CN107517394A - 识别非法用户的方法、装置及计算机可读存储介质 - Google Patents

识别非法用户的方法、装置及计算机可读存储介质 Download PDF

Info

Publication number
CN107517394A
CN107517394A CN201710778106.8A CN201710778106A CN107517394A CN 107517394 A CN107517394 A CN 107517394A CN 201710778106 A CN201710778106 A CN 201710778106A CN 107517394 A CN107517394 A CN 107517394A
Authority
CN
China
Prior art keywords
information
user
behavioural
subclass
targeted customer
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
Application number
CN201710778106.8A
Other languages
English (en)
Inventor
王琳
陈臻
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Xiaomi Mobile Software Co Ltd
Original Assignee
Beijing Xiaomi Mobile Software Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Xiaomi Mobile Software Co Ltd filed Critical Beijing Xiaomi Mobile Software Co Ltd
Priority to CN201710778106.8A priority Critical patent/CN107517394A/zh
Publication of CN107517394A publication Critical patent/CN107517394A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/258—Client or end-user data management, e.g. managing client capabilities, user preferences or demographics, processing of multiple end-users preferences to derive collaborative data
    • H04N21/25866—Management of end-user data
    • H04N21/25875—Management of end-user data involving end-user authentication
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/258—Client or end-user data management, e.g. managing client capabilities, user preferences or demographics, processing of multiple end-users preferences to derive collaborative data
    • H04N21/25866—Management of end-user data
    • H04N21/25891—Management of end-user data being end-user preferences
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/442—Monitoring of processes or resources, e.g. detecting the failure of a recording device, monitoring the downstream bandwidth, the number of times a movie has been viewed, the storage space available from the internal hard disk
    • H04N21/44213—Monitoring of end-user related data
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/47—End-user applications
    • H04N21/478—Supplemental services, e.g. displaying phone caller identification, shopping application
    • H04N21/4788—Supplemental services, e.g. displaying phone caller identification, shopping application communicating with other users, e.g. chatting

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Computer Graphics (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Social Psychology (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computer Security & Cryptography (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本公开提供了一种识别非法用户的方法、装置及计算机可读存储介质，属于互联网技术领域。所述方法包括：获取待识别的目标用户在社交平台中的目标行为信息；将所述目标行为信息输入识别模型中，输出识别结果，识别模型为基于样本数据训练得到的，所述样本数据包括第一预设数目个第一类行为信息和第二预设数目个第二类行为信息，第一类行为信息为合法用户在所述社交平台中的行为信息，第二类行为信息为非法用户在所述社交平台中的行为信息；当所述识别结果用于指示非法时，确定所述目标用为非法用户。本公开基于目标用户在社交平台中的目标行为信息，对目标用户在社交平台中进行的行为进行分析，以确定该目标用户是否为合法用户，提高了识别准确性。

Description

识别非法用户的方法、装置及计算机可读存储介质
技术领域
本公开涉及互联网技术领域，尤其涉及一种识别非法用户的方法、装置及计算机可读存储介质。
背景技术
随着互联网技术的发展，出现了很多直播应用。主播可以将自己的表演通过直播应用直播给当前观看该主播的观众。为了体现观众对主播的喜欢，观众可以赠送礼物给主播；主播将接收到的礼物兑换成金钱并提取到自己的账户中，从而实现体现。然而有一些非法用户利用直播应用平台进行洗钱，因此，服务器如何识别非法用户是业界关注的重点。
相关技术中，服务器事先建立一个黑名单，该黑名单中包括非法用户的手机号码。服务器在确定待识别的目标用户是否为非法用户时，确定该目标用户的手机号码是否在该黑名单中。当该目标用户的手机号码在该黑名单中时，服务器确定该目标用户为非法用户；当该目标用户的手机号码不在该黑名单中时，服务器确定该目标用户为合法用户。
发明内容
为克服相关技术中存在的问题，本公开提供一种识别非法用户的方法、装置及计算机可读存储介质，所述技术方案如下：
根据本公开实施例的第一方面，提供一种识别非法用户的方法，所述方法包括：
获取待识别的目标用户在社交平台中的目标行为信息；
将所述目标行为信息输入识别模型中，输出识别结果，所述识别模型为基于样本数据训练得到的，所述样本数据包括第一预设数目个第一类行为信息和第二预设数目个第二类行为信息，第一类行为信息为合法用户在所述社交平台中的行为信息，第二类行为信息为非法用户在所述社交平台中的行为信息；
当所述识别结果用于指示非法时，确定所述目标用为非法用户。
在本公开实施例中，获取目标用户在社交平台中的目标行为信息，根据该目标行为信息和识别模型，识别该目标用户是否为非法用户。由于对目标用户在社交平台上的行为进行分析识别，能够准确识别出非法用户，提高了识别准确性。
在一个可能实现方式中，所述目标行为信息包括所述目标用户与指定类型用户之间的目标交互信息和/或所述目标用户的目标交易信息。
在一个可能实现方式中，所述目标交互信息包括至少一个指定时间段内所述目标用户给所述指定类型用户赠送礼物的虚拟货币总数、赠送礼物给所述指定类型用户的用户数目、所述至少一个指定时间段内每个指定类型用户接收到的礼物数目、给所述每个指定类型用户赠送礼物的用户数目与所述每个指定类型用户的粉丝数目的比值、所述目标用户赠送的礼物中指定类型的礼物所占比例和赠送的礼物的种类中的至少一项信息；
所述目标交易信息包括所述目标用户通过指定充值渠道充值的充值比例。
在一个可能实现方式中，所述将所述目标行为信息输入识别模型中，输出识别结果之前，所述方法还包括：
获取所述样本数据；
根据所述样本数据，训练所述识别模型。
在本公开实施例中，根据样本数据，训练识别模型，提高了识别模型的准确性。
在一个可能实现方式中，所述根据所述样本数据，训练所述识别模型，包括：
根据所述样本数据，确定行为特征集合，所述行为特征集合包括第一预设数目个第一类行为特征和第二预设数目个第二类行为特征，第一类行为特征为基于第一类行为信息得到的，第二类行为特征为基于第二类行为信息得到的；
对所述行为特征集合进行聚类，得到多个子集合，每个子集合包括至少一个行为特征；
根据所述每个子集合包括的行为特征，确定所述每个子集合的类别，所述类别为非法或者合法；
将所述每个子集合和所述每个子集合的类别组成所述识别模型。
在本公开实施例中，对行为特征集合进行聚类，将每个子集合和每个子集合的类别组成识别模型，提高了后续基于识别模型识别目标用户的准确性。
在一个可能实现方式中，所述将所述目标行为信息输入识别模型中，输出识别结果，包括：
确定所述目标行为信息对应的目标行为特征；
确定所述目标行为特征分别与所述识别模型包括的每个子集合之间的匹配度；
从所述每个子集合中选择与所述目标行为特征之间匹配度最高的子集合；
将选择的子集合对应的类别作为识别结果输出。
在一个可能实现方式中，所述确定所述目标行为信息对应的目标行为特征，包括：
对于所述目标行为信息包括的每项信息，根据所述信息对应的取值，从所述信息对应的取值范围和特征值的对应关系中获取所述信息对应的特征值；
将所述每项信息对应的特征值组成所述目标行为特征。
在本公开实施例中，由于每项信息对应的取值范围不一样，因此，将每项信息对应的取值按照相同的标准进行归一化处理，提高了确定出的目标行为特征的准确性。
根据本公开实施例的第二方面，提供一种识别非法用户的装置，所述装置包括：
获取模块，用于获取待识别的目标用户在社交平台中的目标行为信息；
输出模块，用于将所述目标行为信息输入识别模型中，输出识别结果，所述识别模型为基于样本数据训练得到的，所述样本数据包括第一预设数目个第一类行为信息和第二预设数目个第二类行为信息，第一类行为信息为合法用户在所述社交平台中的行为信息，第二类行为信息为非法用户在所述社交平台中的行为信息；
识别模块，用于当所述识别结果用于指示非法时，确定所述目标用为非法用户。
在一个可能实现方式中，所述目标行为信息包括所述目标用户与指定类型用户之间的目标交互信息和/或所述目标用户的目标交易信息。
在一个可能实现方式中，所述目标交互信息包括至少一个指定时间段内所述目标用户给所述指定类型用户赠送礼物的虚拟货币总数、赠送礼物给所述指定类型用户的用户数目、所述至少一个指定时间段内每个指定类型用户接收到的礼物数目、给所述每个指定类型用户赠送礼物的用户数目与所述每个指定类型用户的粉丝数目的比值、所述目标用户赠送的礼物中指定类型的礼物所占比例和赠送的礼物的种类中的至少一项信息；
所述目标交易信息包括所述目标用户通过指定充值渠道充值的充值比例。
在一个可能实现方式中，所述装置还包括：
所述获取模块，还用于获取所述样本数据；
训练模块，用于根据所述样本数据，训练所述识别模型。
在一个可能实现方式中，所述训练模块，还用于根据所述样本数据，确定行为特征集合，所述行为特征集合包括第一预设数目个第一类行为特征和第二预设数目个第二类行为特征，第一类行为特征为基于第一类行为信息得到的，第二类行为特征为基于第二类行为信息得到的；对所述行为特征集合进行聚类，得到多个子集合，每个子集合包括至少一个行为特征；根据所述每个子集合包括的行为特征，确定所述每个子集合的类别，所述类别为非法或者合法；将所述每个子集合和所述每个子集合的类别组成所述识别模型。
在一个可能实现方式中，所述输出模块，还用于确定所述目标行为信息对应的目标行为特征；确定所述目标行为特征分别与所述识别模型包括的每个子集合之间的匹配度；从所述每个子集合中选择与所述目标行为特征之间匹配度最高的子集合；将选择的子集合对应的类别作为识别结果输出。
在一个可能实现方式中，所述输出模块，还用于对于所述目标行为信息包括的每项信息，根据所述信息对应的取值，从所述信息对应的取值范围和特征值的对应关系中获取所述信息对应的特征值；将所述每项信息对应的特征值组成所述目标行为特征。
根据本公开实施例的第三方面，提供一种识别非法用户的装置，所述装置包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为：
获取待识别的目标用户在社交平台中的目标行为信息；
将所述目标行为信息输入识别模型中，输出识别结果，所述识别模型为基于样本数据训练得到的，所述样本数据包括第一预设数目个第一类行为信息和第二预设数目个第二类行为信息，第一类行为信息为合法用户在所述社交平台中的行为信息，第二类行为信息为非法用户在所述社交平台中的行为信息；
当所述识别结果用于指示非法时，确定所述目标用为非法用户。
根据本公开实施例的第二方面，提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述程序被处理器执行时实现以下步骤：
获取待识别的目标用户在社交平台中的目标行为信息；
将所述目标行为信息输入识别模型中，输出识别结果，所述识别模型为基于样本数据训练得到的，所述样本数据包括第一预设数目个第一类行为信息和第二预设数目个第二类行为信息，第一类行为信息为合法用户在所述社交平台中的行为信息，第二类行为信息为非法用户在所述社交平台中的行为信息；
当所述识别结果用于指示非法时，确定所述目标用为非法用户。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
在本公开实施例中，获取目标用户在社交平台中的目标行为信息，根据目标行为信息和识别模型，识别该目标用户是否为合法用户。由于基于用户的目标行为信息，对目标用户在社交平台中进行的行为进行分析，以确定该目标用户是否为合法用户，提高了识别准确性。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
图1是根据一示例性实施例示出的一种识别非法用户的方法的流程图；
图2是根据一示例性实施例示出的一种识别非法用户的方法的流程图；
图3是根据一示例性实施例示出的一种识别非法用户的方法的流程图；
图4是根据一示例性实施例示出的一种识别非法用户的装置的框图；
图5是根据一示例性实施例示出的一种识别非法用户的装置的框图；
图6是根据一示例性实施例示出的一种视识别非法用户的装置的框图。
具体实施方式
为使本公开的目的、技术方案和优点更加清楚，下面将结合附图对本公开实施方式作进一步地详细描述。
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
图1是根据一示例性实施例示出的一种识别非法用户的方法的流程图，该方法应用于服务器中；如图1所示，包括以下步骤。
在步骤S101中，获取待识别的目标用户在社交平台中的目标行为信息。
在步骤S102中，将该目标行为信息输入识别模型中，输出识别结果，该识别模型为基于样本数据训练得到的，该样本数据包括第一预设数目个第一类行为信息和第二预设数目个第二类行为信息，第一类行为信息为合法用户在该社交平台中的行为信息，第二类行为信息为非法用户在该社交平台中的行为信息。
在步骤S103中，当该识别结果用于指示非法时，确定该目标用为非法用户。
在一种可能实现方式中，该目标行为信息包括该目标用户与指定类型用户之间的目标交互信息和/或该目标用户的目标交易信息。
在一种可能实现方式中，该目标交互信息包括至少一个指定时间段内该目标用户给该指定类型用户赠送礼物的虚拟货币总数、赠送礼物给该指定类型用户的用户数目、该至少一个指定时间段内每个指定类型用户接收到的礼物数目、给该每个指定类型用户赠送礼物的用户数目与该每个指定类型用户的粉丝数目的比值、该目标用户赠送的礼物中指定类型的礼物所占比例和赠送的礼物的种类中的至少一项信息；
该目标交易信息包括该目标用户通过指定充值渠道充值的充值比例。
在一种可能实现方式中，该将该目标行为信息输入识别模型中，输出识别结果之前，该方法还包括：
获取该样本数据；
根据该样本数据，训练该识别模型。
在一种可能实现方式中，该根据该样本数据，训练该识别模型，包括：
根据该样本数据，确定行为特征集合，该行为特征集合包括第一预设数目个第一类行为特征和第二预设数目个第二类行为特征，第一类行为特征为基于第一类行为信息得到的，第二类行为特征为基于第二类行为信息得到的；
对该行为特征集合进行聚类，得到多个子集合，每个子集合包括至少一个行为特征；
根据该每个子集合包括的行为特征，确定该每个子集合的类别，该类别为非法或者合法；
将该每个子集合和该每个子集合的类别组成该识别模型。
在一种可能实现方式中，该将该目标行为信息输入识别模型中，输出识别结果，包括：
确定该目标行为信息对应的目标行为特征；
确定该目标行为特征分别与该识别模型包括的每个子集合之间的匹配度；
从该每个子集合中选择与该目标行为特征之间匹配度最高的子集合；
将选择的子集合对应的类别作为识别结果输出。
在一种可能实现方式中，该确定该目标行为信息对应的目标行为特征，包括：
对于该目标行为信息包括的每项信息，根据该信息对应的取值，从该信息对应的取值范围和特征值的对应关系中获取该信息对应的特征值；
将该每项信息对应的特征值组成该目标行为特征。
上述所有可选技术方案，可以采用任意结合形成本公开的可选实施例，在此不再一一赘述。
在本公开实施例中，获取目标用户在社交平台中的目标行为信息，根据目标行为信息和识别模型，识别该目标用户是否为合法用户。由于基于用户的目标行为信息，对目标用户在社交平台中进行的行为进行分析，以确定该目标用户是否为合法用户，提高了识别准确性。
在本公开实施例中，是通过识别模型识别待识别的目标用户是否为非法用户。因此，在识别用户之前，服务器通过以下步骤S201-S205训练识别模型。如图2所示，包括以下步骤。
在步骤S201中，服务器获取样本数据。
该样本数据中包括第一预设数目个第一类行为信息和第二预设数目个第二类行为信息，第一类行为信息为合法用户在社交平台中的行为信息，第二类行为信息为非法用户在社交平台中的行为信息。合法用户是指在社交平台中进行具有正常行为的用户，非法用户是指在社交平台中进行洗钱的用户。
用户的行为信息包括用户与指定类型用户之间的交互信息和/或用户的交易信息。其中，指定类型用户可以为好友用户、主播用户或者与用户关联的用户等。交互信息包括至少一个指定时间段内赠送礼物的虚拟货币总数、赠送礼物给主播的主播数目、所述至少一个指定时间段内每个主播接收到的礼物数目、给所述每个主播赠送礼物的粉丝数量与所述每个主播的粉丝数量的比值、赠送礼物中指定类型的礼物所占比例和赠送的礼物的种类中的至少一项信息。交易信息包括用户通过指定充值渠道充值的充值比例。
第一预设数目和第二预设数目可以相等，也可以不相等。并且，第一预设数目和第二预设数目都可以根据需要进行设置并更改，在本公开实施例中，对第一预设数目和第二预设数目都不作具体限定。例如，第一预设数目和第二预设数目相等，且第一预设数目和第二预设数据均取30。
在步骤S202中，服务器根据样本数据，确定行为特征集合，该行为特征集合包括第一预设数目个第一类行为特征和第二预设数目个第二类行为特征。
第一类行为特征为基于第一类行为信息得到的，第二类行为特征为基于第二类行为信息得到的。本步骤可以通过以下第一种方式或者第二种方式实现。
对于第一种实现方式，本步骤可以为：
对于行为信息包括的每项信息，服务器可以直接将该信息的取值作为该信息的特征值，将该行为信息包括的每项信息的特征值组成该行为信息对应的行为特征。
例如，行为信息包括一个指定时间段内赠送礼物的虚拟货币总数、赠送礼物给主播的主播数目和该指定时间段内每个主播接收到的礼物数目。该虚拟货币总数为500、该主播数目为2，每个主播接收到的礼物数目分别为1和10。则将一个指定时间段内赠送礼物的虚拟货币总数、赠送礼物给主播的主播数目和该指定时间段内每个主播接收到的礼物数目组成的数组作为该行为信息对应的行为特征，也即该行为信息对应的行为特征为(500,2,1,10)。
对于第二种实现方式，由于行为信息中有的信息的取值范围在[0,1]之间(例如，用户通过指定充值渠道充值的充值比例)，有的信息的取值范围比较大，甚至没有上限(例如，虚拟货币总数)。因此，为了提高分类准确性，在本公开实施例中，对于行为信息包括的每项信息，服务器根据等频离散化规则，将样本数据中该项信息的取值划分为多组，每组包括的该项信息的取值的数目大致相同。服务器为每组设置一个特征值，并存储该组的取值范围和特征值的对应关系。后续将目标用户的行为信息根据离散化规则映射到其中一组中，并将该组的特征值确定为该行为信息的行为特征。相应的，本步骤可以通过以下步骤(1)至(2)实现，包括：
(1)：对于行为信息包括的每项信息，服务器将样本数据包括的该项信息对应的取值划分为多个分组。
服务器根据样本数据包括的该项信息对应的取值按从大到小的顺序进行排序，根据排序后的信息取值，将样本数据包括的该项信息对应的取值划分为多个分组，每个分组包括不少于第三预设数目个取值。且相同的信息取值被划分到同一个分组中。
第三预设数目可以根据需要进行设置并更改，在本公开实施例中，对第三预设数目不作具体限定。例如，第三预设数目为10或者20。
例如，第三预设数目为2。该项信息为虚拟货币总数，样本数据包括的虚拟货币总数分别为10,10,10,20,30,40,50,100,200。服务器将虚拟货币总数划分为4组，每组的基准个数为2个，相同的虚拟货币总数被划分为同一个分组中，则服务器划分得到的分组分别为{10,10,10}，{20,30}，{40,50}，{100,200}。
(2)：对于每组，服务器为该组设置特征值。
服务器存储每个信息的每组信息取值和特征值的对应关系。其中，每组的特征值不同，并且，相邻两组的特征值之差相同。例如，服务器分别为{10,10,10}，{20,30}，{40,50}，{100,200}设置特征值为：1,2,3和4。
(3)：服务器将该行为信息包括的各项信息的特征值组成该行为信息对应的特征值。
对于该行为信息包括的每项信息，服务器获取该项信息所在的分组的特征值，将该特征值作为该项信息的特征值，将每项信息的特征组成该行为信息对应的特征。
在步骤S203中，服务器对行为特征集合进行聚类，得到多个子集合，每个子集合包括至少一个行为特征。
服务器通过预设聚类算法对行为特征集合中的行为特征进行聚类，得到多个子集合。预设聚类算法可以根据需要进行设置并更改，在本公开实施例中，对预设聚类算法不作具体限定。例如，预设聚类算法可以为Kmeans聚类算法。
在步骤S204中，服务器根据每个子集合包括的行为特征，确定每个子集合的类别，该类别为非法或者合法。
对于每个子集合，服务器确定该子集合包括的第一类行为特征的第一数量和第二类行为特征的第二数量。服务器根据第一数量和第二数量，确定该子集合的类别。
一般情况下，当子集合中包括的非法用户的第二类行为特征较多时，该子集合的类别为非法，当子集合中包括的合法用户的第一类行为特征较多时，该子集合的类别为合法。相应的，服务器根据第一数量和第二数量，确定该子集合的类别的步骤可以为：
服务器确定第一数量和第二数量的比值。当该比值大于预设阈值时，服务器确定该该子集合的类别为合法；当该比值不大于预设阈值时，服务器确定该子集合的类别为非法。
预设阈值可以根据需要进行设置并更改，在本公开实施例中，对预设阈值不作具体限定。例如，预设阈值可以为60％或者80％等。
为了简化处理，服务器可以直接根据第一数量和第二数量的大小，确定该子集合的类别。相应的，服务器根据第一数量和第二数量，确定该子集合的类别的步骤可以为：
当第一数量大于第二数量，服务器确定该子集合的类别为合法；当第一数量不大于第二数量，服务器确定该子集合的类别为非法。
在步骤S205中，服务器将每个子集合和每个子集合的类别组成识别模型。
服务器绑定每个子集合和每个子集合的类别的对应关系，将每个子集合和每个子集合的类别的对应关系组成识别模型。后续基于该识别模型识别待识别的目标用户是否为非法用户。
在本公开实施例中，服务器根据样本数据，训练识别模型，后续基于待识别的目标用户在社交平台中的目标行为信息和该识别模型，识别目标用户是否为非法用户，提高了识别准确性。
图3是根据一示例性实施例示出的一种识别非法用户的方法的流程图，该方法应用在服务器中。该服务器可以为直播服务器或者游戏服务器等。如图2所示，包括以下步骤。
在步骤S301中，服务器获取待识别的目标用户在社交平台中的目标行为信息。
其中，该目标行为信息包括该目标用户与指定类型用户之间的目标交互信息和/或目标用户的目标交易信息。其中，该目标交易信息包括至少一个指定时间段内目标用户给指定类型用户赠送礼物的虚拟货币总数、赠送礼物给指定类型用户的用户数目、至少一个指定时间段内每个指定类型用户接收到的礼物数目、给每个指定类型用户赠送礼物的用户数目与每个指定类型用户的粉丝数目的比值、目标用户赠送的礼物中指定类型的礼物所占比例和赠送的礼物的种类中的至少一项信息。目标交易信息包括目标用户通过指定充值渠道充值的充值比例。目标交易信息还可以包括目标用户通过指定充值渠道充值的资源数值。
目标用户为为当前登录或者历史登录服务器的任一用户。服务器获取目标用户对应的目标行为信息的步骤可以通过以下(一)至(七)中的任一种或者多种方式实现，包括：
(一)：一般情况下，社交平台对应至少一个充值渠道，目标用户可以通过至少一个充值渠道向目标用户的用户账户中充值。其中，至少一个充值渠道可以包括国内充值渠道和/或国外充值渠道。国内充值渠道可以包括支付宝、微信和小米钱包中的至少一个。国外充值渠道可以包括PAPAL、苹果支付和google play中的至少一个。
每个充值渠道的实现方式以及处理逻辑不同，一旦某个充值渠道有漏洞且该漏洞被爆出后，一段时间内就会有大量的用户通过该充值渠道进行充值。因此，服务器利用坏账统计手段确定出有漏洞的充值渠道，将确定出的充值渠道称为指定充值渠道。当目标行为信息包括通过指定充值渠道充值的充值比例，本步骤可以为：
服务器获取第一金额和第二金额，第一金额为目标用户通过指定充值渠道充值的金额，第二金额为目标用户的总充值金额。服务器根据该第一金额和第二金额，确定目标用户通过该指定充值渠道充值的充值比例。其中，服务器确定第一金额和第二金额的比值，将该比值确定为目标用户通过该指定充值渠道充值的充值比例。
由于目标用户可以自己向自己的用户账户中充值，也可以通过接收他人赠送的虚拟货币实现向自己的用户账户中充值。因此，当目标用户的所有虚拟货币均是自己通过充值渠道充值得到的，则第一金额包括目标用户自己通过指定充值渠道充值的充值金额，该第二金额包括目标用户的历史的充值总金额。当目标用户的所有虚拟货币中还包括他人赠送给该目标用户的虚拟货币，该第一金额除了包括自己通过指定充值渠道充值的充值金额外，还包括被赠送的虚拟货币中通过指定充值渠道充值的充值金额。第二金额除了包括目标用户的历史的充值总金额，还包括被赠送的虚拟货币的总金额。相应的，服务器确定第一金额的步骤可以为：
服务器确定目标用户自己通过指定充值渠道充值的第三金额以及被赠送的虚拟货币中通过指定充值渠道充值的第四金额，将第三金额和第四金额之和确定为第一金额。
其中，服务器确定被赠送的虚拟货币中通过指定充值渠道充值的第四金额的步骤可以为：
服务器确定被赠送的虚拟货币的用户通过指定充值渠道充值的充值比例，将该充值比例与该被赠送的虚拟货币的乘积确定为第四金额。
例如，假设A用户具有虚拟货币总量为Av，B用户具有虚拟货币总量为Bv，假设有两种充值渠道a、b，并且A用户所有虚拟货币中各渠道所占比例为Aa、Ab，B用户所有虚拟货币各渠道所占比例为Ba，Bb。则当A用户给B用户V的虚拟货币后，A用户各渠道所占比例不变，B用户虚拟货币比例更新为Ba2＝(Bv*Ba+V*Aa),Bb2＝(Bv*Bb+V*Ab),Ba_new＝Ba2/(Ba2+Bb2),Bb_new＝Bb2/(Ba2+Bb2)。其中Ba_new,Bb_new即为B用户分别通过充值渠道a和b对应的新的充值比例。
(二)：当该目标行为信息中包括至少一个指定时间段内目标用户给指定类型用户赠送礼物的虚拟货币总数时，本步骤可以为：
服务器确定至少一个指定时间段，对于每个指定时间段，服务器确定在该指定时间段内目标用户给指定类型用户赠送的每种礼物的数量和虚拟货币数，根据每种礼物的数量和虚拟货币数，确定虚拟货币总数。
每个指定时间段的长度不同；并且，指定时间段的长度和个数都可以根据需要进行设置并更改，在本公开实施例中，对指定时间段的长度和个数都不作具体限定。例如，服务器确定5个指定时间段，分别为1分钟，3分钟，10分钟，30分钟和60分钟。
(三)：一般情况下，非法用户通过社交平台洗钱时，往往会注册多个用户账户，其中一个用户账户充当主播账户，其他用户账户充当粉丝账户，然后通过粉丝账户给主播赠送礼物。因此，非法用户往往仅给一个或者两个等少数主播赠送礼物。相应的，当该目标行为信息包括目标用户赠送礼物给指定类型用户的用户数目，则本步骤可以为：
服务器获取目标用户的赠送礼物的记录，该记录中包括赠送礼物给指定类型用户的用户标识；根据该记录中包括的指定类型的用户标识，统计该目标用户赠送礼物给指定类型用户的用户数目。其中，用户标识可以为用户在服务器中注册的用户账户，例如，手机号码或者昵称等。
(四)：一般情况下，非法用户通过社交平台洗钱时，往往会一段时间内大量赠送礼物给主播。因此，服务器基于一段时间内主播获取的礼物数目，分析出目标用户是否是非法用户。相应的，当该目标行为信息包括至少一个指定时间段内每个指定类型用户接收到的礼物数目，则本步骤可以为：
服务器确定至少一个指定时间段，统计在每个指定时间段内每个指定类型用户接收到的礼物数目。其中，每个指定类型用户是指目标用户赠送礼物的每个指定类型用户。
每个指定时间段的长度不同；并且，指定时间段的长度和个数都可以根据需要进行设置并更改，在本公开实施例中，对指定时间段的长度和个数都不作具体限定。例如，服务器确定5个指定时间段，分别为1分钟，3分钟，10分钟，30分钟和60分钟。
需要说明的是，由于某个指定时间段内可能没有粉丝赠送礼物给主播，也即该指定时间段内主播收到的礼物数目为零。因此，服务器确定出每个指定时间段内每个主播接收到的礼物数目之后，服务器删除礼物数目为0的记录。
(五)：一般情况下，非法用户通过社交平台洗钱时，主播的粉丝数量往往较少，且大部分粉丝都赠送礼物。因此，服务器基于给主播赠送礼物的粉丝数量与每个主播的粉丝数量的比值，分析出该目标用户是否为非法用户。相应的，当该目标行为信息包括给每个指定类型用户赠送礼物的用户数目与每个指定类型用户的粉丝数量的比值时，本步骤可以为：
对于每个指定类型用户，服务器获取该指定类型用户接收礼物的记录，该记录中包括给该指定类型用户赠送礼物的粉丝标识；基于该记录统计给该指定类型用户赠送礼物的用户数量。服务器获取该指定类型用户的粉丝数量，确定该用户数量与该粉丝数量的比值。
服务器中存储每个指定类型用户的用户标识和粉丝数量的对应关系；相应的，服务器获取该指定类型用户的粉丝数量的步骤可以为：
服务器根据该指定类型用户的用户标识，从用户标识和粉丝数量的对应关系中获取该指定类型用户的粉丝数量。
(六)：社交平台中有多种礼物，有的礼物对应的虚拟货币多，有的礼物对应的虚拟货币少；合法用户赠送给主播的礼物往往为对应虚拟货币较少的礼物，而非法用户赠送给主播的礼物往往为对应虚拟货币多的礼物。因此，服务器可以基于给主播赠送礼物中小额虚拟货币对应的礼物所占比例，分析目标用户是否为非法用户。相应的，当该目标行为信息包括赠送礼物中指定类型的礼物所占比例，本步骤可以为：
服务器确定赠送礼物总数以及指定类型的礼物数目，根据该赠送礼物总数以及指定类型的礼物数目，确定赠送礼物中指定类型的礼物所占比例。其中，指定类型的礼物是指礼物对应的虚拟货币数量小于预设阈值的礼物。预设阈值可以根据需要进行设置并更改，在本公开实施例中，对预设阈值不作具体限定；例如，预设阈值可以为20或者30等。
(七)：合法用户赠送给主播的礼物的种类往往较多，而非法用户赠送给主播的礼物的种类往往较少。因此，服务器可以基于目标用户给主播赠送礼物的种类，分析目标用户是否为非法用户。相应的，当该目标行为信息包括赠送的礼物的种类时，本步骤可以为：
服务器确定该目标用户赠送礼物的记录，该记录中包括每次赠送给指定类型用户的礼物标识；基于该记录，统计该目标用户赠送给主播的礼物的种类。其中，该礼物标识可以为礼物编号、简介或者对应的虚拟货币的金额等。
在步骤S302中，服务器确定该目标行为信息对应的目标行为特征。
本步骤可以通过以下第一种方式或者第二种方式实现。对于第一种实现方式，本步骤可以为：
服务器将该目标行为信息包括的每项信息对应的取值组成目标行为特征。
对于第二种实现方式，本步骤可以通过以下步骤(1)至(2)实现，包括：
(1)：对于该目标行为信息包括的每项信息，服务器根据该信息对应的取值，从信息对应的取值范围和特征值的对应关系中获取该信息对应的特征值。
服务器根据该信息对应的取值，确定该信息对应的取值所在的取值范围；根据该取值范围，从该信息对应的取值范围和特征值的对应关系中获取该信息对应的特征值。
(2)：服务器将每项信息对应的特征值组成目标行为特征。
在步骤S303中，服务器确定该目标行为特征分别与每个子集合之间的匹配度。
对于每个子集合，服务器通过Kmeans聚类算法，确定该目标行为特征与该子集合之间的距离，将该距离确定为该目标行为特征与该子集合之间的匹配度。
在步骤S304中，服务器根据该目标行为特征分别与每个子集合之间的匹配度，从每个子集合中选择与该目标行为特征之间匹配度最高的子集合。
在步骤S305中，服务器将选择的子集合对应的类别作为识别结果输出。
服务器中存储每个子集合和类别的对应关系。相应的，服务器根据该选择的子集合，从子集合和类别的对应关系中获取该选择的子集合对应的类别，输出该选择的子集合对应的类别。
在步骤S306中，当该识别结果用于指示非法时，服务器确定该目标用户为非法用户。
服务器确定该目标用户为非法用户时，服务器对目标用户进行人工审核，确定该目标用户是否正在进行非法行为。
在一个可能实现方式中，如果该目标用户和其他用户具有相同的IP(InternetProtocol，网络之间互连的协议)地址，且在同一时间段充值，则该目标用户应该为非法用户。相应的，服务器在执行步骤S301之前，服务器确定是否存在与该目标用户在同一时间段内使用相同终端进行充值的用户；如果存在，确定该目标用户为非法用户。如果不存在，执行步骤S301，并通过识别模型对该目标用户进行识别。
当服务器识别出该目标用户为非法用户时，服务器通过预设惩罚方式对该目标用户进行惩罚。其中，预设惩罚方式可以为对目标用户进行封号、对目标用户进行罚款或者对召回目标用户通过指定充值渠道取值的金额等。由于召回目标用户通过指定充值渠道取值的金额，提高了召回率，并降低了坏账比例。
在一个可能的实现方式中，当该识别结果用于指示合法时，服务器确定该目标用户为合法用户。
在本公开实施例中，获取目标用户在社交平台中的目标行为信息，根据目标行为信息和识别模型，识别该目标用户是否为合法用户。由于基于用户的目标行为信息，对目标用户在社交平台中进行的行为进行分析，以确定该目标用户是否为合法用户，提高了识别准确性。
图4是根据一示例性实施例示出的一种识别非法用户的装置框图。参照图4该装置包括：获取模块401，输出模块402和识别模块403。
获取模块401，被配置为获取待识别的目标用户在社交平台中的目标行为信息；
输出模块402，被配置为将该目标行为信息输入识别模型中，输出识别结果，该识别模型为基于样本数据训练得到的，该样本数据包括第一预设数目个第一类行为信息和第二预设数目个第二类行为信息，第一类行为信息为合法用户在该社交平台中的行为信息，第二类行为信息为非法用户在该社交平台中的行为信息；
识别模块403，被配置为当该识别结果用于指示非法时，确定该目标用为非法用户。
在一个可能实现方式中，该目标行为信息包括该目标用户与指定类型用户之间的目标交互信息和/或该目标用户的目标交易信息。
在一个可能实现方式中，该目标交互信息包括至少一个指定时间段内该目标用户给该指定类型用户赠送礼物的虚拟货币总数、赠送礼物给该指定类型用户的用户数目、该至少一个指定时间段内每个指定类型用户接收到的礼物数目、给该每个指定类型用户赠送礼物的用户数目与该每个指定类型用户的粉丝数目的比值、该目标用户赠送的礼物中指定类型的礼物所占比例和赠送的礼物的种类中的至少一项信息；
该目标交易信息包括该目标用户通过指定充值渠道充值的充值比例。
参见图5，在一个可能实现方式中，该装置还包括：
该获取模块401，还被配置为获取该样本数据；
训练模块404，被配置为根据该样本数据，训练该识别模型。
在一个可能实现方式中，该训练模块404，还被配置为根据该样本数据，确定行为特征集合，该行为特征集合包括第一预设数目个第一类行为特征和第二预设数目个第二类行为特征，第一类行为特征为基于第一类行为信息得到的，第二类行为特征为基于第二类行为信息得到的；对该行为特征集合进行聚类，得到多个子集合，每个子集合包括至少一个行为特征；根据该每个子集合包括的行为特征，确定该每个子集合的类别，该类别为非法或者合法；将该每个子集合和该每个子集合的类别组成该识别模型。
在一个可能实现方式中，该输出模块402，还被配置为确定该目标行为信息对应的目标行为特征；确定该目标行为特征分别与该识别模型包括的每个子集合之间的匹配度；从每个子集合中选择与该目标行为特征之间匹配度最高的子集合；将选择的子集合对应的类别作为识别结果输出。
在一个可能实现方式中，该输出模块402，还被配置为对于该目标行为信息包括的每项信息，根据该信息对应的取值，从该信息对应的取值范围和特征值的对应关系中获取该信息对应的特征值；将该每项信息对应的特征值组成该目标行为特征。
上述所有可选技术方案，可以采用任意结合形成本公开的可选实施例，在此不再一一赘述。
需要说明的是：上述实施例提供的识别非法用户的装置在识别非法用户时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的识别非法用户的装置与识别非法用户的方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
在本公开实施例中，获取目标用户在社交平台中的目标行为信息，根据目标行为信息和识别模型，识别该目标用户是否为合法用户。由于基于用户的目标行为信息，对目标用户在社交平台中进行的行为进行分析，以确定该目标用户是否为合法用户，提高了识别准确性。
图6是根据一示例性实施例示出的一种用于识别非法用户的装置500的框图。例如，装置500可以被提供为一服务器。参照图6，装置500包括处理组件522，其进一步包括一个或多个处理器，以及由存储器532所代表的存储器资源，用于存储可由处理组件522的执行的指令，例如应用程序。存储器532中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件522被配置为执行指令，以执行上述识别非法用户的方法。
装置500还可以包括一个电源组件526被配置为执行装置500的电源管理，一个有线或无线网络接口550被配置为将装置500连接到网络，和一个输入输出(I/O)接口558。装置500可以操作基于存储在存储器532的操作系统，例如Windows ServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM或类似。
在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器404，上述指令可由装置400的处理器420执行以完成上述识别非法用户的方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (16)

1.一种识别非法用户的方法，其特征在于，所述方法包括：
获取待识别的目标用户在社交平台中的目标行为信息；
将所述目标行为信息输入识别模型中，输出识别结果，所述识别模型为基于样本数据训练得到的，所述样本数据包括第一预设数目个第一类行为信息和第二预设数目个第二类行为信息，第一类行为信息为合法用户在所述社交平台中的行为信息，第二类行为信息为非法用户在所述社交平台中的行为信息；
当所述识别结果用于指示非法时，确定所述目标用为非法用户。
2.根据权利要求1所述的方法，其特征在于，所述目标行为信息包括所述目标用户与指定类型用户之间的目标交互信息和/或所述目标用户的目标交易信息。
3.根据权利要求2所述的方法，其特征在于，所述目标交互信息包括至少一个指定时间段内所述目标用户给所述指定类型用户赠送礼物的虚拟货币总数、赠送礼物给所述指定类型用户的用户数目、所述至少一个指定时间段内每个指定类型用户接收到的礼物数目、给所述每个指定类型用户赠送礼物的用户数目与所述每个指定类型用户的粉丝数目的比值、所述目标用户赠送的礼物中指定类型的礼物所占比例和赠送的礼物的种类中的至少一项信息；
所述目标交易信息包括所述目标用户通过指定充值渠道充值的充值比例。
4.根据权利要求1所述的方法，其特征在于，所述将所述目标行为信息输入识别模型中，输出识别结果之前，所述方法还包括：
获取所述样本数据；
根据所述样本数据，训练所述识别模型。
5.根据权利要求4所述的方法，其特征在于，所述根据所述样本数据，训练所述识别模型，包括：
根据所述样本数据，确定行为特征集合，所述行为特征集合包括第一预设数目个第一类行为特征和第二预设数目个第二类行为特征，第一类行为特征为基于第一类行为信息得到的，第二类行为特征为基于第二类行为信息得到的；
对所述行为特征集合进行聚类，得到多个子集合，每个子集合包括至少一个行为特征；
根据所述每个子集合包括的行为特征，确定所述每个子集合的类别，所述类别为非法或者合法；
将所述每个子集合和所述每个子集合的类别组成所述识别模型。
6.根据权利要求1或5所述的方法，其特征在于，所述将所述目标行为信息输入识别模型中，输出识别结果，包括：
确定所述目标行为信息对应的目标行为特征；
确定所述目标行为特征分别与所述识别模型包括的每个子集合之间的匹配度；
从所述每个子集合中选择与所述目标行为特征之间匹配度最高的子集合；
将选择的子集合对应的类别作为识别结果输出。
7.根据权利要求6所述的方法，其特征在于，所述确定所述目标行为信息对应的目标行为特征，包括：
对于所述目标行为信息包括的每项信息，根据所述信息对应的取值，从所述信息对应的取值范围和特征值的对应关系中获取所述信息对应的特征值；
将所述每项信息对应的特征值组成所述目标行为特征。
8.一种识别非法用户的装置，其特征在于，所述装置包括：
获取模块，用于获取待识别的目标用户在社交平台中的目标行为信息；
输出模块，用于将所述目标行为信息输入识别模型中，输出识别结果，所述识别模型为基于样本数据训练得到的，所述样本数据包括第一预设数目个第一类行为信息和第二预设数目个第二类行为信息，第一类行为信息为合法用户在所述社交平台中的行为信息，第二类行为信息为非法用户在所述社交平台中的行为信息；
识别模块，用于当所述识别结果用于指示非法时，确定所述目标用为非法用户。
9.根据权利要求8所述的装置，其特征在于，所述目标行为信息包括所述目标用户与指定类型用户之间的目标交互信息和/或所述目标用户的目标交易信息。
10.根据权利要求9所述的装置，其特征在于，所述目标交互信息包括至少一个指定时间段内所述目标用户给所述指定类型用户赠送礼物的虚拟货币总数、赠送礼物给所述指定类型用户的用户数目、所述至少一个指定时间段内每个指定类型用户接收到的礼物数目、给所述每个指定类型用户赠送礼物的用户数目与所述每个指定类型用户的粉丝数目的比值、所述目标用户赠送的礼物中指定类型的礼物所占比例和赠送的礼物的种类中的至少一项信息；
所述目标交易信息包括所述目标用户通过指定充值渠道充值的充值比例。
11.根据权利要求8所述的装置，其特征在于，所述装置还包括：
所述获取模块，还用于获取所述样本数据；
训练模块，用于根据所述样本数据，训练所述识别模型。
12.根据权利要求11所述的装置，其特征在于，
所述训练模块，还用于根据所述样本数据，确定行为特征集合，所述行为特征集合包括第一预设数目个第一类行为特征和第二预设数目个第二类行为特征，第一类行为特征为基于第一类行为信息得到的，第二类行为特征为基于第二类行为信息得到的；对所述行为特征集合进行聚类，得到多个子集合，每个子集合包括至少一个行为特征；根据所述每个子集合包括的行为特征，确定所述每个子集合的类别，所述类别为非法或者合法；将所述每个子集合和所述每个子集合的类别组成所述识别模型。
13.根据权利要求8或12所述的装置，其特征在于，
所述输出模块，还用于确定所述目标行为信息对应的目标行为特征；确定所述目标行为特征分别与所述识别模型包括的每个子集合之间的匹配度；从所述每个子集合中选择与所述目标行为特征之间匹配度最高的子集合；将选择的子集合对应的类别作为识别结果输出。
14.根据权利要求13所述的装置，其特征在于，
所述输出模块，还用于对于所述目标行为信息包括的每项信息，根据所述信息对应的取值，从所述信息对应的取值范围和特征值的对应关系中获取所述信息对应的特征值；将所述每项信息对应的特征值组成所述目标行为特征。
15.一种识别非法用户的装置，其特征在于，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为：
获取待识别的目标用户在社交平台中的目标行为信息；
将所述目标行为信息输入识别模型中，输出识别结果，所述识别模型为基于样本数据训练得到的，所述样本数据包括第一预设数目个第一类行为信息和第二预设数目个第二类行为信息，第一类行为信息为合法用户在所述社交平台中的行为信息，第二类行为信息为非法用户在所述社交平台中的行为信息；
当所述识别结果用于指示非法时，确定所述目标用为非法用户。
16.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其特征在于，所述程序被处理器执行时实现以下步骤：
获取待识别的目标用户在社交平台中的目标行为信息；
将所述目标行为信息输入识别模型中，输出识别结果，所述识别模型为基于样本数据训练得到的，所述样本数据包括第一预设数目个第一类行为信息和第二预设数目个第二类行为信息，第一类行为信息为合法用户在所述社交平台中的行为信息，第二类行为信息为非法用户在所述社交平台中的行为信息；
当所述识别结果用于指示非法时，确定所述目标用为非法用户。
CN201710778106.8A 2017-09-01 2017-09-01 识别非法用户的方法、装置及计算机可读存储介质 Pending CN107517394A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710778106.8A CN107517394A (zh) 2017-09-01 2017-09-01 识别非法用户的方法、装置及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710778106.8A CN107517394A (zh) 2017-09-01 2017-09-01 识别非法用户的方法、装置及计算机可读存储介质

Publications (1)

Publication Number Publication Date
CN107517394A true CN107517394A (zh) 2017-12-26

Family

ID=60723615

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710778106.8A Pending CN107517394A (zh) 2017-09-01 2017-09-01 识别非法用户的方法、装置及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN107517394A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108243191A (zh) * 2018-01-10 2018-07-03 武汉斗鱼网络科技有限公司 风险行为识别方法、存储介质、设备及系统
CN108494796A (zh) * 2018-04-11 2018-09-04 广州虎牙信息科技有限公司 黑名单管理方法、装置、设备及存储介质
CN109284380A (zh) * 2018-09-25 2019-01-29 平安科技（深圳）有限公司 基于大数据分析的非法用户识别方法及装置、电子设备
WO2019136860A1 (zh) * 2018-01-12 2019-07-18 武汉斗鱼网络科技有限公司 一种关注合法性的确定方法、装置、电子设备及介质
CN110197435A (zh) * 2018-04-23 2019-09-03 腾讯科技（深圳）有限公司 对象识别方法和装置、存储介质及电子装置
CN110765171A (zh) * 2018-07-09 2020-02-07 武汉斗鱼网络科技有限公司 一种不良用户甄别方法、存储介质、电子设备及系统
CN112370793A (zh) * 2020-11-25 2021-02-19 上海幻电信息科技有限公司 用户账号的风险控制方法及装置
CN112616074A (zh) * 2021-03-08 2021-04-06 武汉斗鱼鱼乐网络科技有限公司 目标团体识别方法及电子设备

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140130298A (ko) * 2013-04-30 2014-11-10 (주)잉카엔트웍스 광고 컨텐츠를 컨텐츠에 삽입하여 배포하는 단말 장치, 광고 관리 서버 및 방법
CN104537549A (zh) * 2014-12-17 2015-04-22 广州酷狗计算机科技有限公司 虚拟货币的赠送方法及装置
CN106022826A (zh) * 2016-05-18 2016-10-12 武汉斗鱼网络科技有限公司 一种网络直播平台中的作弊用户识别方法与系统
CN106060057A (zh) * 2016-06-17 2016-10-26 武汉斗鱼网络科技有限公司 视频直播网站基于用户弹幕行为生成白名单的系统及方法
CN106131595A (zh) * 2016-05-26 2016-11-16 武汉斗鱼网络科技有限公司 一种用于视频直播的标题敏感词控制方法及装置
CN106792231A (zh) * 2016-12-28 2017-05-31 乐蜜科技有限公司 直播充值方法、装置及终端

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140130298A (ko) * 2013-04-30 2014-11-10 (주)잉카엔트웍스 광고 컨텐츠를 컨텐츠에 삽입하여 배포하는 단말 장치, 광고 관리 서버 및 방법
CN104537549A (zh) * 2014-12-17 2015-04-22 广州酷狗计算机科技有限公司 虚拟货币的赠送方法及装置
CN106022826A (zh) * 2016-05-18 2016-10-12 武汉斗鱼网络科技有限公司 一种网络直播平台中的作弊用户识别方法与系统
CN106131595A (zh) * 2016-05-26 2016-11-16 武汉斗鱼网络科技有限公司 一种用于视频直播的标题敏感词控制方法及装置
CN106060057A (zh) * 2016-06-17 2016-10-26 武汉斗鱼网络科技有限公司 视频直播网站基于用户弹幕行为生成白名单的系统及方法
CN106792231A (zh) * 2016-12-28 2017-05-31 乐蜜科技有限公司 直播充值方法、装置及终端

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108243191B (zh) * 2018-01-10 2019-08-23 武汉斗鱼网络科技有限公司 风险行为识别方法、存储介质、设备及系统
CN108243191A (zh) * 2018-01-10 2018-07-03 武汉斗鱼网络科技有限公司 风险行为识别方法、存储介质、设备及系统
WO2019136850A1 (zh) * 2018-01-10 2019-07-18 武汉斗鱼网络科技有限公司 风险行为识别方法、存储介质、设备及系统
WO2019136860A1 (zh) * 2018-01-12 2019-07-18 武汉斗鱼网络科技有限公司 一种关注合法性的确定方法、装置、电子设备及介质
CN108494796A (zh) * 2018-04-11 2018-09-04 广州虎牙信息科技有限公司 黑名单管理方法、装置、设备及存储介质
CN110197435A (zh) * 2018-04-23 2019-09-03 腾讯科技（深圳）有限公司 对象识别方法和装置、存储介质及电子装置
CN110197435B (zh) * 2018-04-23 2023-09-26 腾讯科技（深圳）有限公司 对象识别方法和装置、存储介质及电子装置
CN110765171A (zh) * 2018-07-09 2020-02-07 武汉斗鱼网络科技有限公司 一种不良用户甄别方法、存储介质、电子设备及系统
CN110765171B (zh) * 2018-07-09 2022-06-21 武汉斗鱼网络科技有限公司 一种不良用户甄别方法、存储介质、电子设备及系统
CN109284380A (zh) * 2018-09-25 2019-01-29 平安科技（深圳）有限公司 基于大数据分析的非法用户识别方法及装置、电子设备
CN109284380B (zh) * 2018-09-25 2023-04-25 平安科技（深圳）有限公司 基于大数据分析的非法用户识别方法及装置、电子设备
CN112370793A (zh) * 2020-11-25 2021-02-19 上海幻电信息科技有限公司 用户账号的风险控制方法及装置
CN112616074A (zh) * 2021-03-08 2021-04-06 武汉斗鱼鱼乐网络科技有限公司 目标团体识别方法及电子设备

Similar Documents

Publication Publication Date Title
CN107517394A (zh) 识别非法用户的方法、装置及计算机可读存储介质
CN109461070A (zh) 一种风险审批方法、装置、存储介质和服务器
CN110413707A (zh) 互联网中欺诈团伙关系的挖掘与排查方法及其系统
CN106897727A (zh) 一种用户性别识别方法及装置
CN104933428B (zh) 一种基于张量描述的人脸识别方法及装置
TWI752349B (zh) 風險識別方法及裝置
CN108540431A (zh) 账号类型的识别方法、装置和系统
CN106651373A (zh) 一种混合欺诈交易检测分类器建立方法及装置
CN107784426A (zh) 一种员工的岗位分配方法、装置及设备
CN103796183B (zh) 一种垃圾短信识别方法及装置
CN111311409A (zh) 目标对象确定方法、装置、电子设备及存储介质
CN109284620A (zh) 一种发布数据的生成方法、装置和服务器
CN107368856A (zh) 恶意软件的聚类方法及装置、计算机装置及可读存储介质
CN107729924A (zh) 图片复审概率区间生成方法及图片复审判定方法
CN107526810A (zh) 建立点击率预估模型的方法及装置、展示方法及装置
CN112100667B (zh) 一种基于新型区块链结构的慈善机构监督管理方法
CN109191191A (zh) 基于代价敏感卷积神经网络的广告点击欺诈检测方法
CN109064217A (zh) 基于用户等级的核身策略确定方法、装置及电子设备
CN107563798A (zh) 中奖数据处理方法及装置
CN108876076A (zh) 基于指令数据的个人信用评分方法及装置
CN109711801A (zh) 一种网银对账方法及装置
CN106919588A (zh) 一种应用程序搜索系统及方法
CN110458580A (zh) 一种异常渠道检测方法、装置、介质及设备
CN108268477A (zh) 一种基于话单的用户关系确定方法和装置
CN109871770A (zh) 房产证识别方法、装置、设备及存储介质

Legal Events

Date Code Title Description
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: 20171226