收集用户历史数据,分析收集的用户历史数据,找出恶意用户的常见特征,作为评估因子参与计算所有用户的可疑程度评分,即第一次评分。
在进行第一次评分时,可以参照上述第一评估策略中的一项或多项进行综合考评,对用户的操作行为进行评分,得到评分结果,并可以设定一个可疑程度评分阈值,对于小于该可疑程度评分阈值的用户,判断其为可疑用户,否则,判断其为正常用户。
步骤S103,根据评分结果,判断所述用户是否为可疑用户;若是,则进入步骤S104;否则,进入步骤S105;
步骤S104,对用户采用设定的策略进行处理。
步骤S105,对用户按照正常的应用处理流程处理。
对判断为可疑的用户,则可以对其采用设定的策略进行恶意打击,比如:对该用户不再发放奖励,不再统计该用户的相关操作(比如领任务、做任务等),和/或,对该用户不再计费,以防止恶意刷量,保证应用开发商的应用推广质量。
具体的反作弊应用场景及策略可以如下:
分别统计IP\APPID\TASKID在上一个小时的操作用户构成以及IP属性,对于好友数低占比(低于阀值X)、恶意IP(N天内)占比高的维度,下发打击。
此外,还可以设定:判断当前用户账号是不是小号,是的话,才会正式打击。
其中,小号的判断逻辑可以基于如下因素:新增IP活跃天数&好友数等。
对于IP的恶意程度,配置不同的聚集策略(比如预定时间X分钟内,IP的点击频率,点击用户数达到阈值等),例如:
1)正常IP:超过X个用户,小号占比X%,下发打击X小时;
2)可疑IP:超过X个用户,小号占比X%,下发打击X小时;
3)恶意IP:超过X个用户,小号占比X%,下发打击X小时。
另外,还可以考虑以下因素:广告点击频率、点击的ip分布、点击的用户号码属性、ip上用户号码属性分布、领奖行为特征,比如领奖的ip、频率、总量、领奖的号码的特征等。
进一步地,在对用户采用设定的策略进行恶意打击时,还可以结合离线打击策略,结合历史数据(比如历史IP的点击情况等),对当前用户进行恶意打击,作为实时打击策略的参考,以提高恶意打击的精确度。
本实施例通过上述方案,通过获取用户的网络操作行为;采用预先创建的第一评估策略,对用户的网络操作行为进行第一次评分;若评分结果符合第一评估策略的预设条件,则判断用户为可疑用户;对用户采用设定的策略进行恶意打击,由此,通过不同时间段多维度的操作次数聚集功能以及特定的反作弊特定策略,可以实现对网页应用中恶意行为的有效拦截,减少应用开发商和推广商的损失。
如图3所示,本发明第二实施例提出一种用户网络行为处理方法,基于上述图2所示的实施例,在步骤S104:对用户采用设定的策略进行恶意打击之前,还包括:
步骤S106,采用预先创建的第二评估策略,基于用户属性对所述用户进行第二次评分;
步骤S107,判断用户是否为正常用户;若是,则进入步骤S105;否则,进入步骤104。
为了避免对可疑用户中的正常用户的误打击,本实施例进一步还对判断为可疑的用户,采用预先创建的第二评估策略进行第二次评分,即采用正常度评估策略进行正常程度评分,从中筛选出正常用户,以提高恶意用户的判断准确性,降低误打击的可能性。
具体地,对于通过第一评估策略判断为可疑用户的用户,采用预先创建的第二评估策略,基于用户属性对用户进行第二次评分。
其中,第二评估策略可以包括与用户属性相关的一些设置条件,比如:用户好友数超过预设阈值;用户好友中超过预设比例(比如80%)的好友为正常用户;用户充值频率或数量达到预设阈值;和/或用户付费符合要求。
在创建第二评估策略时,可以收集用户历史数据,分析收集的用户历史数据,找出正常用户的常见特征,作为评估因子对可疑用户计算第二次评分。
在进行第二次评分时,可以参照上述第二评估策略中的一项或多项进行综合考评,对可疑用户进行评分,得到评分结果,并可以设定一个第二次评分阈值,对于大于该第二次评分阈值的用户,判断其为正常用户,否则,判断其为恶意用户。
因此,若评分结果符合第二评估策略的预设条件,则判断用户为正常用户,对正常用户按照正常的应用处理流程处理,进行正常的统计、计费、发放奖励等操作。
若评分结果不符合第二评估策略的预设条件,则判断该用户为恶意用户,并对该用户采用设定的策略进行恶意打击。
本实施例通过上述方案,通过对判断为可疑的用户,采用预先创建的正常度评估策略进行正常程度评分,从中筛选出正常用户,以提高恶意用户的判断准确性,降低误打击的可能性。
如图4所示,本发明第三实施例提出一种用户网络行为处理方法,基于上述图2所示的实施例,还包括:
步骤S90,创建第一评估策略和第二评估策略;
步骤S100,对所述第一评估策略和第二评估策略进行校准,进入步骤101。
相比上述实施例,本实施例还包括创建第一评估策略和第二评估策略并对其进行校准的方案。
具体地,在创建第一评估策略和第二评估策略时,可以收集大量的用户历史数据,并分别设置评分阈值。历史数据也可以为用户投诉的具有明显作弊特征的案例。
以QQ平台为例,历史数据源可以来自以下几方面:
1、用户在平台APP内的数据,比如付费留存数据,具有典型作弊特征的任务,获取用户相关数据,应用平台提供的当日该任务id带去的用户在游戏内行为;人工标记某一个用户为恶意或正常的数据;
2、基于QQ圈子算法的用户关系链数据;
3、用户在其他游戏(手游、端游)的付费留存数据;通过QQ互联获取用户在外部平台和游戏的行为数据等。
其中,第一评估策略作为可疑度评估策略可以包括:预定时间内用户点击IP的次数达到预设阈值;预定时间内点击IP的用户数达到预设阈值;预定时间内用户领任务数量超过预设阈值;预定时间内用户领奖励数量超过预设阈值;预定时间内大批用户点击进入应用后行为中断;用户账号中,超过预设比例的账号为小号;用户登录频率超过预设阈值;和/或用户添加好友的频率超过预设阈值,等等。
在创建第一评估策略时,可以分析收集的用户历史数据,找出恶意用户的常见特征,作为评估因子参与计算所有用户的第一次评分。
第二评估策略作为正常度评估策略可以包括与用户属性相关的一些设置条件,比如:用户好友数超过预设阈值;用户好友中超过预设比例(比如80%)的好友为正常用户;用户充值频率或数量达到预设阈值;和/或用户付费符合要求。
在创建第二评估策略时,可以分析收集的用户历史数据,找出正常用户的常见特征,作为评估因子对可疑用户计算第二次评分。
进一步地,还可以对创建的第一评估策略和第二评估策略进行校准,比如,通过机器学习模型对创建的第一评估策略和第二评估策略进行校准,以提升应用恶意操作的打击准确度。
上述机器学习模型可以采用预先收集的样本文件结合相关的策略进行学习,创建机器学习模型,后续即可将第一评估策略集以及第二评估策略集输入机器学习模型中进行校准,提高评估策略的准确性,从而提升应用恶意操作的打击准确度。
如图5所示,本发明第一实施例提出一种用户网络行为处理装置,包括:获取模块201、可疑评估模块202、判断模块203及操作模块204,其中:
获取模块201,用于获取用户的网络操作行为;
可疑评估模块202,用于采用预先创建的第一评估策略,对所述用户的网络操作行为进行第一次评分;
判断模块203,用于若评分结果符合第一评估策略的预设条件,则判断所述用户为可疑用户;
操作模块204,用于对所述用户采用设定的策略进行恶意打击。
其中,用户的网络操作行为可以包括:用户在应用操作过程中,预定时间内点击IP的次数;领取应用任务的情况;领取奖励的情况;付费情况;关系链数据;新增IP活跃天数,等等。
采用预先创建的第一评估策略,对所述用户的网络操作行为进行第一次评分;
其中,第一评估策略可以包括:预定时间内用户点击IP的次数达到预设阈值;预定时间内点击IP的用户数达到预设阈值;预定时间内用户领任务数量超过预设阈值;预定时间内用户领奖励数量超过预设阈值;预定时间内大批用户点击进入应用后行为中断;用户账号中,超过预设比例的账号为小号;用户登录频率超过预设阈值;和/或用户添加好友的频率超过预设阈值,等等。
在创建第一评估策略时,可以收集用户历史数据,分析收集的用户历史数据,找出恶意用户的常见特征,作为评估因子参与计算所有用户的第一次评分。
在进行第一次评分时,可以参照上述第一评估策略中的一项或多项进行综合考评,对用户的操作行为进行评分,得到评分结果,并可以设定一个可疑程度评分阈值,对于小于该可疑程度评分阈值的用户,判断其为可疑用户,否则,判断其为正常用户。
对判断为可疑的用户,则可以对其采用设定的策略进行恶意打击,比如:对该用户不再发放奖励,不再统计该用户的相关操作(比如领任务、做任务等),和/或,对该用户不再计费,以防止恶意刷量,保证应用开发商的应用推广质量。
进一步地,在对用户采用设定的策略进行恶意打击时,还可以结合离线打击策略,结合历史数据(比如历史IP的点击情况等),对当前用户进行恶意打击,作为实时打击策略的参考,以提高恶意打击的精确度。
本实施例通过上述方案,通过获取用户的网络操作行为;采用预先创建的第一评估策略,对用户的网络操作行为进行第一次评分;若评分结果符合第一评估策略的预设条件,则判断用户为可疑用户;对用户采用设定的策略进行恶意打击,由此,通过不同时间段多维度的操作次数聚集功能以及特定的反作弊特定策略,可以实现对网络中恶意行为的有效拦截,减少应用开发商和推广商的损失。
如图6所示,本发明第二实施例提出一种用户网络行为处理装置,基于上述图5所示的实施例,还包括:正常评估模块205;
所述正常评估模块205,用于采用预先创建的第二评估策略,基于用户属性对所述用户进行第二次评分;
所述判断模块203,还用于当评分结果符合第二评估策略的预设条件时,判断所述用户为正常用户,由所述操作模块对所述正常用户按照正常的应用处理流程处理;当评分结果不符合第二评估策略的预设条件时,判断所述用户为恶意用户,并由所述操作模块对所述用户采用设定的策略进行恶意打击。
为了避免对可疑用户中的正常用户的误打击,本实施例进一步还对判断为可疑的用户,采用预先创建的第二评估策略进行第二次评分,从中筛选出正常用户,以提高恶意用户的判断准确性,降低误打击的可能性。
具体地,对于通过第一评估策略判断为可疑用户的用户,采用预先创建的第二评估策略,基于用户属性对用户进行第二次评分。
其中,第二评估策略可以包括与用户属性相关的一些设置条件,比如:用户好友数超过预设阈值;用户好友中超过预设比例(比如80%)的好友为正常用户;用户充值频率或数量达到预设阈值;和/或用户付费符合要求。
在创建第二评估策略时,可以收集用户历史数据,分析收集的用户历史数据,找出正常用户的常见特征,作为评估因子对可疑用户计算第二次评分。
在进行第二次评分时,可以参照上述第二评估策略中的一项或多项进行综合考评,对可疑用户进行评分,得到评分结果,并可以设定一个正常程度评分阈值,对于大于该正常程度评分阈值的用户,判断其为正常用户,否则,判断其为恶意用户。
因此,若评分结果符合第二评估策略的预设条件,则判断用户为正常用户,对正常用户按照正常的应用处理流程处理,进行正常的统计、计费、发放奖励等操作。
若评分结果不符合第二评估策略的预设条件,则判断该用户为恶意用户,并对该用户采用设定的策略进行恶意打击。
本实施例通过上述方案,通过对判断为可疑的用户,采用预先创建的第二评估策略进行第二次评分,从中筛选出正常用户,以提高恶意用户的判断准确性,降低误打击的可能性。
如图7所示,本发明第三实施例提出一种用户网络行为处理装置,基于上述图6所示的实施例,还包括:
创建模块190,用于创建所述第一评估策略和第二评估策略;
校准模块200,用于对第一评估策略和第二评估策略进行校准。
相比上述实施例,本实施例还包括创建第一评估策略和第二评估策略并对其进行校准的方案。
具体地,在创建第一评估策略和第二评估策略时,可以收集大量的用户历史数据,并分别设置评分阈值。历史数据也可以为用户投诉的具有明显作弊特征的案例。
以QQ平台为例,历史数据源可以来自以下几方面:
1、用户在平台APP内的数据,比如付费留存数据,具有典型作弊特征的任务,获取用户相关数据,应用平台提供的当日该任务id带去的用户在游戏内行为;人工标记某一个用户为恶意或正常的数据;
2、基于QQ圈子算法的用户关系链数据;
3、用户在其他游戏(手游、端游)的付费留存数据;通过QQ互联获取用户在外部平台和游戏的行为数据等。
其中,第一评估策略可以包括:预定时间内用户点击IP的次数达到预设阈值;预定时间内点击IP的用户数达到预设阈值;预定时间内用户领任务数量超过预设阈值;预定时间内用户领奖励数量超过预设阈值;预定时间内大批用户点击进入应用后行为中断;用户账号中,超过预设比例的账号为小号;用户登录频率超过预设阈值;和/或用户添加好友的频率超过预设阈值,等等。
在创建第一评估策略时,可以分析收集的用户历史数据,找出恶意用户的常见特征,作为评估因子参与计算所有用户的第一次评分。
第二评估策略可以包括与用户属性相关的一些设置条件,比如:用户好友数超过预设阈值;用户好友中超过预设比例(比如80%)的好友为正常用户;用户充值频率或数量达到预设阈值;和/或用户付费符合要求。
在创建第二评估策略时,可以分析收集的用户历史数据,找出正常用户的常见特征,作为评估因子对可疑用户计算第二次评分。
进一步地,还可以对创建的第一评估策略和第二评估策略进行校准,比如,通过机器学习模型对创建的第一评估策略和第二评估策略进行校准,以提升应用恶意操作的打击准确度。
上述机器学习模型可以采用预先收集的样本文件结合相关的策略进行学习,创建机器学习模型,后续即可将第一评估策略集以及第二评估策略集输入机器学习模型中进行校准,提高评估策略的准确性,从而提升应用恶意操作的打击准确度。
还需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
以上所述仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或流程变换,或直接或间接运用在其它相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (14)
1.一种用户网络行为处理方法,其特征在于,包括:
获取用户的网络操作行为;
采用预先创建的第一评估策略,对所述用户的网络操作行为进行第一次评分;
若评分结果符合第一评估策略的预设条件,则判断所述用户为可疑用户;
对所述用户采用设定的策略进行处理。
2.根据权利要求1所述的方法,其特征在于,所述对用户采用设定的策略进行处理之前,还包括:
采用预先创建的第二评估策略,基于用户属性对所述用户进行第二次评分;
若评分结果符合第二评估策略的预设条件,则判断所述用户为正常用户,对所述正常用户按照正常的应用处理流程处理;
若评分结果不符合第二评估策略的预设条件,则判断所述用户为恶意用户,并执行步骤对所述用户采用设定的策略进行处理。
3.根据权利要求2所述的方法,其特征在于,所述网络操作行为包括以下之一:用户在应用操作过程中,预定时间内点击IP的次数;领取应用任务的情况;领取奖励的情况;付费情况;关系链数据;新增IP活跃天数。
4.根据权利要求2所述的方法,其特征在于,所述第一评估策略包括:预定时间内用户点击IP的次数达到预设阈值;预定时间内点击IP的用户数达到预设阈值;预定时间内用户领任务数量超过预设阈值;预定时间内用户领奖励数量超过预设阈值;预定时间内大批用户点击进入应用后行为中断;用户账号中,超过预设比例的账号为小号;用户登录频率超过预设阈值;和/或用户添加好友的频率超过预设阈值。
5.根据权利要求2所述的方法,其特征在于,所述第二评估策略包括:用户好友数超过预设阈值;用户好友中超过预设比例的好友为正常用户;用户充值频率或数量达到预设阈值;和/或用户付费符合要求。
6.根据权利要求2-5中任一项所述的方法,其特征在于,所述对用户采用设定的策略进行处理的步骤包括:
对判断为恶意的用户不再发放奖励和/或不再计费。
7.根据权利要求6所述的方法,其特征在于,所述对用户采用设定的策略进行处理的步骤还包括:
结合历史数据,对当前用户进行处理。
8.根据权利要求2-5中任一项所述的方法,其特征在于,还包括:
对所述第一评估策略和第二评估策略进行校准。
9.一种用户网络行为处理装置,其特征在于,包括:
获取模块,用于获取用户的网络操作行为;
可疑评估模块,用于采用预先创建的第一评估策略,对所述用户的网络操作行为进行第一次评分;
判断模块,用于若评分结果符合第一评估策略的预设条件,则判断所述用户为可疑用户;
操作模块,用于对所述用户采用设定的策略进行处理。
10.根据权利要求9所述的装置,其特征在于,还包括:正常评估模块;
所述正常评估模块,用于采用预先创建的第二评估策略,基于用户属性对所述用户进行第二次评分;
所述判断模块,还用于当评分结果符合第二评估策略的预设条件时,判断所述用户为正常用户,由所述操作模块对所述正常用户按照正常的应用处理流程处理;当评分结果不符合第二评估策略的预设条件时,判断所述用户为恶意用户,并由所述操作模块对所述用户采用设定的策略进行处理。
11.根据权利要求9所述的装置,其特征在于,所述第一评估策略包括:预定时间内用户点击IP的次数达到预设阈值;预定时间内点击IP的用户数达到预设阈值;预定时间内用户领任务数量超过预设阈值;预定时间内用户领奖励数量超过预设阈值;预定时间内大批用户点击进入应用后行为中断;用户账号中,超过预设比例的账号为小号;用户登录频率超过预设阈值;和/或用户添加好友的频率超过预设阈值;所述第二评估策略包括:用户好友数超过预设阈值;用户好友中超过预设比例的好友为正常用户;用户充值频率或数量达到预设阈值;和/或用户付费符合要求。
12.根据权利要求10或11所述的装置,其特征在于,
所述操作模块,还用于对判断为恶意的用户不再发放奖励和/或不再计费。
13.根据权利要求12所述的装置,其特征在于,
所述操作模块,还用于结合历史数据,对当前用户进行处理。
14.根据权利要求10或11所述的装置,其特征在于,还包括:
校准模块,用于对所述第一评估策略和第二评估策略进行校准。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410571157.XA CN105592008A (zh) | 2014-10-23 | 2014-10-23 | 用户网络行为处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410571157.XA CN105592008A (zh) | 2014-10-23 | 2014-10-23 | 用户网络行为处理方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105592008A true CN105592008A (zh) | 2016-05-18 |
Family
ID=55931230
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410571157.XA Pending CN105592008A (zh) | 2014-10-23 | 2014-10-23 | 用户网络行为处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105592008A (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106096996A (zh) * | 2016-05-31 | 2016-11-09 | 北京奇虎科技有限公司 | 移动终端作弊行为的检测方法及相应装置 |
CN106228042A (zh) * | 2016-07-15 | 2016-12-14 | 乐视控股(北京)有限公司 | 用户识别方法及装置 |
CN106302534A (zh) * | 2016-09-30 | 2017-01-04 | 微梦创科网络科技(中国)有限公司 | 一种检测和处理非法用户的方法及系统 |
CN107146085A (zh) * | 2017-05-25 | 2017-09-08 | 腾讯科技(深圳)有限公司 | 一种异常应用行为监控方法和装置 |
CN107277559A (zh) * | 2017-06-20 | 2017-10-20 | 武汉斗鱼网络科技有限公司 | 转盘互动方法及装置 |
CN108306864A (zh) * | 2018-01-12 | 2018-07-20 | 深圳壹账通智能科技有限公司 | 网络数据检测方法、装置、计算机设备和存储介质 |
CN108595513A (zh) * | 2018-03-23 | 2018-09-28 | 北京奇艺世纪科技有限公司 | 一种视频搜索作弊处理方法及装置 |
CN109003181A (zh) * | 2018-08-17 | 2018-12-14 | 腾讯科技(深圳)有限公司 | 可疑用户确定方法、装置、设备和计算机可读存储介质 |
WO2019041199A1 (zh) * | 2017-08-30 | 2019-03-07 | 深圳市云中飞网络科技有限公司 | 刷量终端确定方法及装置 |
CN109495378A (zh) * | 2018-12-28 | 2019-03-19 | 广州华多网络科技有限公司 | 检测异常帐号的方法、装置、服务器及存储介质 |
CN109831417A (zh) * | 2018-12-28 | 2019-05-31 | 广州华多网络科技有限公司 | 防骚扰处理帐号的方法、装置、服务器及存储介质 |
CN109902486A (zh) * | 2019-01-24 | 2019-06-18 | 平安科技(深圳)有限公司 | 电子装置、异常用户处理策略智能决策方法及存储介质 |
CN110390549A (zh) * | 2018-04-20 | 2019-10-29 | 腾讯科技(深圳)有限公司 | 一种注册小号识别方法、装置、服务器及存储介质 |
CN111899100A (zh) * | 2020-07-24 | 2020-11-06 | 腾讯科技(深圳)有限公司 | 业务控制方法、装置和设备及计算机存储介质 |
CN117896184A (zh) * | 2024-03-14 | 2024-04-16 | 山西金冠同力信息技术有限公司 | 一种基于大数据的网络安全监测方法、装置以及设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101282382A (zh) * | 2007-09-14 | 2008-10-08 | 任明和 | 基于voip技术构建网站收费服务平台及其方法 |
CN102510400A (zh) * | 2011-10-31 | 2012-06-20 | 百度在线网络技术(北京)有限公司 | 一种用于确定用户的可疑度信息的方法、装置和设备 |
CN103516586A (zh) * | 2012-06-30 | 2014-01-15 | 北京神州泰岳软件股份有限公司 | 一种即时通信系统的在线用户行为分析系统 |
-
2014
- 2014-10-23 CN CN201410571157.XA patent/CN105592008A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101282382A (zh) * | 2007-09-14 | 2008-10-08 | 任明和 | 基于voip技术构建网站收费服务平台及其方法 |
CN102510400A (zh) * | 2011-10-31 | 2012-06-20 | 百度在线网络技术(北京)有限公司 | 一种用于确定用户的可疑度信息的方法、装置和设备 |
CN103516586A (zh) * | 2012-06-30 | 2014-01-15 | 北京神州泰岳软件股份有限公司 | 一种即时通信系统的在线用户行为分析系统 |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106096996A (zh) * | 2016-05-31 | 2016-11-09 | 北京奇虎科技有限公司 | 移动终端作弊行为的检测方法及相应装置 |
CN106228042A (zh) * | 2016-07-15 | 2016-12-14 | 乐视控股(北京)有限公司 | 用户识别方法及装置 |
CN106302534A (zh) * | 2016-09-30 | 2017-01-04 | 微梦创科网络科技(中国)有限公司 | 一种检测和处理非法用户的方法及系统 |
CN106302534B (zh) * | 2016-09-30 | 2019-05-28 | 微梦创科网络科技(中国)有限公司 | 一种检测和处理非法用户的方法及系统 |
CN107146085A (zh) * | 2017-05-25 | 2017-09-08 | 腾讯科技(深圳)有限公司 | 一种异常应用行为监控方法和装置 |
CN107146085B (zh) * | 2017-05-25 | 2018-09-04 | 腾讯科技(深圳)有限公司 | 一种异常应用行为监控方法和装置 |
CN107277559A (zh) * | 2017-06-20 | 2017-10-20 | 武汉斗鱼网络科技有限公司 | 转盘互动方法及装置 |
CN107277559B (zh) * | 2017-06-20 | 2020-02-07 | 武汉斗鱼网络科技有限公司 | 转盘互动方法及装置 |
WO2019041199A1 (zh) * | 2017-08-30 | 2019-03-07 | 深圳市云中飞网络科技有限公司 | 刷量终端确定方法及装置 |
CN108306864A (zh) * | 2018-01-12 | 2018-07-20 | 深圳壹账通智能科技有限公司 | 网络数据检测方法、装置、计算机设备和存储介质 |
CN108595513A (zh) * | 2018-03-23 | 2018-09-28 | 北京奇艺世纪科技有限公司 | 一种视频搜索作弊处理方法及装置 |
CN108595513B (zh) * | 2018-03-23 | 2021-06-22 | 北京奇艺世纪科技有限公司 | 一种视频搜索作弊处理方法及装置 |
CN110390549A (zh) * | 2018-04-20 | 2019-10-29 | 腾讯科技(深圳)有限公司 | 一种注册小号识别方法、装置、服务器及存储介质 |
CN109003181A (zh) * | 2018-08-17 | 2018-12-14 | 腾讯科技(深圳)有限公司 | 可疑用户确定方法、装置、设备和计算机可读存储介质 |
CN109003181B (zh) * | 2018-08-17 | 2022-05-13 | 腾讯科技(深圳)有限公司 | 可疑用户确定方法、装置、设备和计算机可读存储介质 |
CN109495378A (zh) * | 2018-12-28 | 2019-03-19 | 广州华多网络科技有限公司 | 检测异常帐号的方法、装置、服务器及存储介质 |
CN109831417A (zh) * | 2018-12-28 | 2019-05-31 | 广州华多网络科技有限公司 | 防骚扰处理帐号的方法、装置、服务器及存储介质 |
CN109831417B (zh) * | 2018-12-28 | 2021-07-20 | 广州华多网络科技有限公司 | 防骚扰处理帐号的方法、装置、服务器及存储介质 |
CN109902486A (zh) * | 2019-01-24 | 2019-06-18 | 平安科技(深圳)有限公司 | 电子装置、异常用户处理策略智能决策方法及存储介质 |
CN111899100A (zh) * | 2020-07-24 | 2020-11-06 | 腾讯科技(深圳)有限公司 | 业务控制方法、装置和设备及计算机存储介质 |
CN111899100B (zh) * | 2020-07-24 | 2023-06-02 | 腾讯科技(深圳)有限公司 | 业务控制方法、装置和设备及计算机存储介质 |
CN117896184A (zh) * | 2024-03-14 | 2024-04-16 | 山西金冠同力信息技术有限公司 | 一种基于大数据的网络安全监测方法、装置以及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105592008A (zh) | 用户网络行为处理方法及装置 | |
CN107147621B (zh) | 互联网医疗黄牛风险控制的实现方法 | |
CN104125203B (zh) | 权限管理方法和系统 | |
CN107341682A (zh) | 一种广告信息监测与评估方法及其装置 | |
CN104683537B (zh) | 一种号码标记方法及装置 | |
CN107437223A (zh) | 贷款信息审核方法、装置及设备 | |
CN105869035A (zh) | 一种移动用户信用评估方法及装置 | |
CN106202117A (zh) | 数据处理方法、装置和服务器 | |
CN102685709B (zh) | 一种计费稽核方法及计费稽核装置 | |
CN104133765B (zh) | 网络活动的测试用例发送方法及测试用例服务器 | |
CN108876464A (zh) | 一种作弊行为检测方法、装置、服务设备及存储介质 | |
CN106971343A (zh) | 保险数据的风险分析方法及系统 | |
CN108667828A (zh) | 一种风险控制方法、装置及存储介质 | |
CN107967759A (zh) | 移动电源租借方法、装置、终端和计算机可读存储介质 | |
CN108648091A (zh) | 保单风险评估方法、装置、设备和计算机存储介质 | |
AU2014392681A1 (en) | Automated marketing offer decisioning | |
CN105101138A (zh) | 流量管控方法、系统及终端 | |
CN104133688A (zh) | 医疗服务巡查与调查系统及方法 | |
CN106651368A (zh) | 防刷单的支付方式的控制方法及控制系统 | |
CN104616110A (zh) | 一种信息的处理方法及装置 | |
CN107992527A (zh) | 数据标记校验方法、服务器及存储介质 | |
CN105631708A (zh) | 一种信息处理方法及装置 | |
CN110347566A (zh) | 用于对注册风控模型进行效能评估的方法及装置 | |
CN109168138A (zh) | 网内换号的识别方法、装置及设备 | |
CN108259363B (zh) | 一种阶梯式业务流量控制的方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160518 |