CN107038377A - 一种网站认证方法及装置、网站授信方法及装置 - Google Patents
一种网站认证方法及装置、网站授信方法及装置 Download PDFInfo
- Publication number
- CN107038377A CN107038377A CN201610077353.0A CN201610077353A CN107038377A CN 107038377 A CN107038377 A CN 107038377A CN 201610077353 A CN201610077353 A CN 201610077353A CN 107038377 A CN107038377 A CN 107038377A
- Authority
- CN
- China
- Prior art keywords
- website
- analyzed
- pageview
- interval
- returning rate
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/50—Monitoring users, programs or devices to maintain the integrity of platforms, e.g. of processors, firmware or operating systems
- G06F21/57—Certifying or maintaining trusted computer platforms, e.g. secure boots or power-downs, version controls, system software checks, secure updates or assessing vulnerabilities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2221/00—Indexing scheme relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F2221/21—Indexing scheme relating to G06F21/00 and subgroups addressing additional information or applications relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F2221/2119—Authenticating web pages, e.g. with suspicious links
Landscapes
- Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Information Transfer Between Computers (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及信息安全技术领域，特别涉及一种网站认证方法及装置、网站授信方法及装置，其中网站认证方法包括根据待分析网站的内容确定所述待分析网站所属的分类；计算所述分类中多个样本网站的浏览量区间；根据所述浏览量区间和待分析网站的浏览量，评估所述待分析网站的初始等级；根据所述初始等级判断所述待分析网站是否通过认证。可以根据网站的流量和回访质量对网站进行认证，使得认证通过后的网站可以有更高权限进行某些操作，例如扩容、得到更高的优先级从事某些业务等，并且通过对网站站长行为的分析可以进一步加强对网站认证的准确性。
Description
技术领域
本申请涉及信息安全技术领域，特别涉及一种网站认证方法及装置、网站授信方法及装置。
背景技术
随着互联网的发展，网站的数量越来越多，需要对网站进行认证才能够允许网站具有某些特殊的权利，而如何对网站进行认证就成了日益重要的问题，现有技术中还没有对网站进行认证的方案，因此现在亟需一种网站认证方法及装置、网站授信方法及装置。
发明内容
为了解决现有技术中对网站认证或者授信过程中的不足，本申请实施例提供了一种网站认证方法及装置、网站授信方法及装置，用于根据网站的流量和回访质量认证或者授信网站，输出该认证或者授信结果可以给后续的业务系统，实现相应的业务操作。
本申请实施例提供了一种网站认证方法，包括，
根据待分析网站的内容确定所述待分析网站所属的分类；
计算所述分类中多个样本网站的浏览量区间；
根据所述浏览量区间和待分析网站的浏览量，评估所述待分析网站的初始等级；
根据所述初始等级判断所述待分析网站是否通过认证。
本申请实施例还提供了一种网站认证装置，包括，
分类单元，用于根据待分析网站的内容确定所述待分析网站所属的分类；
计算单元，用于计算所述分类中多个样本网站的浏览量区间；
评估单元，用于根据所述浏览量区间和待分析网站的浏览量，评估所述待分析网站的初始等级；
认证单元，用于根据所述初始等级判断所述待分析网站是否通过认证。
本申请实施例还提供了一种网站授信方法，包括，
根据待分析网站的内容确定所述待分析网站所属的分类；
计算所述分类中多个样本网站的浏览量区间；
根据所述浏览量区间和待分析网站的浏览量，评估所述待分析网站的流量价值；
根据所述流量价值判断所述待分析网站是否通过授信。
本申请实施例还提供了一种网站授信装置，包括，
分类单元，用于根据待分析网站的内容确定所述待分析网站所属的分类；
计算单元，用于计算所述分类中多个样本网站的浏览量区间；
评估单元，用于根据所述浏览量区间和待分析网站的浏览量，评估所述待分析网站的流量价值；
授信单元，用于根据所述流量价值判断所述待分析网站是否通过授信。
由以上本申请实施例提供的技术方案可见，可以根据网站的流量和回访质量对网站进行授信，使得授信通过后的网站可以进入其它业务系统，例如贷款系统，或者可以获得更高权限进行某些操作，例如扩容、得到更高的优先级从事某些业务等，并且通过对网站站长行为的分析可以进一步加强对网站授信的准确性。
当然实施本申请的任一产品或者方法必不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1所示为本申请实施例一种网站认证方法的流程图；
图2所示为本申请实施例一种网站认证装置的结构示意图；
图3所示为本申请实施例一种网站授信方法的流程图；
图4所示为本申请实施例一种网站授信装置的结构示意图；
图5所示为本申请实施例一种网站授信方法的具体流程图。
具体实施方式
本申请实施例提供一种网站认证方法及装置、网站授信方法及装置。
为了使本技术领域的人员更好地理解本申请中的技术方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。
如图1所示为本申请实施例一种网站认证方法的流程图，在该图中描述了认证网站的流程，本申请中所述的网站包括了提供丰富资讯内容的网站，本申请的方法根据网站的浏览量和回访量等手段来评估网站的等级，从而可以根据网站的等级确定该网站是否可以通过认证，该认证结果可以被其它系统调用，以便进行相关业务。
具体包括步骤101，根据待分析网站的内容确定所述待分析网站所属的分类。
步骤102，计算所述分类中多个样本网站的浏览量区间。
步骤103，根据所述浏览量区间和待分析网站的浏览量，评估所述待分析网站的初始等级。
步骤104，根据所述初始等级判断所述待分析网站是否通过认证。
作为本申请的一个实施例，在步骤103之后还包括，根据所述待分析网站的回访质量修正所述待分析网站的初始等级；在步骤104中根据所述修正后的初始等级判断所述待分析网站是否通过认证。
作为本申请的一个实施例，在根据待分析网站的内容确定所述待分析网站所属的分类之前还包括，根据所述待分析网站的内容和所述待分析网站站长的行为对所述待分析网站进行预认证，若所述预认证失败，则退出。
作为本申请的一个实施例，所述根据所述待分析网站的内容对所述待分析网站进行预认证进一步包括，根据所述待分析网站的内容判断所述待分析网站是否合法。
其中，可以通过关键词等技术来判断网站内容是否合法，例如通过关键词或者机器学习的方式判断网站内容是否包括色情内容，还可以通过将所述网站的统一资源定位符(URL)在合法网站的列表中匹配的方式来判断所述网站是否合法，例如对于提供音视频下载、文学作品阅读等内容的网站来说，可以在正版合法的网站列表中匹配，如果没有匹配成功，则认为该网站为非法网站。
作为本申请的一个实施例，所述根据所述待分析网站站长的行为对所述待分析网站进行预认证进一步包括，获得用户行为特征，建立用户行为模型，根据所述用户行为模型分析所述待分析网站站长的行为，预测该待分析网站站长是否合法。
其中，以行为合法用户的行为和行为不合法用户的行为作为样本，将用户行为分解为各个特征，通过数学模型得到用户的行为特征，分析待分析网站站长的行为符合哪些行为特征，从而预测该待分析网站站长是否合法。
所述的用户行为包括银行信用记录、黑名单、逾期还款等。
作为本申请的一个实施例，根据待分析网站的内容确定所述待分析网站所属的分类进一步包括，根据所述待分析网站内容中的关键字、或者机器学习的方式来确定所述待分析网站所属的分类。
作为本申请的一个实施例，所述待分析网站的回访质量通过如下步骤获得：
计算所述待分析网站的回访率；
计算所述分类的不同浏览量区间中多个样本网站的行业平均回访率；
在相同浏览量区间中比较所述行业平均回访率和所述回访率，得到在该浏览量区间中网站的回访质量。
作为本申请的一个实施例，在相同浏览量区间中比较所述行业平均回访率和所述平均回访率，得到在该浏览量区间中待分析网站的回访质量中进一步包括，在相同浏览量区间中，若所述回访率大于行业平均回访率，则该待分析网站的回访质量为第一值；
若所述回访率等于行业平均回访率，则该待分析网站的回访质量为第二值；
若所述回访率小于行业平均回访率，则该待分析网站的回访质量为第三值。
作为本申请的一个实施例，所述根据所述网站的回访质量修正所述网站的初始等级进一步包括，利用所述待分析网站的回访质量乘以所述初始等级。
作为本申请的一个实施例，根据所述修正后的初始等级判断所述待分析网站是否通过认证进一步包括，若所述修正后的初始等级超过门限值，则所述待分析网站通过认证。
作为本申请的一个实施例，根据所述修正后的初始等级判断所述待分析网站是否通过认证还包括，获取所述待分析网站站长的历史数据，判断所述历史数据是否符合预定要求，若不符合预定要求，则所述待分析网站不通过认证。
其中，所述历史数据包括站长的个人资产价值、消费能力值等，预定要求包括个人资产门限值、消费能力门限值等，将待分析网站站长的个人资产与个人资产门限值比较，将待分析网站站长的消费能力与消费能力门限值比较，如果有一项或者两项小于各自的门限值，则认证不通过。
通过上述本申请实施例的方法，可以根据网站的流量和回访质量对网站进行认证，使得认证通过后的网站可以有更高权限进行某些操作，例如扩容、得到更高的优先级从事某些业务等，并且通过对网站站长行为的分析可以进一步加强对网站认证的准确性。
如图2所示为本申请实施例一种网站认证装置的结构示意图，在该图中描述了实现图1所示方法的装置结构，在本申请的实施例中，各个功能单元均可以由可编程逻辑器件或者芯片实现，或者还可以通过高性能计算机来实现，还可以通过多台高性能计算机组成的集群实现，某个功能单元或者几个功能单元可以由一台计算机或者几台计算机实现。
具体包括分类单元201，用于根据待分析网站的内容确定所述待分析网站所属的分类。
计算单元202，用于计算所述分类中多个样本网站的浏览量区间。
评估单元203，用于根据所述浏览量区间和待分析网站的浏览量，评估所述待分析网站的初始等级。
认证单元204，用于根据所述初始等级判断所述待分析网站是否通过认证。
作为本申请的一个实施例，还包括修正单元205，用于根据所述待分析网站的回访质量修正所述待分析网站的初始等级，所述认证单元204根据所述修正后的初始等级判断所述待分析网站是否通过认证
作为本申请的一个实施例，还包括预认证单元206，用于根据所述待分析网站的内容和所述待分析网站站长的行为对所述待分析网站进行预认证，若所述预认证失败，则退出。
作为本申请的一个实施例，所述预认证单元进一步用于根据所述待分析网站的内容判断所述待分析网站是否合法。
作为本申请的一个实施例，所述预认证单元进一步用于获得用户行为特征，建立用户行为模型，根据所述用户行为模型分析所述待分析网站站长的行为，预测该待分析网站站长是否合法。
作为本申请的一个实施例，所述分类单元进一步根据所述待分析网站内容中的关键字、或者机器学习的方式来确定所述待分析网站所属的分类。
作为本申请的一个实施例，所述修正单元进一步用于，计算所述待分析网站的回访率；
计算所述分类的不同浏览量区间中多个样本网站的行业平均回访率；
在相同浏览量区间中比较所述行业平均回访率和所述回访率，得到在该浏览量区间中待分析网站的回访质量。
作为本申请的一个实施例，所述修正单元进一步用于，在相同浏览量区间中，若所述回访率大于行业平均回访率，则该待分析网站的回访质量为第一值；
若所述回访率等于行业平均回访率，则该待分析网站的回访质量为第二值；
若所述回访率小于行业平均回访率，则该待分析网站的回访质量为第三值。
作为本申请的一个实施例，所述修正单元进一步用于，利用所述网站的回访质量乘以所述初始等级得到修正后的初始等级。
作为本申请的一个实施例，所述认证单元进一步用于，若所述修正后的初始等级超过门限值，则所述待分析网站通过认证。
作为本申请的一个实施例，所述认证单元还用于，获取所述待分析网站站长的历史数据，判断所述历史数据是否符合预定要求，若不符合预定要求，则所述待分析网站不通过认证。
通过上述本申请实施例的装置，通过相应功能单元可以根据网站的流量和回访质量对网站进行认证，使得认证通过后的网站可以有更高权限进行某些操作，例如扩容、得到更高的优先级从事某些业务等，并且通过对网站站长行为的分析可以进一步加强对网站认证的准确性。
如图3所示为本申请实施例一种网站授信方法的流程图，在该图中描述了网站授信的过程，本申请的技术方案通过对网站浏览量和回访质量等客观的数据进行分析，综合评价网站的各项指标，得到该网站的授信结果(该网站是否可靠的结果)，以便向其它业务(例如贷款业务)输出该网站的授信结果。
具体包括步骤301，根据待分析网站的内容确定所述待分析网站所属的分类。
步骤302，计算所述分类中多个样本网站的浏览量区间。
步骤303，根据所述浏览量区间和待分析网站的浏览量，评估所述待分析网站的流量价值。
步骤304，根据所述流量价值判断所述待分析网站是否通过授信。
作为本申请的一个实施例，在步骤303之后还包括，根据所述待分析网站的回访质量修正所述待分析网站的流量价值，在步骤304中根据所述修正后的流量价值判断所述待分析网站是否通过授信。
作为本申请的一个实施例，在根据待分析网站的内容确定所述待分析网站所属的分类之前还包括，根据所述待分析网站的内容和所述待分析网站站长的行为对所述待分析网站进行准入判断，若所述准入判断失败，则退出。
在本步骤中，由于待分析网站的内容和站长的行为对最终授信结果起到决定性作用，因为色情网站或者存在版权问题的网站、或者站长信用行为不良等情况是不允许进入到例如贷款等业务系统，因此在此步骤中对网站的内容和站长的信用行为进行了准入判断。
作为本申请的一个实施例，所述根据所述待分析网站的内容对所述待分析网站进行准入判断进一步包括，根据所述待分析网站的内容判断所述待分析网站是否合法。
其中，可以通过关键词等技术来判断网站内容是否合法，例如通过关键词或者机器学习的方式判断网站内容是否包括色情内容，还可以通过将所述网站的统一资源定位符(URL)在合法网站的列表中匹配的方式来判断所述网站是否合法，例如对于提供音视频下载、文学作品阅读等内容的网站来说，可以在正版合法的网站列表中匹配，如果没有匹配成功，则认为该网站为非法网站。
作为本申请的一个实施例，所述根据所述待分析网站站长的行为对所述待分析网站进行预认证进一步包括，获得用户行为特征，建立用户行为模型，根据所述用户行为模型分析所述待分析网站站长的行为，预测该待分析网站站长是否合法。
其中，以行为合法用户的行为和行为不合法用户的行为作为样本，将用户行为分解为各个特征，通过数学模型得到用户的行为特征，分析待分析网站站长的行为符合哪些行为特征，从而预测该待分析网站站长是否合法。
所述的用户行为包括是否拖欠生活缴费、金融违约的概率、银行的信用记录、支付宝的不良信息(例如逾期还款)等。
作为本申请的一个实施例，根据待分析网站的内容确定所述待分析网站所属的分类进一步包括，根据所述待分析网站内容中的关键字、或者机器学习的方式来确定所述待分析网站所属的分类。
所述的分类可以包括影视类、文学类、购物类、社区类、游戏类、综合类等等。
作为本申请的一个实施例，根据所述浏览量区间和待分析网站的浏览量，评估所述待分析网站的流量价值进一步包括，确定所述待分析网站浏览量所属浏览量区间，根据不同浏览量区间预设的浏览量价值得到所述待分析网站的浏览量价值。
在本步骤中，根据网站的分类确定得到的浏览量区间更加准确的反映了该待分析网站在该分类中所处的位置，也就能够更加准确的得到该待分析网站的流量价值。
作为本申请的一个实施例，所述待分析网站的回访质量通过如下步骤获得：
计算所述待分析网站的回访率；
计算所述分类的不同浏览量区间中多个样本网站的行业平均回访率；
在相同浏览量区间中比较所述行业平均回访率和所述回访率，得到在该浏览量区间中所述待分析网站的回访质量。
其中，回访率可以通过计算访问该待分析网站的用户终端中的缓存(cookie)或者设备号而得到；计算影视类的浏览量区间为100万-200万的多个网站(例如100个网站)的行业平均回访率；根据待分析网站的回访率与上述行业平均回访率之间的关系，来确定待分析网站的回访质量。
作为本申请的一个实施例，在相同浏览量区间中比较所述行业平均回访率和所述平均回访率，得到在该浏览量区间中待分析网站的回访质量中进一步包括，在相同浏览量区间中，若所述回访率大于行业平均回访率，则该待分析网站的回访质量为第一值；
若所述回访率等于行业平均回访率，则该待分析网站的回访质量为第二值；
若所述回访率小于行业平均回访率，则该待分析网站的回访质量为第三值。
其中，所述第一值、第二值和第三值可以为高、中、低的字符属性标记，或者为具体的某个数值，例如1.2、1、0.8。
作为本申请的一个实施例，所述根据所述网站的回访质量修正所述网站的流量价值进一步包括，利用所述待分析网站的回访质量乘以所述流量价值。
其中，如果待分析网站的回访质量为字符属性标记，则可以转换为相应的数值，例如高、中、低分别转换为1.2、1、0.8，所述流量价值可能为100、80、60等分值，将该流量价值与回访质量乘积之后，所述流量价值就会变成新的值。
作为本申请的一个实施例，根据所述修正后的流量价值判断所述待分析网站是否通过授信进一步包括，若所述修正后的流量价值超过门限值，则所述待分析网站通过授信。
作为本申请的一个实施例，根据所述修正后的流量价值判断所述待分析网站是否通过授信还包括，获取所述待分析网站站长的历史数据，判断所述历史数据是否符合预定要求，若不符合预定要求，则所述待分析网站不通过授信。
其中，所述历史数据可以例如为站长的个人资产、消费能力数值等，所述预定要求可以包括个人资产门限值、消费能力门限值等。
当通过授信之后，还包括向其它业务系统输出对该待分析网站的授信结果，例如可以向贷款系统输出该授信结果。
通过上述本申请实施例的方法，可以根据网站的流量和回访质量对网站进行授信，使得授信通过后的网站可以进入其它业务系统，例如贷款系统，或者可以获得更高权限进行某些操作，例如扩容、得到更高的优先级从事某些业务等，并且通过对网站站长行为的分析可以进一步加强对网站授信的准确性。
如图4所示为本申请实施例一种网站授信装置的结构示意图，在该图中描述了实现图3所示方法的装置结构，在本申请的实施例中，各个功能单元均可以由可编程逻辑器件或者芯片实现，或者还可以通过高性能计算机来实现，还可以通过多台高性能计算机组成的集群实现，某个功能单元或者几个功能单元可以由一台计算机或者几台计算机实现。
具体包括分类单元401，用于根据待分析网站的内容确定所述待分析网站所属的分类。
计算单元402，用于计算所述分类中多个样本网站的浏览量区间。
评估单元403，用于根据所述浏览量区间和待分析网站的浏览量，评估所述待分析网站的流量价值。
授信单元404，用于根据所述流量价值判断所述待分析网站是否通过授信。
作为本申请的一个实施例，还包括修正单元405，用于根据所述待分析网站的回访质量修正所述待分析网站的流量价值；所述授信单元404用于根据所述修正后的流量价值判断所述待分析网站是否通过授信。
作为本申请的一个实施例，还包括准入判断单元406，用于根据所述待分析网站的内容和所述待分析网站站长的行为对所述待分析网站进行准入判断，若所述准入判断失败，则退出。
作为本申请的一个实施例，所述准入判断单元进一步用于，根据所述待分析网站的内容判断所述待分析网站是否合法。
作为本申请的一个实施例，所述准入判断单元进一步用于，获得用户行为特征，建立用户行为模型，根据所述用户行为模型分析所述待分析网站站长的行为，预测该待分析网站站长是否合法。
作为本申请的一个实施例，所述分类单元进一步用于，根据所述待分析网站内容中的关键字、或者机器学习的方式来确定所述待分析网站所属的分类。
作为本申请的一个实施例，所述评估单元进一步用于，确定所述待分析网站浏览量所属浏览量区间，根据不同浏览量区间预设的浏览量价值得到所述待分析网站的浏览量价值。
作为本申请的一个实施例，所述修正单元进一步用于，计算所述待分析网站的回访率；
计算所述分类的不同浏览量区间中多个样本网站的行业平均回访率；
在相同浏览量区间中比较所述行业平均回访率和所述回访率，得到在该浏览量区间中所述待分析网站的回访质量。
作为本申请的一个实施例，所述修正单元进一步用于，在相同浏览量区间中，若所述回访率大于行业平均回访率，则该待分析网站的回访质量为第一值；
若所述回访率等于行业平均回访率，则该待分析网站的回访质量为第二值；
若所述回访率小于行业平均回访率，则该待分析网站的回访质量为第三值。
作为本申请的一个实施例，所述修正单元进一步用于，所述根据所述网站的回访质量修正所述网站的流量价值进一步包括，利用所述待分析网站的回访质量乘以所述流量价值。
作为本申请的一个实施例，所述授信单元进一步用于，若所述修正后的流量价值超过门限值，则所述待分析网站通过授信。
作为本申请的一个实施例，所述授信单元还用于，获取所述待分析网站站长的历史数据，判断所述历史数据是否符合预定要求，若不符合预定要求，则所述待分析网站不通过授信。
通过上述本申请实施例的装置，可以根据网站的流量和回访质量对网站进行授信，使得授信通过后的网站可以进入其它业务系统，例如贷款系统，或者可以获得更高权限进行某些操作，例如网站的扩容、数据统计服务、得到更高的优先级从事某些业务，例如向所述待分析网站提供访问客户群体的画像等，并且通过对网站站长行为的分析可以进一步加强对网站授信的准确性。
如图5所示为本申请实施例一种网站授信方法的具体流程图，在该图中描述了对网站进行授信的过程，根据网站的内容、站长的行为和网站的流量、回访质量等方面内容计算和分析，可以得到该网站是否可以得到授信的结果，如果授信通过可以由其它业务系统调用该结果进行例如贷款、提高优先级等操作。
具体包括步骤501，获取网站授信所需的数据。
在本步骤中，授信所需的数据包括待分析网站的浏览量、网站的内容、回访率，其中还包括获取多个样本网站的浏览量、网站的内容、回访率，用于计算浏览量区间，还获得该待分析网站站长的行为数据，其中包括生活缴费记录、银行信用记录、支付宝的记录等。
步骤502，判断待分析网站的内容是否合法，如果合法则进入步骤505，否则进入步骤504。
在判断待分析网站的内容是否合法的过程中进一步包括，根据网站的内容分析出该网站是否有敏感信息，例如通过关键字库比对的方式来分析待分析网站的内容是否属于色情网站，或者该网站的内容是否属于政治敏感网站等。
如果待分析网站的内容中包括一些影视或者文学作品的关键字，则还需要比对该网站的URL是否在合法网站列表中，即判断该待分析网站是否为拥有合法版权，如果待分析网站中出现一些影视作品或者文学作品的关键字，但是该待分析网站的URL并未出现在合法网站列表中，则说明该待分析网站为非法网站。
步骤503，判断待分析网站站长的行为是否合法，如果合法则进入步骤505，否则进入步骤504。
在判断待分析网站站长的行为是否合法的步骤中，例如可以根据待分析网站站长的银行信用记录来进行判断，银行对个人具有个人信用记录，本申请的技术方案可以向银行的服务器发送相应请求，就可以获得该待分析网站站长的个人信用记录，如果存在例如逾期还款的行为，则将会降低该用户的信用评分；还可以根据用户的生活缴费记录对用户的信用评分进行调节，例如利用该待分析网站站长的支付宝中生活缴费的记录对该用户进行评价，如果存在拖欠生活缴费等记录，则降低该用户的信用评分；还可以通过该待分析网站站长的支付宝记录对该用户进行信用评分的调节，例如，如果在支付宝的付款交易中，存在拖延付款的情况，则可能降低改用户的信用评分；还可以通过对用户其它数据进行分析得到调节该用户信用评分的结果，例如，根据多个用户的样本数据，其中可能包括用户的电话号码、登录地址的变化、用户对商品评价的内容等数据，提取所有用户样本数据中的特征，根据该特征建立用户的违约预测模型，其中包括了优质用户，也包括了违约用户，再提取待分析网站站长的相应特征，将该站长的特征输入到违约预测模型中，就能够得到该用户是否可能在将来违约的预测结果，根据该预测结果得到对该用户的违约预测的信用评分。
判断上述该待分析网站站长的信用评分是否大于一个预设的门限值，如果超过该门限值则该待分析网站站长的行为合法，否则该待分析网站站长的行为不合法。
步骤504，退出网站授信的处理过程，输出该网站不予授信的结果。
步骤505，根据待分析网站的内容确定其行业分类。
在本步骤中，根据待分析网站的内容可以将网站分为多个行业分类，例如影视类、新闻类、社区类、移动产品类、购物类、游戏类等等。
具体分类的手段还是可以采用网站内容的关键字进行分类。
步骤506，根据所述待分析网站的行业分类，计算该行业分类中多个样本网站的平均浏览量区间。
在本实施例中，以每日为单位计算综合门户类型网站的平均浏览量区间，得到的浏览量区间为5个区间，分别为[100，1000)，[1000，10000)，[10000，100000),[100000，1000000),[1000000，∞)，其中浏览量区间可能还可以按照样本网站的浏览量做聚类处理，也就是将浏览量近似的样本网站作为一个浏览量区间，以得到各个浏览量区间。
步骤507，根据所述浏览量区间和待分析网站的浏览量，评估所述待分析网站的流量价值。
如表1所示，为本申请实施例以综合门户分类为例计算待分析网站的流量价值的表格。
表1
| 行业分类 | 待分析网站浏览量区间 | 流量价值 |
| 综合门户 | 浏览量>＝1000000 | 100 |
| 综合门户 | 1000000>浏览量>＝100000 | 60 |
| 综合门户 | 100000>浏览量>＝10000 | 30 |
| 综合门户 | 10000>浏览量>＝1000 | 10 |
| 综合门户 | 1000>浏览量>＝100 | 1 |
根据上述表格和待分析网站的浏览量，确定待分析网站浏览量所属的浏览量区间，可以得到待分析网站的流量价值。
步骤508，计算所述分类中位于不同浏览量区间中样本网站的平均回访率。
具体的可以参见表2所示，为本申请实施例以综合门户类型网站为例计算的不同浏览量区间的平均回访率表。
表2
在该表格中，每个浏览量区间中都具有多个样本网站，其中平均回访率是这些在某个浏览量区间中的样本网站的回访率，本实施例中的浏览量区间是平均每月的浏览量，波动率可以为样本网站几个月中回访率的变化值，在本实施例中以几个月之间回访率的方差作为波动率，在其它实施例中还可以采用其它方式计算波动率，例如环比变化率等，还可以将波动率转化为变异系数，用于与波动率一起表达流量波动的情况，还包括对于网站流量区间的编号seg字段。
步骤509，根据待分析网站的浏览量，比较所述待分析网站的回访率和平均回访率，得到所述待分析网站的回访质量。
在本实施例中，可以通过根据用户终端中的缓存记录来判断用户的回访率，具体技术手段可以使用现有技术中的方法，例如利用cookie等。
待分析网站的浏览量为32000000，回访率为21％，所述待分析网站的浏览量属于[30000000，∞)浏览量区间，该浏览量区间的平均回访率为20％，则该待分析网站的回访质量为高，可以使用1来表示回访质量高，0.8表示回访质量中等(相应的回访率可能为15％)，0.6表示回访质量低(相应的回访率可能为10％)。对于不同浏览量区间中的回访质量，可以根据平均回访率设定。
还可以参考上述表2中的平均回访率的波动率来计算回访质量，例如，如果波动率较大，则虽然平均回访率和待分析网站的回访率相差不多，如上述表2第2行所示，该待分析网站的回访质量也将会受到影响，平均回访率为15％，待分析网站的回访率为14％，由于波动率较大，则该待分析网站的回访质量为中等。
步骤510，利用所述回访质量修正所述流量价值。
在本实施例中，将上述该待分析网站的回访质量乘以流量价值得到修正后的流量价值。
步骤511，判断修正后的流量价值是否超过门限值，如果超过则进入步骤513，否则进入步骤512。
步骤512，退出网站授信的处理过程，输出该网站不予授信的结果。
步骤513，对待分析网站站长的历史数据进行分析，如果符合要求则进入步骤515，否则进入步骤514。
在本步骤中，对待分析网站站长的个人资产和消费能力进行分析，具体分析个人资产和消费能力的方法，可以通过获得用户在支付宝中进行的消费、转账等历史数据的特征，利用该特征进行建模，再提取待分析网站站长的历史数据的特征，利用前述数学模型进行分析，得到该用户的个人资产和消费能力。
如果个人资产和消费能力的和超过预设的门限值，则认为该待分析网站站长的历史数据符合要求，否则为不符合要求。
步骤514，退出网站授信的处理过程，输出该网站不予授信的结果。
步骤515，输出该待分析网站通过授信过程的结果，以供其它业务系统使用。
所述其它业务系统，例如可以为贷款系统，根据授信结果给予该网站贷款；或者是配额信通，根据该授信结果给该网站更大的存储空间等等。
通过上述本申请实施例中的方法及装置，可以根据网站的流量和回访质量对网站进行授信，使得授信通过后的网站可以进入其它业务系统，例如贷款系统，或者可以获得更高权限进行某些操作，例如扩容、得到更高的优先级从事某些业务等，并且通过对网站站长行为的分析可以进一步加强对网站授信的准确性。
对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable Gate Array，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片2。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware Description Language)、Confluence、CUPL(Cornell UniversityProgramming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(Ruby Hardware Description Language)等，目前最普遍使用的是VHDL(Very-High-Speed Integrated Circuit Hardware Description Language)与Verilog2。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、AtmelAT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。
本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本申请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，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例或者实施例的某些部分所述的方法。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本申请可用于众多通用或专用的计算机系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。
本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
虽然通过实施例描绘了本申请，本领域普通技术人员知道，本申请有许多变形和变化而不脱离本申请的精神，希望所附的权利要求包括这些变形和变化而不脱离本申请的精神。
Claims (42)
1.一种网站认证方法，其特征在于包括，
根据待分析网站的内容确定所述待分析网站所属的分类；
计算所述分类中多个样本网站的浏览量区间；
根据所述浏览量区间和待分析网站的浏览量，评估所述待分析网站的初始等级；
根据所述初始等级判断所述待分析网站是否通过认证。
2.根据权利要求1所述的方法，其特征在于，在根据所述浏览量区间和待分析网站的浏览量，评估所述待分析网站的初始等级之后还包括，根据所述待分析网站的回访质量修正所述待分析网站的初始等级；根据修正后的初始等级判断所述待分析网站是否通过认证。
3.根据权利要求1所述的方法，其特征在于，在根据待分析网站的内容确定所述待分析网站所属的分类之前还包括，根据所述待分析网站的内容和所述待分析网站站长的行为对所述待分析网站进行预认证，若所述预认证失败，则退出。
4.根据权利要求3所述的方法，其特征在于，所述根据所述待分析网站的内容对所述待分析网站进行预认证进一步包括，根据所述待分析网站的内容判断所述待分析网站是否合法。
5.根据权利要求3所述的方法，其特征在于，所述根据所述待分析网站站长的行为对所述待分析网站进行预认证进一步包括，获得用户行为特征，建立用户行为模型，根据所述用户行为模型分析所述待分析网站站长的行为，预测该待分析网站站长是否合法。
6.根据权利要求2所述的方法，其特征在于，所述待分析网站的回访质量通过如下步骤获得：
计算所述待分析网站的回访率；
计算所述分类的不同浏览量区间中多个样本网站的行业平均回访率；
在相同浏览量区间中比较所述行业平均回访率和所述回访率，得到在该浏览量区间中网站的回访质量。
7.根据权利要求6所述的方法，其特征在于，在相同浏览量区间中比较所述行业平均回访率和所述平均回访率，得到在该浏览量区间中待分析网站的回访质量中进一步包括，在相同浏览量区间中，若所述回访率大于行业平均回访率，则该待分析网站的回访质量为第一值；
若所述回访率等于行业平均回访率，则该待分析网站的回访质量为第二值；
若所述回访率小于行业平均回访率，则该待分析网站的回访质量为第三值。
8.根据权利要求2所述的方法，其特征在于，所述根据所述网站的回访质量修正所述网站的初始等级进一步包括，利用所述待分析网站的回访质量乘以所述初始等级。
9.根据权利要求2所述的方法，其特征在于，根据所述修正后的初始等级判断所述待分析网站是否通过认证进一步包括，若所述修正后的初始等级超过门限值，则所述待分析网站通过认证。
10.根据权利要求2所述的方法，其特征在于，根据所述修正后的初始等级判断所述待分析网站是否通过认证还包括，获取所述待分析网站站长的历史数据，判断所述历史数据是否符合预定要求，若不符合预定要求，则所述待分析网站不通过认证。
11.一种网站认证装置，其特征在于包括，
分类单元，用于根据待分析网站的内容确定所述待分析网站所属的分类；
计算单元，用于计算所述分类中多个样本网站的浏览量区间；
评估单元，用于根据所述浏览量区间和待分析网站的浏览量，评估所述待分析网站的初始等级；
认证单元，用于根据所述初始等级判断所述待分析网站是否通过认证。
12.根据权利要求11所述的装置，其特征在于还包括修正单元，用于根据所述待分析网站的回访质量修正所述待分析网站的初始等级；所述认证单元根据修正后的初始等级判断所述待分析网站是否通过认证。
13.根据权利要求11所述的装置，其特征在于还包括预认证单元，用于根据所述待分析网站的内容和所述待分析网站站长的行为对所述待分析网站进行预认证，若所述预认证失败，则退出。
14.根据权利要求13所述的装置，其特征在于，所述预认证单元进一步用于根据所述待分析网站的内容判断所述待分析网站是否合法。
15.根据权利要求13所述的装置，其特征在于，所述预认证单元进一步用于获得用户行为特征，建立用户行为模型，根据所述用户行为模型分析所述待分析网站站长的行为，预测该待分析网站站长是否合法。
16.根据权利要求12所述的装置，其特征在于，所述修正单元进一步用于，
计算所述待分析网站的回访率；
计算所述分类的不同浏览量区间中多个样本网站的行业平均回访率；
在相同浏览量区间中比较所述行业平均回访率和所述回访率，得到在该浏览量区间中待分析网站的回访质量。
17.根据权利要求12所述的装置，其特征在于，所述修正单元进一步用于，在相同浏览量区间中，若所述回访率大于行业平均回访率，则该待分析网站的回访质量为第一值；
若所述回访率等于行业平均回访率，则该待分析网站的回访质量为第二值；
若所述回访率小于行业平均回访率，则该待分析网站的回访质量为第三值。
18.根据权利要求17所述的装置，其特征在于，所述修正单元进一步用于，利用所述网站的回访质量乘以所述初始等级得到修正后的初始等级。
19.根据权利要求12所述的装置，其特征在于，所述认证单元进一步用于，若所述修正后的初始等级超过门限值，则所述待分析网站通过认证。
20.根据权利要求12所述的装置，其特征在于，所述认证单元还用于，获取所述待分析网站站长的历史数据，判断所述历史数据是否符合预定要求，若不符合预定要求，则所述待分析网站不通过认证。
21.一种网站授信方法，其特征在于包括，
根据待分析网站的内容确定所述待分析网站所属的分类；
计算所述分类中多个样本网站的浏览量区间；
根据所述浏览量区间和待分析网站的浏览量，评估所述待分析网站的流量价值；
根据所述流量价值判断所述待分析网站是否通过授信。
22.根据权利要求21所述的方法，其特征在于，在根据所述浏览量区间和待分析网站的浏览量，评估所述待分析网站的流量价值之后还包括，根据所述待分析网站的回访质量修正所述待分析网站的流量价值；根据所述修正后的流量价值判断所述待分析网站是否通过授信。
23.根据权利要求21所述的方法，其特征在于，在根据待分析网站的内容确定所述待分析网站所属的分类之前还包括，根据所述待分析网站的内容和所述待分析网站站长的行为对所述待分析网站进行准入判断，若所述准入判断失败，则退出。
24.根据权利要求23所述的方法，其特征在于，所述根据所述待分析网站的内容对所述待分析网站进行准入判断进一步包括，根据所述待分析网站的内容判断所述待分析网站是否合法。
25.根据权利要求23所述的方法，其特征在于，所述根据所述待分析网站站长的行为对所述待分析网站进行预认证进一步包括，获得用户行为特征，建立用户行为模型，根据所述用户行为模型分析所述待分析网站站长的行为，预测该待分析网站站长是否合法。
26.根据权利要求21所述的方法，其特征在于，根据所述浏览量区间和待分析网站的浏览量，评估所述待分析网站的流量价值进一步包括，确定所述待分析网站浏览量所属浏览量区间，根据不同浏览量区间预设的浏览量价值得到所述待分析网站的浏览量价值。
27.根据权利要求22所述的方法，其特征在于，所述待分析网站的回访质量通过如下步骤获得：
计算所述待分析网站的回访率；
计算所述分类的不同浏览量区间中多个样本网站的行业平均回访率；
在相同浏览量区间中比较所述行业平均回访率和所述回访率，得到在该浏览量区间中所述待分析网站的回访质量。
28.根据权利要求27所述的方法，其特征在于，在相同浏览量区间中比较所述行业平均回访率和所述平均回访率，得到在该浏览量区间中待分析网站的回访质量中进一步包括，在相同浏览量区间中，若所述回访率大于行业平均回访率，则该待分析网站的回访质量为第一值；
若所述回访率等于行业平均回访率，则该待分析网站的回访质量为第二值；
若所述回访率小于行业平均回访率，则该待分析网站的回访质量为第三值。
29.根据权利要求22所述的方法，其特征在于，所述根据所述网站的回访质量修正所述网站的流量价值进一步包括，利用所述待分析网站的回访质量乘以所述流量价值。
30.根据权利要求22所述的方法，其特征在于，根据所述修正后的流量价值判断所述待分析网站是否通过授信进一步包括，若所述修正后的流量价值超过门限值，则所述待分析网站通过授信。
31.根据权利要求22所述的方法，其特征在于，根据所述修正后的流量价值判断所述待分析网站是否通过授信还包括，获取所述待分析网站站长的历史数据，判断所述历史数据是否符合预定要求，若不符合预定要求，则所述待分析网站不通过授信。
32.一种网站授信装置，其特征在于包括，
分类单元，用于根据待分析网站的内容确定所述待分析网站所属的分类；
计算单元，用于计算所述分类中多个样本网站的浏览量区间；
评估单元，用于根据所述浏览量区间和待分析网站的浏览量，评估所述待分析网站的流量价值；
授信单元，用于根据所述流量价值判断所述待分析网站是否通过授信。
33.根据权利要求32所述的装置，其特征在于还包括修正单元，用于根据所述待分析网站的回访质量修正所述待分析网站的流量价值；所述授信单元，用于根据所述修正后的流量价值判断所述待分析网站是否通过授信。
34.根据权利要求32所述的装置，其特征在于还包括准入判断单元，用于根据所述待分析网站的内容和所述待分析网站站长的行为对所述待分析网站进行准入判断，若所述准入判断失败，则退出。
35.根据权利要求34所述的装置，其特征在于，所述准入判断单元进一步用于，根据所述待分析网站的内容判断所述待分析网站是否合法。
36.根据权利要求34所述的装置，其特征在于，所述准入判断单元进一步用于，获得用户行为特征，建立用户行为模型，根据所述用户行为模型分析所述待分析网站站长的行为，预测该待分析网站站长是否合法。
37.根据权利要求32所述的装置，其特征在于，所述评估单元进一步用于，确定所述待分析网站浏览量所属浏览量区间，根据不同浏览量区间预设的浏览量价值得到所述待分析网站的浏览量价值。
38.根据权利要求33所述的装置，其特征在于，所述修正单元进一步用于，计算所述待分析网站的回访率；
计算所述分类的不同浏览量区间中多个样本网站的行业平均回访率；
在相同浏览量区间中比较所述行业平均回访率和所述回访率，得到在该浏览量区间中所述待分析网站的回访质量。
39.根据权利要求33所述的装置，其特征在于，所述修正单元进一步用于，在相同浏览量区间中，若所述回访率大于行业平均回访率，则该待分析网站的回访质量为第一值；
若所述回访率等于行业平均回访率，则该待分析网站的回访质量为第二值；
若所述回访率小于行业平均回访率，则该待分析网站的回访质量为第三值。
40.根据权利要求39所述的装置，其特征在于，所述修正单元进一步用于，所述根据所述网站的回访质量修正所述网站的流量价值进一步包括，利用所述待分析网站的回访质量乘以所述流量价值。
41.根据权利要求33所述的装置，其特征在于，所述授信单元进一步用于，若所述修正后的流量价值超过门限值，则所述待分析网站通过授信。
42.根据权利要求33所述的装置，其特征在于，所述授信单元还用于，获取所述待分析网站站长的历史数据，判断所述历史数据是否符合预定要求，若不符合预定要求，则所述待分析网站不通过授信。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610077353.0A CN107038377B (zh) | 2016-02-03 | 2016-02-03 | 一种网站认证方法及装置、网站授信方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610077353.0A CN107038377B (zh) | 2016-02-03 | 2016-02-03 | 一种网站认证方法及装置、网站授信方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107038377A true CN107038377A (zh) | 2017-08-11 |
| CN107038377B CN107038377B (zh) | 2021-04-27 |
Family
ID=59532489
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610077353.0A Active CN107038377B (zh) | 2016-02-03 | 2016-02-03 | 一种网站认证方法及装置、网站授信方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107038377B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109617738A (zh) * | 2018-12-28 | 2019-04-12 | 优刻得科技股份有限公司 | 用户服务扩缩容的方法、系统和非易失性存储介质 |
| CN109921921A (zh) * | 2019-01-26 | 2019-06-21 | 复旦大学 | 一种时变网络中时效稳定社团的检测方法和装置 |
| CN110516173A (zh) * | 2019-08-28 | 2019-11-29 | 腾讯科技（深圳）有限公司 | 一种非法网站识别方法、装置、设备及介质 |
| CN112926834A (zh) * | 2021-01-29 | 2021-06-08 | 北京索为系统技术股份有限公司 | 工业app质量评价方法、装置、设备及介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101620620A (zh) * | 2009-08-06 | 2010-01-06 | 成都市华为赛门铁克科技有限公司 | 分析网页方法和装置 |
| CN101739412A (zh) * | 2008-11-18 | 2010-06-16 | 爱思开电讯投资（中国）有限公司 | 用于智能卡的网页安全评估装置和方法 |
| CN102567477A (zh) * | 2011-06-16 | 2012-07-11 | 北京亿赞普网络技术有限公司 | 网站价值评估方法及装置 |
| CN103577478A (zh) * | 2012-08-06 | 2014-02-12 | 腾讯科技（深圳）有限公司 | 网页推送方法及系统 |
| CN104618372A (zh) * | 2015-02-02 | 2015-05-13 | 同济大学 | 一种基于web浏览习惯的用户身份认证装置和方法 |
-
2016
- 2016-02-03 CN CN201610077353.0A patent/CN107038377B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101739412A (zh) * | 2008-11-18 | 2010-06-16 | 爱思开电讯投资（中国）有限公司 | 用于智能卡的网页安全评估装置和方法 |
| CN101620620A (zh) * | 2009-08-06 | 2010-01-06 | 成都市华为赛门铁克科技有限公司 | 分析网页方法和装置 |
| CN102567477A (zh) * | 2011-06-16 | 2012-07-11 | 北京亿赞普网络技术有限公司 | 网站价值评估方法及装置 |
| CN103577478A (zh) * | 2012-08-06 | 2014-02-12 | 腾讯科技（深圳）有限公司 | 网页推送方法及系统 |
| CN104618372A (zh) * | 2015-02-02 | 2015-05-13 | 同济大学 | 一种基于web浏览习惯的用户身份认证装置和方法 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109617738A (zh) * | 2018-12-28 | 2019-04-12 | 优刻得科技股份有限公司 | 用户服务扩缩容的方法、系统和非易失性存储介质 |
| CN109617738B (zh) * | 2018-12-28 | 2022-05-31 | 优刻得科技股份有限公司 | 用户服务扩缩容的方法、系统和非易失性存储介质 |
| CN109921921A (zh) * | 2019-01-26 | 2019-06-21 | 复旦大学 | 一种时变网络中时效稳定社团的检测方法和装置 |
| CN109921921B (zh) * | 2019-01-26 | 2021-06-04 | 复旦大学 | 一种时变网络中时效稳定社团的检测方法和装置 |
| CN110516173A (zh) * | 2019-08-28 | 2019-11-29 | 腾讯科技（深圳）有限公司 | 一种非法网站识别方法、装置、设备及介质 |
| CN112926834A (zh) * | 2021-01-29 | 2021-06-08 | 北京索为系统技术股份有限公司 | 工业app质量评价方法、装置、设备及介质 |
| CN112926834B (zh) * | 2021-01-29 | 2024-05-10 | 北京索为系统技术股份有限公司 | 工业app质量评价方法、装置、设备及介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107038377B (zh) | 2021-04-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107818344B (zh) | 用户行为进行分类和预测的方法和系统 | |
| Christl et al. | How companies use personal data against people | |
| US10504120B2 (en) | Determining a temporary transaction limit | |
| WO2020238535A1 (zh) | 聚合支付商户的套现风险检测方法及装置、电子设备 | |
| US11823072B2 (en) | Customer behavior predictive modeling | |
| TWI733944B (zh) | 調整風險參數的方法、風險識別方法及裝置 | |
| Bologa et al. | Big data and specific analysis methods for insurance fraud detection. | |
| Liang et al. | Credit risk and limits forecasting in e-commerce consumer lending service via multi-view-aware mixture-of-experts nets | |
| CN107038377A (zh) | 一种网站认证方法及装置、网站授信方法及装置 | |
| CN110069545B (zh) | 一种行为数据评估方法及装置 | |
| US20200327549A1 (en) | Robust and Adaptive Artificial Intelligence Modeling | |
| CN108711101A (zh) | 一种贷款交易方法、装置、系统和电子设备 | |
| TWI803823B (zh) | 資源資訊推送方法、裝置、伺服器及存儲介質 | |
| CN111143665A (zh) | 一种欺诈的定性方法、装置及设备 | |
| CN113052676A (zh) | 一种智能风控决策方法、装置、设备及可读存储介质 | |
| WO2020177477A1 (zh) | 一种信用服务推荐方法、装置及设备 | |
| US11113757B1 (en) | Systems and methods for filtering digital content having a negative financial influence | |
| CN114819967A (zh) | 数据处理方法、装置、电子设备及计算机可读存储介质 | |
| CN112511632B (zh) | 基于多源数据的对象推送方法、装置、设备及存储介质 | |
| CN109670929A (zh) | 贷款预警的控制方法、装置、设备及计算机可读存储介质 | |
| CN112487021A (zh) | 业务数据的关联分析方法、装置及设备 | |
| CN112163962A (zh) | 一种模型训练和业务风控的方法及装置 | |
| CN111275071A (zh) | 预测模型训练、预测方法、装置及电子设备 | |
| Mumic et al. | A multivariate test for detecting fraud based on Benford’s law, with application to music streaming data | |
| CN106815727B (zh) | 一种信息风险评估方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 1241507 Country of ref document: HK |
|
| TA01 | Transfer of patent application right |
Effective date of registration: 20201013 Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands Applicant after: Innovative advanced technology Co.,Ltd. Address before: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands Applicant before: Advanced innovation technology Co.,Ltd. Effective date of registration: 20201013 Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands Applicant after: Advanced innovation technology Co.,Ltd. Address before: Greater Cayman, British Cayman Islands Applicant before: Alibaba Group Holding Ltd. |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |