CN108737138B - 服务提供方法及服务平台 - Google Patents
服务提供方法及服务平台 Download PDFInfo
- Publication number
- CN108737138B CN108737138B CN201710254095.3A CN201710254095A CN108737138B CN 108737138 B CN108737138 B CN 108737138B CN 201710254095 A CN201710254095 A CN 201710254095A CN 108737138 B CN108737138 B CN 108737138B
- Authority
- CN
- China
- Prior art keywords
- user
- tag
- information
- request
- service
- 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.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/50—Network service management, e.g. ensuring proper service fulfilment according to agreements
- H04L41/5061—Network service management, e.g. ensuring proper service fulfilment according to agreements characterised by the interaction between service providers and their network customers, e.g. customer relationship management
- H04L41/5064—Customer relationship management
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
- H04L51/21—Monitoring or handling of messages
- H04L51/212—Monitoring or handling of messages using filtering or selective blocking
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
- H04L51/52—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail for supporting social networking services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/51—Discovery or management thereof, e.g. service location protocol [SLP] or web services
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Computing Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例提供一种服务提供方法及服务平台,所述服务提供方法包括:获取服务请求;获取服务请求的请求用户的信用分,其中,所述信用分,用于表征所述请求用户违反预定规则的概率;获取服务请求的请求用户的信用分,其中,所述信用分,用于表征所述请求用户违反预定规则的概率;基于所述服务请求,执行与所述信用分对应的服务逻辑。
Description
技术领域
本发明涉及信息技术领域,尤其涉及一种服务提供方法及服务平台。
背景技术
随着信息技术和互联网技术的发展,用户利用各种用户终端,获取各种网络服务或应用服务。服务平台提供服务模式,包括:付费模式和免费模式。例如,付费模式,只要用户付费了或支付了押金等,就会直接提供各种服务;对于免费服务模式,会根据用户终端的服务请求直接提供其所需的服务。
但是随着信息技术的发展,由于无法确定用户会如何使用该服务平台提供的服务。在现有技术中,可能会出现非法用户私自泄露服务平台提供的敏感信息、或,在服务平台提供服务过程中通过上传病毒等异常行为,导致服务平台被攻击,或将有毒代码传导给其他用户等现象。显然现有的服务模式中,不管是付费模式还是免费模式,都出现了信息安全和服务提供安全性低的问题。
发明内容
有鉴于此,本发明实施例期望提供一种服务提供方法及服务平台,以解决现有技术中服务平台服务提供过程中的安全性低和可靠性低的问题。
为达到上述目的,本发明的技术方案是这样实现的:
本发明实施例第一方面提供一种服务提供方法,包括:
获取服务请求;
获取服务请求的请求用户的信用分,其中,所述信用分,用于表征所述请求用户违反预定规则的概率;
基于所述服务请求,执行与所述信用分对应的服务逻辑。
基于上述方案,所述方法,还包括:
根据所述信用分及标签分发逻辑,获得所述请求用户的用户标签,其中,所述用户标签,用于表征所述请求用户可获得服务范围;所述用户标签至少包括:第一类用户标签和第二类用户标签,其中,所述第一类用户标签,用于指示所述请求用户违反所述预定规则的概率位于第一范围内的用户;所述第二类用户标签,用于指示所述请求用户违反所述预定规则的概率位于第二范围内用户,其中,所述第一范围不同于所述第二范围;
所述基于所述服务请求,执行与所述信用分对应的服务逻辑,包括以下至少其中之一:
执行与所述第一类用户标签对应的服务逻辑,屏蔽服务请求或部分响应所述服务请求;
执行与所述第二类用户标签对应的服务逻辑,部分或全部响应所述服务请求。
基于上述方案,所述基于所述服务请求,执行与所述用户标签对应的服务逻辑,包括:
确定所述服务请求的服务类型;所述服务类型,包括:写请求和读请求;所述写请求,包括:信息发布请求、信息存储请求及社交邀约请求的至少其中之一;所述读请求包括:信息查询请求、社交邀约请求的接收请求和信息推送请求的至少其中之一;
基于所述请求,结合所述服务类型执行与所述用户标签对应的服务逻辑。
基于上述方案,所述基于所述请求,结合所述服务类型执行与所述用户标签对应的服务逻辑,包括以下至少其中之一:
当所述服务请求为所述写请求且当所述用户标签为第一类用户标签时,屏蔽基于所述写请求写入的第一信息,其中,所述第一类用户标签,用于指示所述请求用户违反所述预定规则的概率位于第一范围内的用户;
当所述服务请求为所述写请求且当所述用户标签为第一类用户标签时,允许基于所述写请求的第二信息写入,并生成标记所述第二信息的第一类信息标签;
当所述服务请求为所述写请求且当所述用户标签为第二类用户标签时,响应所述写请求写入的第三信息,其中,所述第二类用户标签,用于指示所述请求用户违反所述预定规则的概率位于第二范围内用户,其中,所述第一范围不同于所述第二范围;
当所述服务请求为所述写请求且当所述用户标签为第二类用户标签时,响应所述写请求写入的第四信息,并生成标记所述第四信息的可信度的第二类信息标签,其中,所述第二类信息标签对应的可信度高于所述第一类信息标签对应的信任度。
基于上述方案,所述基于所述请求,结合所述服务类型执行与所述用户标签对应的服务逻辑,包括:
当所述服务请求为所述读请求时,获取读用户的用户标签,其中,所述读用户为发送所述读请求的用户;
当所述读用户的用户标签为第一类用户标签时,屏蔽所述读请求或部分屏蔽所述读请求,其中,所述第一类用户标签,用于指示所述请求用户违反所述预定规则的概率位于第一范围内的用户;
或,
当所述读用户的用户标签为第二类用户标签时,根据发布用户的用户标签或信用分,向所述读用户的用户账号和/或用户终端发送请求读取的信息,其中,所述发布用户为读用户请求读写的信息的来源用户;所述第二类用户标签,用于指示所述请求用户违反所述预定规则的概率位于第二范围内用户,其中,所述第一范围不同于所述第二范围。
基于上述方案,所述当所述读用户的用户标签为第二类用户标签时,根据发布用户的用户标签或信用分,向所述读用户的用户账号和/或用户终端发送请求读取的信息,包括以下至少之一:
当所述读用户的用户标签为所述第二类用户标签时,过滤掉用户标签为所述第一类用户标签的所述发布用户发布的信息;
当所述读用户的用户标签为所述第二类用户标签时,优先将用户标签为所述第二类用户标签的所述发布用户发布的信息发送给所述用户账号或所述用户终端;
当所述读用户的用户标签为所述第二类用户标签时,生成用户标签为所述第二类用户标签的发布用户发送的信息的提示信息,将用户标签为所述第一类用户标签的发布用户发送的信息及所述提示信息一同发送给所述用户账号或所述用户终端;
当所述读用户的用户标签为所述第二类用户标签时,对所述发布用户的信用分进行排序,基于所述排序选择部分所述发布用户发布的信息发送给所述用户账号或所述用户终端;
当所述读用户的用户标签为所述第二类用户标签时,对所述发布用户的信用分进行排序,基于所述排序优先将排序满足预设条件的所述发布用户发布的信息发送给所述用户账号或所述用户终端。
基于上述方案,所述方法还包括:
利用样本数据进行模型训练,获得信用分计算模型,其中,所述样本数据包括:样本特征及与所述样本特征对应的样本标签;所述样本特征包括:样本用户的个人属性、行为数据以及社会关系特征的至少其中之一;
所述获取服务请求的请求用户的信用分,包括:
获取与所述样本特征对应的特征变量;所述特征变量为所述请求用户的个人属性、行为数据和社会关系特征的至少其中之一;
将所述特征变量输入所述信用分计算模型中,获得与所述样本标签对应的所述信用分。
本发明实施例第二方面提供一种服务平台,包括:
第一获取单元,用于获取服务请求;
第二获取单元,用于获取服务请求的请求用户的信用分,其中,所述信用分,用于表征所述请求用户违反预定规则的概率;
执行单元,用于基于所述服务请求,执行与所述信用分对应的服务逻辑。
基于上述方案,所述服务平台还包括:
判断单元,用于根据所述信用分及标签分发逻辑,获得所述请求用户的用户标签,其中,所述用户标签,用于表征所述请求用户可获得服务范围;所述用户标签至少包括:第一类用户标签和第二类用户标签,其中,所述第一类用户标签,用于指示所述请求用户违反所述预定规则的概率位于第一范围内的用户;所述第二类用户标签,用于指示所述请求用户违反所述预定规则的概率位于第二范围内用户,其中,所述第一范围不同于所述第二范围;
所述执行单元,用于基于所述服务请求,执行下至少其中之一:
执行与所述第一类用户标签对应的服务逻辑,屏蔽服务请求或部分响应所述服务请求;
执行与所述第二类用户标签对应的服务逻辑,部分或全部响应所述服务请求。
基于上述方案,所述执行单元,具体用于确定所述服务请求的服务类型;所述服务类型,包括:写请求和读请求;所述写请求,包括:信息发布请求、信息存储请求及社交邀约请求的至少其中之一;所述读请求包括:信息查询请求、社交邀约请求的接收请求和信息推送请求的至少其中之一;基于所述请求,结合所述服务类型执行与所述用户标签对应的服务逻辑。
基于上述方案,所述执行单元,具体用于至少其中之一:
当所述服务请求为所述写请求且当所述用户标签为第一类用户标签时,屏蔽基于所述写请求写入的第一信息,其中,所述第一类用户标签,用于指示所述请求用户违反所述预定规则的概率位于第一范围内的用户;
当所述服务请求为所述写请求且当所述用户标签为第一类用户标签时,允许基于所述写请求的第二信息写入,并生成标记所述第二信息的第一类信息标签;
当所述服务请求为所述写请求且当所述用户标签为第二类用户标签时,响应所述写请求写入的第三信息,其中,所述第二类用户标签,用于指示所述请求用户违反所述预定规则的概率位于第二范围内用户,其中,所述第一范围不同于所述第二范围;
当所述服务请求为所述写请求且当所述用户标签为第二类用户标签时,响应所述写请求写入的第四信息,并生成标记所述第四信息的可信度的第二类信息标签,其中,所述第二类信息标签对应的可信度高于所述第一类信息标签对应的信任度。
基于上述方案,所述执行单元,具体用于当所述服务请求为所述读请求时,获取读用户的用户标签,其中,所述读用户为发送所述读请求的用户;
当所述读用户的用户标签为第一类用户标签时,屏蔽所述读请求或部分屏蔽所述读请求,其中,所述第一类用户标签,用于指示所述请求用户违反所述预定规则的概率位于第一范围内的用户;
或,
当所述读用户的用户标签为第二类用户标签时,根据发布用户的用户标签或信用分,向所述读用户的用户账号和/或用户终端发送请求读取的信息,其中,所述发布用户为读用户请求读写的信息的来源用户;所述第二类用户标签,用于指示所述请求用户违反所述预定规则的概率位于第二范围内用户,其中,所述第一范围不同于所述第二范围。
基于上述方案,所述执行单元,具体用于执行以下至少之一:
当所述读用户的用户标签为所述第二类用户标签时,过滤掉用户标签为所述第一类用户标签的所述发布用户发布的信息;
当所述读用户的用户标签为所述第二类用户标签时,优先将用户标签为所述第二类用户标签的所述发布用户发布的信息发送给所述用户账号或所述用户终端;
当所述读用户的用户标签为所述第二类用户标签时,生成用户标签为所述第二类用户标签的发布用户发送的信息的提示信息,将用户标签为所述第一类用户标签的发布用户发送的信息及所述提示信息一同发送给所述用户账号或所述用户终端;
当所述读用户的用户标签为所述第二类用户标签时,对所述发布用户的信用分进行排序,基于所述排序选择部分所述发布用户发布的信息发送给所述用户账号或所述用户终端;
当所述读用户的用户标签为所述第二类用户标签时,对所述发布用户的信用分进行排序,基于所述排序优先将排序满足预设条件的所述发布用户发布的信息发送给所述用户账号或所述用户终端。
基于上述方案,所述服务平台还包括:
训练单元,用于利用样本数据进行模型训练,获得信用分计算模型,其中,所述样本数据包括:样本特征及与所述样本特征对应的样本标签;所述样本特征包括:样本用户的个人属性、行为数据以及社会关系特征的至少其中之一;
所述第二获取单元,具体用于获取与所述样本特征对应的特征变量;所述特征变量为所述请求用户的个人属性、行为数据和社会关系特征的至少其中之一;
将所述特征变量输入所述信用分计算模型中,获得与所述样本标签对应的所述信用分。
本发明实施例提供的服务提供方法及服务平台,在监听到的服务请求之后,会获取服务请求的请求用户的信用分,根据该信用分给出用户标签,在响应服务请求时,会执行与用户标签对应的服务逻辑;从而不向违反预定规则的高概率用户提供服务或仅提供部分安全性要求低的服务,从而减少不遵守预定规则的概率高的用户在获取服务的过程中导致的信息泄露或对服务平台的攻击等安全问题的出现概率,从而提升了服务提供及服务平台的安全性及可靠性。
附图说明
图1为本发明实施例提供的第一种服务提供方法的流程示意图;
图2为本发明实施例提供的第二种服务提供方法的流程示意图;
图3为本发明实施例提供的一种用户终端的显示效果示意图;
图4为本发明实施例提供的一种服务平台的结构示意图;
图5为本发明实施例提供的一种服务系统给的结构示意图;
图6为本发明实施例提供的第三种服务提供方法的流程示意图;
图7为本发明实施例提供的一种用户终端之间通过服务平台连接的示意图;
图8为本发明实施例提供的一种响应写请求的服务提供方法的流程示意图;
图9为本发明实施例提供的一种响应读请求的服务提供方法的流程示意图。
具体实施方式
以下结合说明书附图及具体实施例对本发明的技术方案做进一步的详细阐述。
如图1所示,本实施例提供一种服务提供方法,包括:
步骤S110:获取服务请求;
步骤S120:获取服务请求的请求用户的信用分,其中,所述信用分,用于表征所述请求用户违反预定规则的概率;
步骤S130:基于所述服务请求,执行与所述信用分对应的服务逻辑。
本实施例公开的服务提供方法,可为应用于服务平台中的信息处理方法。在本实施例中所述服务平台可为社交服务平台。所述社交服务平台可为各种即时通信服务提供服务平台,例如,微信服务平台、QQ服务平台或微博服务平台等。
所述服务平台还可为购物服务平台。
所述服务平台还可为公共服务平台,所述公共服务平添可为各种车票的订购服务平台、打车服务平台、共享交通工具的共享服务平台、提供家政服务的家政服务平台等。
在本实施例中所述服务平台,可为可以为用户提供各种其所需要服务的服务平台。在该服务平台上,用户可以发布信息,例如,发布打车请求、发布请家政的请求、例如,借用共享单车或共享汽车的借用请求等。
在本实施例中所述服务平台可选为各种互动服务平台。这里的互动服务平台可包括:社交服务平台、各种需要用户提交信息或发布信息的公共服务平台。
在本实施例中所述步骤S110中获取服务请求,可为服务平台监听运行在用户终端的应用发布的服务请求或发送到服务平台的服务请求。
所述服务平台包括一台或多台服务器,可共同执行上述步骤S110至步骤S130。
在获取到服务请求之后,所述服务平台并不会立即基于服务请求,提供对应的服务。在本实施例中所述服务平台,会获取服务请求的请求用户的信用分。这里的信用分,可以用于指示请求用户是否会违反公序良俗、或基于服务平台的服务协议等各种预定规则的概率。这里违反预定规则包括两大类:第一类,请求用户主动执行了某一个违反操作等作为违约,例如,在一个应用内点击了没有版权的电影;第二类,用户没有执行预定规则限定的义务,例如,用户超期未交费等不作为违约。
在本实施例中所述信用分,可为所述服务平台根据用户使用服务的历史行为数据等各种数据的综合评分,也可以是基于个人属性给出的初次评分,也可以是根据当服务请求发送的当前应用场景的单次信用评分。
所述历史行为数据可为用户使用服务的历史违约行为数据等数据。
所述个人属性可包括:用户的画像特征。所述用户画像特征可包括:用户的年纪、职业、教育背景、性别、个人消费水平、在银行或其他公共系统的信用度等各种信息。
所述社交关系特征,可包括:请求用户在社交应用上添加的好友数、与各个好友的交流频次、与其好友互加为好友的时长参数,其好友对其评价参数等。
在不同的应用场景下,用户违约的可能性也不同,所述信用分可为用户在一段时间内各种行为数据及用户属性得到的综合评分。所述信用分,也可以以当前应用场景为主,重新评估单次信用分。所述单次信用分仅对本次服务请求的响应有约束力,所述综合评分,可能会多次服务请求或预定时间段内的服务请求都产生约束作用。
在本实施例中所述信用分可为计算出的请求用户违反能够规则的概率,也可以是基于所述概率转换生成的信用度。
所述服务逻辑为服务平台在后台响应服务请求,需要执行的操作和/或操作时序。在步骤S130中在响应服务请求时,会根据获得的信用分确定是否继续提供服务,提供哪种服务。例如,用户A的信用分很低,是一个高概率的违约用户,则在步骤S130中执行的屏蔽逻辑,当所述服务平台执行屏蔽逻辑时,则所述服务平台不会响应用户的服务请求,且进一步可能向所述请求用户的请求账号或请求终端发送不提供服务的告知信息。例如,用户B的信用分很高,是一个违反预定规则的低概率用户,则在步骤S130中直接响应所述服务请求,给用户B提供其所需的服务,例如,查询对应的信息发送给用户B的客户端或请求账号等;或接收用户B的客户端或请求账号请求写入的信息并存储。
在本实施例中所述服务平台,在进行服务提供时,还会结合用户的信用分,确定是否提供服务或可提供给的服务范围,避免毫无凭证的向所有用户提供服务,被非法用户盗取信息或攻击服务平台的问题,提升了服务平台在服务提供过程中的信息安全性、服务平台的设备安全性和服务的使用安全性。
在一些实施例中为了可能不同的服务请求,对于所需的信用分的高低是不同的,如图2所示,在本实施例中所述方法,还包括:
步骤S121:根据所述信用分及标签分发逻辑,获得所述请求用户的用户标签,其中,所述用户标签,用于表征所述请求用户可获得服务范围;
所述步骤S130,包括步骤S131;
所述步骤S131可包括:基于所述服务请求,执行与所述用户标签对应的服务逻辑。
在步骤S121中将根据所述信用分及标签分发逻辑,给出当前请求服务的请求用户的用户标签。所述标签分发逻辑为基于信用分为请求用户分配用户标签的判断规则。例如,所述标签分发逻辑可包括映射表,所述映射表包括信用分与对应的用户标签的对应关系,则所述步骤S121中可根据所述对应关系,基于当前请求用户的信用分,为所述请求用户分配用户标签。所述用户标签可包括多种,例如,该用户标签可为:守约用户和非守约用户。所述守约用户将可分配给遵守预定规则的概率大于预定阈值的用户,所述非守约用户可分配给不遵守预定规则不大于预定阈值的用户。在一些实施例中每一个类所述用户标签还可以分为多种子类用户标签。例如,以购票为例,根据信用分,可生成的用户标签可包括:“黄牛”、“第一类普通用户”及“第二类普通用户”。“黄牛”对应的信用分最低,违反预定规则的概率最高。“第一类普通用户”对应的信用分次低,有过退票等违约行为。“第二类普通用户”,对应的信用分最高,从未产生过退票行为。在本实施例中所述“黄牛”及“第一类普通用户”都可为所述第一类用户标签的子类用户标签;所述“第二类普通用户”为所述第二类用户标签的子类用户标签。在一些实施例中所述用户标签还可包括:担保用户;所述担保用户可为预付了担保金等用户,若该类用户违约则会由预付的担保金提供担保,该类用户的信用分可能很高,则为所述第二类用户标签的另一个子类。
在本实施例中一旦确定出了用户标签之后,在步骤S131中则会执行用户标签对应的服务逻辑。例如,对于守约用户可以正常提供服务,而对于非守约用户可以不提供服务或仅提供部分服务。
在本实施例中所述服务平台,在进行服务提供时,还会结合用户的信用分,确定是否提供服务或可提供给的服务范围,避免毫无凭证的向所有用户提供服务,被非法用户盗取信息或攻击服务平台的问题,提升了服务平台在服务提供过程中的信息安全性、服务平台的设备安全性和服务的使用安全性。
在一些实施例中,所述方法,还包括:
监控所述请求用户使用本次服务的用户行为数据,其中,所述用户行为数据,用于为生成所述信用分提供参考依据。
在本实施例中为了方便后续信用分的获取,在提供服务的同时,会监控请求用户使用本次服务的用户行为数据,该用户行为数据为产生所述信用分的参考依据之一。
在一些实施例中,所述服务平台形成信用分的过程中,不局限于服务平台内自身产生的用户行为数据和/或用户画像特征等信息,还可能会从服务平台之外的其他系统获取用户行为数据和/或用户画像,以获得更加精确的信用分。
在本实施例中通过用户行为数据的监控,则可以形成所述信用分的反馈,这样就可以形成所述服务平台内信用分评分的闭环体系,而不用完全依赖其他系统来提供数据支持。
可选地,所述用户标签至少包括:第一类用户标签和第二类用户标签,其中,所述第一类用户标签,用于指示所述请求用户违反所述预定规则的概率位于第一范围内的用户;所述第二类用户标签,用于指示所述请求用户违反所述预定规则的概率位于第二范围内用户,其中,所述第一范围不同于所述第二范围。在本实施例中所述用户标签,至少包括第一类用户标签和第二类用户标签。这里的第一类用户标签可为有非常大概率不遵守所述预定规则的用户。所述第二类用户为遵守所述预定该规则的用户。在本实施例中将用户划分了两大类,在具体的实施过程中,可以不局限于两大类。
所述步骤S131,可包括
执行与所述第一类用户标签对应的服务逻辑,屏蔽服务请求或部分响应所述服务请求。若当前的请求用户的用户标签为第一类用户标签,可屏蔽该服务请求,即所述服务平台不响应该服务请求,不向该请求用户提供服务,则此时该用户获得服务范围为零。部分响应所述服务请求,为不完全响应所述服务请求所需的服务,例如,用户标签为第一类用户标签的用户,请求查询其他用户的信息,请求查询的信息包括敏感信息和非敏感信息,这里的部分响应所述服务请求可包括:仅响应非敏感信息的查询请求,而对敏感信息的查询请求则屏蔽掉。
所述步骤S131,还可包括:
执行与所述第二类用户标签对应的服务逻辑,部分或全部响应所述服务请求。
在本实施例中所述步骤S131中对于第二类用户,一方面可以直接响应所述服务请求,全面为良好用户提供其所需的服务。另一方面,由于服务请求可能涉及到权限的问题,则即便该请求用户的用户标签为第二类用户标签,也仅能提供其权限范围内的服务请求的响应。在一些情况下,所述第二类用户标签对应的用户,又可以再细分几个小类,即所述第二类用户标签又可包括:多个指示不同违反预定规则概率的子标签,有的子标签可能对应的信用分还不够高的获得所有服务请求的响应,故只能获得部分服务的响应。
总之,在本实施例中用户标签为所述第二类用户标签的请求用户,至少可以获得部分服务。
在服务提供的过程中是屏蔽服务请求、提供部分服务,还是开放全部服务,决定所述服务逻辑。
在本实施例中通过用户标签的确定,采用对应的服务逻辑提供对应的服务,从而确保信用度好的用户可以获得服务,而信用度低的用户可能不能获得服务或仅能获得部分服务,减少服务提供的过程中信息泄露等安全问题,提升服务提供的安全性。
可选地,所述步骤S131可包括:
确定所述服务请求的服务类型;所述服务类型,包括:写请求和读请求;所述写请求,包括:信息发布请求、信息存储请求及社交邀约请求的至少其中之一;所述读请求包括:信息查询请求、社交邀约请求的接收请求和信息推送请求的至少其中之一;
基于所述请求,结合所述服务类型执行与所述用户标签对应的服务逻辑。
在本实施例中所述服务类型可以分为两大类,分别是写请求和读请求。写请求为写类型,度请求为读类型。
所述写请求的响应,为接收请求用户的信息写入到服务平台,服务平台会接收写入的信息,还可能需要将该请求用户写入的信息,发布到对应的账号和/或用户终端上。
所述信息发布请求,例如,在各种信息推广服务平台发布评论,例如,在微博页面或微信的朋友权发布信息。所述信息存储请求,可包括:将信息存储到服务平台,例如向网盘写入数据。所述社交邀约请求,可包括:通过服务平台发送交友请求,这里的一旦交友请求一旦被通过,请求方和接受交友请求的接受方,互为通信好友。在社交服务平台上就可以直接查看到该对方的一些状态信息或发布的信息了。当然,这里仅是举例,具体实现不局限于此。
所述读请求的响应,则需要向对应的请求用户返回其请求获取的数据。例如,查询其他用户发布的信息,或,查询服务平台提供的信息,或查询其他用户发布的社交邀约请求等。
针对写请求,可能仅需根据请求用户的用户标签,确定是否允许请求用户的信息写入,或,一次允许写入的信息的数据量,或,连续写入数据的次数等。
针对读请求,可能不仅需要参照读请求的用户标签,还需要考虑到请求读取信息的发布用户的用户标签来执行对应的服务逻辑。
以下分别介绍写请求和读请求的服务逻辑的执行。
针对写请求,所述步骤S131可包括以下至少其中之一:
方式一:
当所述服务请求为所述写请求且当所述用户标签为第一类用户标签时,屏蔽基于所述写请求写入的第一信息,其中,所述第一类用户标签,用于指示所述请求用户违反所述预定规则的概率位于第一范围内的用户。
这里的请求用户的标签为第一类用户标签,在本方式中可以直接屏蔽该类请求用户的信息写入,以免写入的有毒代码或木马等信息,或者在社交服务平台频繁发布广告等滋扰信息。
方式二:
当所述服务请求为所述写请求且当所述用户标签为第一类用户标签时,允许基于所述写请求的第二信息写入,并生成标记所述第二信息的第一类信息标签。
在本方式中,在本实施例中会允许用户标签为第一类用户标签的用户的信息写入,但是写入的第二信息,服务平台会生成对应的信息标签,对于这种第二信息的信息标签为第一类信息标签。所述第一类信息标签可为标记该信息可信度的信息标签。例如,有时候有些用户写入的信是不真实,则该第一类信息标签可为指示该信息真伪性的真伪标签。再例如,有些情况下,用户写入的信息可能是广告,则可以生成标记该信息可能广告的疑似广告标签等。这样后续服务平台在发布或使用信息时,可以根据信息标签,确定是否使用该信息,或如何使用该信息。当一个信息被信息标签指示为伪信息的概率很高时,对于信息要求度很高的发布页面,就屏蔽该信息的发布。
方式三:
当所述服务请求为所述写请求且当所述用户标签为第二类用户标签时,响应所述写请求写入的第三信息,其中,所述第二类用户标签,用于指示所述请求用户违反所述预定规则的概率位于第二范围内用户,其中,所述第一范围不同于所述第二范围。
在本实施例中当一个用户的用户标签为第二类用户标签时,则可以直接响应该用户的写请求,允许该用户向服务平台写入第三信息。
方式四:
当所述服务请求为所述写请求且当所述用户标签为第二类用户标签时,响应所述写请求写入的第四信息,并生成标记所述第四信息的可信度的第二类信息标签,其中,所述第二类信息标签对应的可信度高于所述第一类信息标签对应的信任度。
当然,在一些情况下用户标签为第二类用户标签,并且该类用户利用用户终端写入了第四信息,在本实施例中不仅允许第四信息的写入,同时生成第二类信息标签,通过第二类信息标签的生成,方便后续服务平台在发布或使用该信息时,确定是否可信任该信息或如何使用该信息。
针对读请求,所述步骤S131可包括:
当所述服务请求为所述读请求时,获取读用户的用户标签,其中,所述读用户为发送所述读请求的用户;
第一种情形,当所述读用户的用户标签为第一类用户标签时,屏蔽所述读请求或部分屏蔽所述读请求,其中,所述第一类用户标签,用于指示所述请求用户违反所述预定规则的概率位于第一范围内的用户。
由于读用户的用户标签为第一类用户标签,为了防止信息泄露等信息安全性问题,在本实施例中会可以完全屏蔽该读请求,也可以部分屏蔽读请求,仅向这类用户非敏感信息或安全等级低的信息。
第二种情形,当所述读用户的用户标签为第二类用户标签时,根据发布用户的用户标签或信用分,向所述读用户的用户账号和/或用户终端发送请求读取的信息,其中,所述发布用户为读用户请求读写的信息的来源用户;所述第二类用户标签,用于指示所述请求用户违反所述预定规则的概率位于第二范围内用户,其中,所述第一范围不同于所述第二范围。
在本种情形下,为了保证读用户免受非法信息或伪信息的干扰,还会结合发布用户的用户标签或信用分,确定如何向读用户发送信息。
所述第二种情形,又可以分为以下几种子类:
第一子类:
当所述读用户的用户标签为所述第二类用户标签时,过滤掉用户标签为所述第一类用户标签的所述发布用户发布的信息。在本子类中,为了确保读用户读取的信息(即显示在读用户的用户终端或用户账号中的信息)是真实的信息或是可信的信息,在本实施例中在向用户标签为所述第二类用户标签的读用户发送信息时,直接过渡掉用户标签为第一类用户标签的发布用户发布的信息。
第二子类:
当所述读用户的用户标签为所述第二类用户标签时,优先将用户标签为所述第二类用户标签的所述发布用户发布的信息发送给所述用户账号或所述用户终端。在本子类中会根据发布用户的用户标签,优先将用户标签为第二类用户标签的发布用户的信息发送给读用户。在一些实施例中,所述读用户向信息服务平台请求A条关于B的信息,发布的关于B的信息的发布用户不止10个。在这种情况下,若有的发布用户的用户标签为第一类用户标签,有的为第二类用户标签。假设用户标签为第二类用户标签的发布用户超过10个,则在本实施例中会优选选择10个用户标签为第二类用户标签的发布用户发布的信息反馈给读用户,仅有在用户标签为第二类用户标签的发布用户发布的关于B的信息,不足数的时候,才可能会将用户标签为第一类用户标签的发布用户发布的信息,反馈给读用户。采用这种方式的话,一方面确保了尽可能的将可信发布用户发布的信息返给读用户,另一方面也能够使得读用户在检索不到可信度高的信息时,获得用户标签为第一类用户标签的发布用户发布的信息,可以将该信息作为一种参照来读取。
第三子类:
当所述读用户的用户标签为所述第二类用户标签时,生成用户标签为所述第二类用户标签的发布用户发送的信息的提示信息,将用户标签为所述第一类用户标签的发布用户发送的信息及所述提示信息一同发送给所述用户账号或所述用户终端。
在本子类中会针对用户标签为第一类用户标的用户发布的信息,生成对应的提示信息,服务平台在响应所述读请求时,会将该类用户发布的信息及提示信息,一同发送给读用户的用户账号或用户终端。例如,用户标签为第一类用户标签的用户A,向用户B发送了一个朋友添加请求,服务平台根据用户A的历史行为数据和个人属性,认为用户A可能是一个频繁发布广告会骚扰其他用户的非守约用户,用户A的用户标签为第一类用户标签。用户B登录用户账号或利用用户终端查询朋友添加请求时,会将用户A的朋友添加请求返回给用户B的用户账号或用户终端,与此同时会将生成的提示信息发送给用户B的用户账号或用户终端。例如,该提示信息可提示用户A为第一类用户,或提示用户A可能是潜在的信息骚扰者,或提示用户A被其他好友举报过等,提示用户B注意的信息。这样用户B就可以通过其用户账号或用户终端查询到该提示信息,从而决策是否添加用户B为自己的通信朋友。
如图3所示,提供的一种服务平台将读用户请求读取的信息和提示信息一同返回给用户终端的显示示意图。显然在图3所示的用户终端中显示有请求读取的信息,同时在请求读取的信息上方显示有提示信息。在图3中读用户请求读取的信息及对应的提示信息,共同显示在一个界面内,方便用户查看。在一些实施例中为了吸引用户的注意力,所述提示信息和请求读取的信息的显示参数可不同,以突出显示所述提示信息。假设所述提示信息的显示参数为第一显示参数,所述请求读取的信息的显示参数为第二显示参数,则第一显示参数的亮度可高于第二显示参数的亮度,或,第一显示参数的颜色饱和度高于第二显示参数的颜色饱和度,或,第一显示参数中显示面积可大于第二显示参数中的显示面积。具体如,所述提示信息为加黑显示的文字信息,请求读取的信息可为正常字体的文字信息,显然提示信息会很容易吸引到读用户的注意力,从而达到警惕读用户的效果。
第四子类:
当所述读用户的用户标签为所述第二类用户标签时,对所述发布用户的信用分进行排序,基于所述排序选择部分所述发布用户发布的信息发送给所述用户账号或所述用户终端。
在本子类中会对发布用户的信用分进行排序,基于排序选择部分发布用户发布的信息发送给读用户的用户账号或用户终端。例如,若用户遵守预定规则的概率越高,则信用分越高。在本实施例中可以将所述信用分进行从高到低的排序。在一些实施例中,在排完序之后可以将前M位信用分对应的发布用户发布的信息,发送给读用户的用户账号或用户终端。在另一些实施例中,在排完序之后,可以截取排序靠前的N%个信用分对应的发布用户发布的信息,发送给读用户的用户账号或用户终端。所述M为不小于1的正整数;所述N为正数。
第五子类:
当所述读用户的用户标签为所述第二类用户标签时,对所述发布用户的信用分进行排序,基于所述排序优先将排序满足预设条件的所述发布用户发布的信息发送给所述用户账号或所述用户终端。
在本子类也会对信用分进行排序。若信用分越高,则对应用户遵守预定规则的概率越高,且信用分从高到低排序,则在向读用户发送信息时是基于排序优先将排序靠前的用户发布的信息,发送给读用户的。总之,不管信用分如何排序,在本实施例中优先将遵守预定规则概率高的用户发布的信息,发送给读用户,以确保读用户读取到的信息安全性和可靠性。
在一些实施例中,所述方法还包括:
利用样本数据进行模型训练,获得信用分计算模型,其中,所述样本数据包括:样本特征及与所述样本特征对应的样本标签;所述样本特征包括:样本用户的个人属性、行为数据以及社会关系特征的至少其中之一;
所述获取服务请求的请求用户的信用分,包括:
获取与所述样本特征对应的特征变量;所述特征变量为所述请求用户的个人属性、行为数据和社会关系特征的至少其中之一;
将所述特征变量输入所述信用分计算模型中,获得与所述样本标签对应的所述信用分。
在本实施例中可以利用回归算法利用所述样本数据进行模型训练。在本实施例中所述模型训练可为:神经网络模型训练或向量学习机模型训练等。总之,在本实施例中通过模型训练,可以获得信用分计算模型。在本实施例中所述样本数据可包括样本特征及样本特征对应的样本标签等。样本特征可为后续利用该训练号的信用分计算模型计算信用分过程中采集的特征。
如图4所示,本实施例提供一种服务平台,包括:
第一获取单元110,用于获取服务请求;
第二获取单元120,用于获取服务请求的请求用户的信用分,其中,所述信用分,用于表征所述请求用户违反预定规则的概率;
执行单元130,用于基于所述服务请求,执行与所述信用分对应的服务逻辑。
本实施例提供一种服务平台,该服务平台由一台或多台服务器连接而成,位于网络侧,可以为用户终端提供网络服务。用户终端通过WiFi、移动数据网络或以太网等各种网络,接入到互联网,再通过互联网可以连接到服务平台,请求服务平添为其提供各种服务,尤其是各种信息互动的服务。在本实施例中所述服务平台可为购物服务平台、社交服务平台、媒体服务平台等各种可以提供用户终端内应用(Application,APP)所需服务的服务平台。在本实施例中所述服务平台可为各种互动服务平台。这里的互动服务平台可包括:社交服务平台、可以参与新闻评论、转发和/或打赏的新闻服务平台或阅读服务平台等。
所述第一获取单元110可对应于服务平台的通信接口,可用于接收或采集用户终端形成的或发送的服务请求。
所述第二获取单元120及执行单元130可对应于服务平台的处理器或处理电路。所述处理器可为中央处理器、微处理器、数字信号处理器、可编程阵列或应用处理器等。所述处理电路可包括:专用集成电路。所述处理器或处理电路,可通过执行预定代码,实现上述第二获取单元120及执行单元130的功能。
在本实施例中所述第二获取单元120可对应于具有计算功能的计算器或处理器,可基于预定计算函数或计算模型计算得到信用分。
所述执行单元130在一些实施例中还可包括通信接口,该通信接口可用于用户终端连接,向所述用户终端发送响应所述服务请求的各种信息,或向用户终端反馈不提供服务的告知信息等。
总之本实施例提供了一种服务平台,在响应服务请求时,并非直接基于服务请求就提供服务,而是会获得请求用户的信用分,最后执行与信用分对应的服务逻辑,向非常高概率不遵守所述预定规则的请求用户,不提供服务或提供部分服务,而仅有比较低的概率不遵守所述预定该规则的请求用户,提供全部或部分该请求用户请求的服务。在本实施例中可以通过概率阈值来给出用户标签,再基于标签给出用户执行对应的服务逻辑,从而提供服务。
在一些实施例中,所述服务平台还包括:
判断单元,用于根据所述信用分及标签分发逻辑,获得所述请求用户的用户标签,其中,所述用户标签,用于表征所述请求用户可获得服务范围;
所述执行单元130,具体用于基于所述服务请求,执行与所述用户标签对应的服务逻辑。
在本实施例中通过标签分发逻辑的引入,通过信用分的处理,给对应的请求用户给出相应的用户标签。这样执行单元130可基于用户标签进行服务逻辑,通过判断单元的引入,可确定信用分落入的分值段落,再基于分值段落给请求用户分配用户标签,这样就可以减少执行单元130,需要将信用分与服务逻辑对应的信用分的匹配,简化执行单元130的操作,提升以服务请求的响应效率。
在一些实施例中,所述服务平台,还包括:第三获取单元,用于监控所述请求用户使用本次服务的用户行为数据,其中,所述用户行为数据,用于为生成所述信用分提供参考依据。
在本实施例中所述第三获取单元可对应于通信接口,可用于监听用户行为数据,为后续用户的信用分的计算和/或用户标签的给出,给出依据数据。
可选地,所述用户标签至少包括:第一类用户标签和第二类用户标签,其中,所述第一类用户标签,用于指示所述请求用户违反所述预定规则的概率位于第一范围内的用户;所述第二类用户标签,用于指示所述请求用户违反所述预定规则的概率位于第二范围内用户,其中,所述第一范围不同于所述第二范围;
所述执行单元130,具体用于执行下至少其中之一:
执行与所述第一类用户标签对应的服务逻辑,屏蔽服务请求或部分响应所述服务请求;
执行与所述第二类用户标签对应的服务逻辑,部分或全部响应所述服务请求。
在本实施例中所述用户标签至少分为第一类用户标签和第二类用户标签。这里的第一类用户标签的请求用户违反预定规则的概率大于第二类用户标签的请求用户违反所述预定规则的概率。故执行单元130,在响应服务请求时,至少会部分响应第二类用户标签的请求用户的服务请求,而可能不响应或仅部分响应第一类用户标签的请求用户的服务请求。
在一些实施例中,所述执行单元130,具体用于确定所述服务请求的服务类型;所述服务类型,包括:写请求和读请求;所述写请求,包括:信息发布请求、信息存储请求及社交邀约请求的至少其中之一;所述读请求包括:信息查询请求、社交邀约请求的接收请求和信息推送请求的至少其中之一;基于所述请求,结合所述服务类型执行与所述用户标签对应的服务逻辑。
在本实施例中将所述服务请求,基于数据输入和输出的差异,分为了写请求和读请求。执行单元130在响应写请求,可以仅根据写用户自身的信用分和/或用户标签来确定是否允许其写入等操作。执行单元130在响应读请求,则可能需要结合读用户的信用分和/或用户标签,以及被读的发布用户的用户标签来确定是否允许该读用户的信息读取和读取的内容等。
具体地如对于写请求,所述执行单元130,具体用于至少其中之一:
当所述服务请求为所述写请求且当所述用户标签为第一类用户标签时,屏蔽基于所述写请求写入的第一信息,其中,所述第一类用户标签,用于指示所述请求用户违反所述预定规则的概率位于第一范围内的用户;
当所述服务请求为所述写请求且当所述用户标签为第一类用户标签时,允许基于所述写请求的第二信息写入,并生成标记所述第二信息的第一类信息标签;
当所述服务请求为所述写请求且当所述用户标签为第二类用户标签时,响应所述写请求写入的第三信息,其中,所述第二类用户标签,用于指示所述请求用户违反所述预定规则的概率位于第二范围内用户,其中,所述第一范围不同于所述第二范围;
当所述服务请求为所述写请求且当所述用户标签为第二类用户标签时,响应所述写请求写入的第四信息,并生成标记所述第四信息的可信度的第二类信息标签,其中,所述第二类信息标签对应的可信度高于所述第一类信息标签对应的信任度。
具体地对于读请求,所述执行单元130,具体用于当所述服务请求为所述读请求时,获取读用户的用户标签,其中,所述读用户为发送所述读请求的用户;当所述读用户的用户标签为第一类用户标签时,屏蔽所述读请求或部分屏蔽所述读请求,其中,所述第一类用户标签,用于指示所述请求用户违反所述预定规则的概率位于第一范围内的用户;或,当所述读用户的用户标签为第二类用户标签时,根据发布用户的用户标签或信用分,向所述读用户的用户账号和/或用户终端发送请求读取的信息,其中,所述发布用户为读用户请求读写的信息的来源用户;所述第二类用户标签,用于指示所述请求用户违反所述预定规则的概率位于第二范围内用户,其中,所述第一范围不同于所述第二范围。
针对读请求,首先根据读用户自身的用户标签和/或信用分,确定是否允许其读取信息以外,再根据其请求读取的发布用户的用户标签和/或信用分来确定服务逻辑。具体如,所述执行单元130,具体用于执行以下至少之一:当所述读用户的用户标签为所述第二类用户标签时,过滤掉用户标签为所述第一类用户标签的所述发布用户发布的信息;当所述读用户的用户标签为所述第二类用户标签时,优先将用户标签为所述第二类用户标签的所述发布用户发布的信息发送给所述用户账号或所述用户终端;当所述读用户的用户标签为所述第二类用户标签时,生成用户标签为所述第二类用户标签的发布用户发送的信息的提示信息,将用户标签为所述第一类用户标签的发布用户发送的信息及所述提示信息一同发送给所述用户账号或所述用户终端;当所述读用户的用户标签为所述第二类用户标签时,对所述发布用户的信用分进行排序,基于所述排序选择部分所述发布用户发布的信息发送给所述用户账号或所述用户终端;当所述读用户的用户标签为所述第二类用户标签时,对所述发布用户的信用分进行排序,基于所述排序优先将排序满足预设条件的所述发布用户发布的信息发送给所述用户账号或所述用户终端。
在一些实施例中,所述服务平台还包括:
训练单元,用于利用样本数据进行模型训练,获得信用分计算模型,其中,所述样本数据包括:样本特征及与所述样本特征对应的样本标签;所述样本特征包括:样本用户的个人属性、行为数据以及社会关系特征的至少其中之一;
所述第二获取单元120,具体用于获取与所述样本特征对应的特征变量;所述特征变量为所述请求用户的个人属性、行为数据和社会关系特征的至少其中之一;
将所述特征变量输入所述信用分计算模型中,获得与所述样本标签对应的所述信用分。
在本实施例中所述训练单元,可用于训练信用分计算模型,在本实施例中所述第二获取单元120,通过获取与样本特征对应的特征变量,输入到已经训练得到的信用分计算模型中,获得所述信用分。
一次信用分的计算可以作用于一个或多个服务请求是否响应及如何响应,也可以作用于一段时间内所有服务请求的响应及如何响应。在本实施例中所述信用分的作用效力,可以根据信用分处理策略和/或请求用户请求的服务的安全要求等级来综合确定。
例如,请求的服务的安全要求等级高于预定等级,则该信用分的作用次数或作用时间相对短,若请求服务的安全要求顶级不高于预定等级,该信用分的作用次数或作用次数相对长。总之,请求的服务的安全要求等级高于预定等级,信用分的作用次数,少于请求服务的安全要求顶级不高于预定等级的作用次数;请求的服务的安全要求等级高于预定等级,信用分的作用时间,短于少于请求服务的安全要求顶级不高于预定等级的作用时间。
以下结合上述实施例提供几个示例:
示例一:
如图5所示,本实施例提供一种服务系统,所述服务系统包括服务平台和用户终端。服务平台和用户终端之间通过各种网络连接。
如图5所示,所述服务平台可包括:服务器1、服务器2及服务器3,在具体实现时,所述服务平台不局限于3台服务器,所述服务平台还可以包括更多台服务器,或包括2台或1台服务器。
在图5中显示有用户终端1和用户终端2,用户终端1为笔记本电脑;用户终端2为手机。不同的用户终端可能连接到服务平台获取服务。
在本实施例中所述服务平台,会接收用户终端的服务请求;或计算出请求用户的信用分,基于信用分选择对应的服务逻辑来向请求的用户终端提供服务。
示例二:
本示例首先提供一种信用分计算的方法,包括:
1)信用分主要作用是预测用户未来是否发生违反预定规则的概率,首先,需要构建样本数据,从而可以通过样本数据训练出计算模型。
所述样本数据包括:样本特征和样本标签。以下以购票服务的提供为例,进行说明。为了解决或者减少购票后不按时使用,甚至退票的行为。定义“违约用户”,是那些经常购票后退票的用户;定义“守约用户”,是那些订票后准时按照票面时间出席的用户。根据这样的定义,找到一批用户,按照定义打上“守约用户”、“违约用户”的标签。这样一批带上标签的用户数据,即为标签数据。
2)构造特征变量。特征变量来自用户使用移动互联网应用的各种用户数据,可包括:用户行为数据及用户的个人属性等数据。
采集所述用户数据,具体可包括:采集用户线上线下的行为数据,如玩游戏的行为、阅读文章的行为、搜索的行为等,社交应用上用户的社交网络结构,用户线下支付、使用线下服务等数据。用户数据的采集来源可包括:服务平台支持的应用产生的应用内数据,所述服务平台获取服务平台外部的自其他应用的数据。
清洗所述用户数据,具体可包括:去掉异常值、数据做归一化、离散化处理;然后经过统计或者直接使用。
利用清洗后去除了异常数据和伪数据的用户数据,按照预定格式构成基础变量;在基础变量基础上通过基础的加减乘除数学运算等各种函数运算或转换运算,构造衍生变量。这里的基础变量和衍生变量都为所述特征变量。这里的基础变量可为字符串化的变量,所述衍生变量可为通过数值转换后的数值化变量等。当然,所述基础变量可为基于用户数据直接生成的特征变量,所述衍生变量可为将多个基础变量组合等处理得到的衍生变量。
以购票服务为例,提供购票服务内的特征变量,可考虑用户在购票购买行为和购票后的实际使用情况作为购票场景的基础数据,构造购票应用的特征数据。具体如下:
i)购票行为的特征:天、周、月、累计的购票次数和张数;最近一次购票距离现在的时间等;
ii)退票行为的特征:累计、最近一月、周、天的退票的次数、张数等;
iii)为自己购票的行为:购票次数,张数等;
iv)为他人购票的行为统计:购票次数、张数等;
购票服务外的特征变量,包括不限:
i)根据用户的身份证信息,查询用户在人民银行金融系统的信用状况;
ii)用户的性别、年龄、地域等基本人口属性;
iii)其他移动应用采集的数据,如来自打车应用的用户行为数据。
3)获得了样本数据之后,利用样本数据进行模型训练,所述模型驯良可包括:使用有监督的机器学习算法,如逻辑回归多分类算法;把上述用户购票渠道上的样本数据,加上用户线上线下渠道计算的征信分,一起进行模型训练。一起训练学习各特征的权重,最终得到信用分计算模型M:其中,xi是第i个特征变量,wi是xi的权重。回归计算每位用户属于各类标签的概率p值,p的取值在0到1之间,该p反应了用户属于违约、守约用户的概率。
如果是多个分类,可针对每一类标签。比如需要区分“黄牛”、守约、违约三类用户,使用以类与非类(One VS All)样本定义方法训练多个二分类器,以得到请求用户属于本发明提到的三类不同用户标签的概率。所述类与非类样本定义方法,为归属目标类的样本均为正例样本,其他均为负例样本。比如,使用守约用户标注数据,构造了“守约用户”和“违约用户”两类用户,训练学习一个守约用户模型(Mgood),Mgood,可基于特征变量输出守约用户的概率值(pgood)。
同理,还可以构造违约用户模型(Mcheat),Mcheat可基于输入的特征变量输出请求用户为违约用户的概率(pcheat)。
4)训练得到信用分计算模型后,最后运用该模型的输出做为用户的信用状态的信用分。具体信用分可以运用如下三种方法或其它方法转换为系统容易存储、计算的数据类型。假设以Mgood为例,pgood具体使用方法如下:
方式一)直接使用模型输出的标签概率,例如取用户是守信用户的概率p值达到0.7以上认为是守信用户,则在查询用户的信用分数反馈中认为大于阈值0.7的用户,直接走后续的购票交易流程。
方法二)离散化若干分数段,按照高中低档,赋值信用分(CreditScore)。举例如把p按照[0,0.2),[0.2,0.7),[0.7,1]分成三段,分别对应信用的低中高三类用户,在系统中分别对应记录为1,2,3三个值。系统查询到的信用状态则反映了该用户属于某一信用等级。
将p转换为整数分数值CreditScore,CreditScore∈[base,base+n*step]。base是基准分,step是分数分档的步长。将小数转换整数值,方便应用服务平台使用。如base=400,step=100,如果某用户的守信概率p=8/9,CreditScore=700;另外某用户的守信概率如果p=1/5,CreditScore=200。系统根据CreditScore来判断用户的信用状况。此类方法也是比较常见的方法。
(二)信用分的存储。
用户的信用状态或者分数存储在非关系型结构化查询语言(NoSQL)或者结构化查询语言(SQL)型数据库,该数据库由信用计算存储模块管理调用。
以用户标识为id,信用分为CreditScore为例。信息的格式设计为<id,CreditScore>。id对应用户在系统中的唯一识别码,是记录的关键字。CreditScore为该用户信用分,是记录的数值。
以下提供一种信用分在服务提供过程中的使用。按照归纳的三种的服务风险,看看本发明需解决的(一)服务平台不了解用户会给服务平台带来的风险,(二)不同用户之间相互不了解带来的风险。以下分别详细介绍信用分应对这两种风险中的使用。
(一)服务平台不了解用户的风险
信用分是对每个用户的信任程度,未来发生违约行为概率的评分。因此,在需要对用户了解的环节,业务获取信用分作为判断不同信用度用户的依据,进而采取不同的服务策略。
在服务平台提供各种原有服务的服务模块的基础上,增加信用分计算存储模块。信用分计算模块负责计算、存储用户的信用分数,并提供按照用户ID返回信用分的服务。
图6所示为本实施例提供的一种服务平台的架构,该架构包括:服务模块和信用分计算存储模块。此处的所述服务模块,可为前述执行单元130的组成部分;所述信用分计算存储模块,可为前述第二获取单元120的组成部分。
如图6所示,本示例提供的服务提供方法包括:
步骤S1:用户终端发出服务请求;
步骤S2:服务模块获取请求用户的信用分,具体可包括:服务模块向信用分计算存储模块发送查询请求,该查询请求携带有请求用户的用户标识,信用分计算存储模块,接收到该查询请求之后,基于用户标识查询已经计算过的信用分,确定是否已经计算出了该请求用户的信用分,若已经计算出该请求用户的信用分,则直接向服务模块返回所述信用分,若还未计算出该请求用户的信用分,则信用分计算存储模块,在所述查询请求的触发下,计算该请求用户的信用分,并将计算的信用分返回给服务模块。
步骤S3:服务模块向信用分计算存储模块反馈用户的行为数据,这里反馈的行为数据,可用于后续信用分的计算。
步骤S4:服务模块基于信用分响应服务请求,具体可包括:当该请求用户的信用分低于预定阈值时,屏蔽该服务请求的响应,或部分响应该服务请求的响应;当该请求用户的信用分不低于所述预定阈值时,响应所述服务请求。
具体以叫车服务为例。服务模块负责处理正常的接收叫车请求、应答、派单、接客、送客、到站结算支付等流程。在接收用户叫车请求的环节,增加调用信用分计算存储模块,返回该用户对应的信用分。执行服务逻辑会运用信用分对用户信用判断的结果,并采取不同的服务逻辑。举例来说,根据信用分的高低设定不同过的人阈值,给出用户标签。服务模块根据用户标签或者直接根据信用分的分数,采集简单的拦截策略,拦截用户标签为第一类用户标签的用户的服务请求,不向其提供服务。或者,采用差异化服务策略,向不同用户标签的用户提供不同的服务逻辑。例如,向用户标签为第二类用户标签的用户增加调度车辆的调度次数和/或调度频次,从而确保用户标签为第二类用户标签的用户能够更快的获得车辆服务,对于信用分不高的用户,则相应的减少对其车辆调度,以通过这种方式减少其违约行为的发生。
(二)不同用户之间相互不了解带来的风险
这种风险一般是服务平台不了解用户的信用度或信用分;服务平台作为用户交互的桥梁,没有提供充分的风险控制;服务平台上的用户彼此之间基本都是陌生的,从服务平台也很难获得对其他用户的了解;这些多重影响共同造成的风险。
参考图7,用户终端A和用户终端B均连接到服务平台上。假定用户终端A的使用用户为用户A,用户终端B的使用用户为用户B。所述用户A和用户B可以以手机号等通信标识和/或用户名称等作为用户标识,作为服务平台区分不同用户的标识信息。
用户终端A向服务平台请求与写请求相关的服务,用户终端B向服务平台请求与读请求相关的服务。
写请求多半是因为用户有信息输入到服务平台的动作。
读请求多半是用户从服务平台上获取信息。
为了服务平台在响应写请求和读请求响应过程中带来的安全风险,以下分别结合前述实施例提供的信用分,来提供请求的响应。
第一类、写请求响应的风险规避,可包括:服务平台在服务用户时,可以先调用信用分计算存储模块,获得用户的信用分,对用户基本的信用状况作出判断。根据判断的结果,决定是否继续服务。例如,信用分高的用户,即允许用户写行为。假定用户A发起一个加好友的邀请,发表一条评论,发布一个商品等,这些都可归结为写行为。
第二类、读请求响应的风险规避,可包括:服务平台接收到服务请求,目的是与其他用户互动。例如,用户B获取其他用户发来的消息,或者其他用户发起的加好友请求,或者阅读其他用户发表的内容,浏览、购买其他用户发布的商品。而用户B获得信息,基本都来自其他用户,假定是A写生成的,为了帮助用户B了解A的信息粒度可靠性,和A的用户粒度可靠性。这两类不同粒度可靠性可以通过参考信用分来帮助优化产品的策略。
服务平台调用信用分计算存储模块,可以获得信息提供者(即前述发布用户)用户A的信用分。一种策略,将信用分作为后台判断用户逻辑依据,根据用户A信用状况采用不同的服务形式。比如直接过滤掉用户A的信息,具体可以是过滤用户A发表的评论、发布的商品、发起的好友邀请等;或者对所有命中的信息做排序,将信用分高的用户C发表的信息排在前面,而把信用分低的用户A的信息往后排,这样保证了用户B可见信息的来源用户都是可靠的。
另一种策略,将用户A的信用分包装后呈现给正在获取用户A信息的由用户B直接做参考。举例社交服务平台的用户交友服务,把用户A的分数离散成三档:推荐交往,可以交往,不推荐交往。用户B容易理解用户用户A是怎样的可信度,进而做出自己的决策。这种分数离散化的方法较多,举例,统计服务平台所有用户的分数分布,头部分数高的前n%,即分数落在[n%,100%]用户作为一档,谨慎交友;剩下中间的用户作为一档,分数分数落在[m%,n%)可以交往。用户A的分数落在那个区间,标记上对应的分档标签,将标签在前台呈现。
再看看用户A的信息可靠性。上面计算的是用户粒度的信用分,现在主要计算信息粒度的信用分。计算信息的可靠性,参考用户信用分的计算方法,将信息的特征抽取出来,比如信息真实性,是否在做广告,信息的重复性(多次拷贝)等,然后通过回归算法将特征回归训练学习信息可靠的程度,即信息的评分。
该信息的评分可以直接使用,也可以与用户A的信用分综合成单次行为信用分,如用户A在某次电子公告牌系统(BBS)的发帖行为。针对这一次的发帖行为的评分。通过评分可以判断用户A的发布行为是否存在广告、欺骗、色情等违法行为。服务平台拿到信息粒度的信用分,使用方法上同用户粒度信用分。可以做到更细粒度的控制,即高信用的用户A发布了低可靠度的信息S,一样可以被过滤;而低信用度的用户A发布了高可靠度的信息S’,服务平台可以依据两个信用度的优先级判断是该展示或者过滤。
4、技术方案所产生的有益效果。
以下结合图8提供一种写请求的服务提供方法,包括:
步骤S11:监听并接收用户A的写请求;
步骤S12:获取用户A的信用分;
步骤S13:基于标签分发逻辑判断用户A的用户标签;
步骤S14:对于用户A的写请求,执行与用户A的用户标签对应的服务逻辑;
步骤S15:将执行结果返回给用户A的用户账号或用户终端。
以下结合图9提供一种读请求的服务提供方法,包括:
步骤S21:监听并接收用户B的读请求,假设,用户B请求读取用户A发表的信息;
步骤S22:获取用户B和户A的信用分;
步骤S23:判断用户B和A的用户标签;
步骤S24:根据用户B和A的用户标签执行对应的服务逻辑;
步骤S25:将执行结果返回给用户B的用户账号或用户终端。
在步骤S24中,若用户B自身是第一类用标签,则在步骤S25可能会屏蔽用户B的读请求,若用户B自身是第二类用户标签,则在步骤S25中会根据用户A的用户标签,确定是否向用户B返回用户A发布且请求的全部或部分信息。
通过把信用分运用起来,重点解决服务平台对用户信用风险的了解依据。可以产生诸多有益效果:
一方面,增强了服务平台对用户的判断依据,服务平台可以更好的服务用户、分配资源给有真正需求的用户。
另一方面,不同的线上线下移动互联网应用通过使用信用分,更全面的采集用户的失信数据,对准确构建用户的信用评分有重要作用。
从社会价值方面讲,全方位信用分的运用,可以起到监督用户的作用,随着线上线下服务的不断普及和渗透,对督促诚信社会体系的建设起有益作用。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元,即可以位于一个地方,也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理模块中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种服务提供方法,其特征在于,包括:
获取针对服务平台的服务请求;
基于所述服务请求的请求用户的用户数据,获取对应的特征变量,其中,所述用户数据包括以下至少之一:所述请求用户线上和线下的行为数据、所述请求用户的个人属性数据、所述请求用户的社交网络结构;
利用样本数据进行模型训练,得到信用分计算模型,其中,所述样本数据包括:样本特征及与所述样本特征对应的样本标签,所述样本特征包括以下至少之一:样本用户的个人属性、行为数据、社会关系特征;
将所述特征变量输入所述信用分计算模型中,并基于所述信用分计算模型输出的标签概率,得到所述请求用户对应的信用分,其中,所述信用分用于表征所述请求用户主动执行违反操作或没有执行预定规则限定的义务的概率,且所述信用分包括以下至少之一:以当前应用场景为主的单次评分、基于所述请求用户的个人属性数据得到的初次评分、根据所述请求用户在一段时间内各种行为数据及用户属性得到的综合评分;
根据所述信用分查询映射表,得到所述请求用户对应的用户标签,其中,所述映射表包括信用分与用户标签之间的对应关系,所述用户标签用于表征所述请求用户可获得的服务范围,且所述用户标签至少包括:第一类用户标签和第二类用户标签,其中,所述第一类用户标签用于指示所述请求用户为违反所述预定规则的概率位于第一范围内的用户;所述第二类用户标签用于指示所述请求用户为违反所述预定规则的概率位于第二范围内的用户,所述第一范围不同于所述第二范围;
确定所述服务请求的服务类型,其中,所述服务类型包括:写请求和读请求;
当所述服务请求为所述写请求且所述用户标签为所述第一类用户标签时,屏蔽基于所述写请求写入的第一信息或者允许基于所述写请求的第二信息写入,并生成标记所述第二信息的第一类信息标签;
当所述服务请求为所述写请求且所述用户标签为所述第二类用户标签时,响应所述写请求写入的第三信息或者响应所述写请求写入的第四信息,并生成标记所述第四信息的可信度的第二类信息标签,其中,所述第二类信息标签对应的可信度高于所述第一类信息标签对应的信任度。
2.根据权利要求1所述的方法,其特征在于,所述写请求包括:信息发布请求、信息存储请求及社交邀约请求的至少其中之一;所述读请求包括:信息查询请求、社交邀约请求的接收请求和信息推送请求的至少其中之一。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
当所述服务请求为所述读请求时,获取读用户的用户标签,其中,所述读用户为发送所述读请求的用户;
当所述读用户的用户标签为所述第一类用户标签时,屏蔽所述读请求或部分屏蔽所述读请求;
或,
当所述读用户的用户标签为所述第二类用户标签时,根据发布用户的用户标签或信用分,向所述读用户的用户账号和/或用户终端发送请求读取的信息,其中,所述发布用户为读用户请求读写的信息的来源用户。
4.根据权利要求3所述的方法,其特征在于,
所述当所述读用户的用户标签为所述第二类用户标签时,根据发布用户的用户标签或信用分,向所述读用户的用户账号和/或用户终端发送请求读取的信息,包括以下至少之一:
当所述读用户的用户标签为所述第二类用户标签时,过滤掉用户标签为所述第一类用户标签的所述发布用户发布的信息;
当所述读用户的用户标签为所述第二类用户标签时,优先将用户标签为所述第二类用户标签的所述发布用户发布的信息发送给所述用户账号或所述用户终端;
当所述读用户的用户标签为所述第二类用户标签时,生成用户标签为所述第二类用户标签的发布用户发送的信息的提示信息,将用户标签为所述第一类用户标签的发布用户发送的信息及所述提示信息一同发送给所述用户账号或所述用户终端;
当所述读用户的用户标签为所述第二类用户标签时,对所述发布用户的信用分进行排序,基于所述排序选择部分所述发布用户发布的信息发送给所述用户账号或所述用户终端;
当所述读用户的用户标签为所述第二类用户标签时,对所述发布用户的信用分进行排序,基于所述排序优先将排序满足预设条件的所述发布用户发布的信息发送给所述用户账号或所述用户终端。
5.一种服务平台,其特征在于,包括:
第一获取单元,用于获取针对服务平台的服务请求;
训练单元,用于利用样本数据进行模型训练,得到信用分计算模型,其中,所述样本数据包括:样本特征及与所述样本特征对应的样本标签,所述样本特征包括以下至少之一:样本用户的个人属性、行为数据、社会关系特征;
第二获取单元,用于基于所述服务请求的请求用户的用户数据,获取对应的特征变量,其中,所述用户数据包括以下至少之一:所述请求用户线上和线下的行为数据、所述请求用户的个人属性数据、所述请求用户的社交网络结构;将所述特征变量输入所述信用分计算模型中,并基于所述信用分计算模型输出的标签概率,得到所述请求用户对应的信用分,其中,所述信用分用于表征所述请求用户主动执行违反操作或没有执行预定规则限定的义务的概率,且所述信用分包括以下至少之一:以当前应用场景为主的单次评分、基于所述请求用户的个人属性数据得到的初次评分、根据所述请求用户在一段时间内各种行为数据及用户属性得到的综合评分;
执行单元,用于根据所述信用分查询映射表,得到所述请求用户对应的用户标签,其中,所述映射表包括信用分与用户标签之间的对应关系,所述用户标签用于表征所述请求用户可获得的服务范围,且所述用户标签至少包括:第一类用户标签和第二类用户标签,其中,所述第一类用户标签用于指示所述请求用户为违反所述预定规则的概率位于第一范围内的用户;所述第二类用户标签用于指示所述请求用户为违反所述预定规则的概率位于第二范围内的用户,所述第一范围不同于所述第二范围;还用于确定所述服务请求的服务类型,其中,所述服务类型包括:写请求和读请求;还用于当所述服务请求为所述写请求且所述用户标签为所述第一类用户标签时,屏蔽基于所述写请求写入的第一信息或者允许基于所述写请求的第二信息写入,并生成标记所述第二信息的第一类信息标签;当所述服务请求为所述写请求且所述用户标签为所述第二类用户标签时,响应所述写请求写入的第三信息或者响应所述写请求写入的第四信息,并生成标记所述第四信息的可信度的第二类信息标签,其中,所述第二类信息标签对应的可信度高于所述第一类信息标签对应的信任度。
6.根据权利要求5所述的服务平台,其特征在于,
所述写请求包括:信息发布请求、信息存储请求及社交邀约请求的至少其中之一;所述读请求包括:信息查询请求、社交邀约请求的接收请求和信息推送请求的至少其中之一。
7.根据权利要求5所述的服务平台,其特征在于,
所述执行单元,具体用于当所述服务请求为所述读请求时,获取读用户的用户标签,其中,所述读用户为发送所述读请求的用户;
当所述读用户的用户标签为所述第一类用户标签时,屏蔽所述读请求或部分屏蔽所述读请求,其中,所述第一类用户标签,用于指示所述请求用户违反所述预定规则的概率位于第一范围内的用户;
或,
当所述读用户的用户标签为所述第二类用户标签时,根据发布用户的用户标签或信用分,向所述读用户的用户账号和/或用户终端发送请求读取的信息,其中,所述发布用户为读用户请求读写的信息的来源用户;所述第二类用户标签,用于指示所述请求用户违反所述预定规则的概率位于第二范围内用户,其中,所述第一范围不同于所述第二范围。
8.根据权利要求7所述的服务平台,其特征在于,
所述执行单元,具体用于执行以下至少之一:
当所述读用户的用户标签为所述第二类用户标签时,过滤掉用户标签为所述第一类用户标签的所述发布用户发布的信息;
当所述读用户的用户标签为所述第二类用户标签时,优先将用户标签为所述第二类用户标签的所述发布用户发布的信息发送给所述用户账号或所述用户终端;
当所述读用户的用户标签为所述第二类用户标签时,生成用户标签为所述第二类用户标签的发布用户发送的信息的提示信息,将用户标签为所述第一类用户标签的发布用户发送的信息及所述提示信息一同发送给所述用户账号或所述用户终端;
当所述读用户的用户标签为所述第二类用户标签时,对所述发布用户的信用分进行排序,基于所述排序选择部分所述发布用户发布的信息发送给所述用户账号或所述用户终端;
当所述读用户的用户标签为所述第二类用户标签时,对所述发布用户的信用分进行排序,基于所述排序优先将排序满足预设条件的所述发布用户发布的信息发送给所述用户账号或所述用户终端。
9.一种电子设备,其特征在于,包括:
存储器,用于存储可执行指令;
处理器,用于执行所述存储器中存储的可执行指令时,实现权利要求1至4任一项所述的服务提供方法。
10.一种计算机可读存储介质,其特征在于,存储有可执行指令,用于被处理器执行时,实现权利要求1至4任一项所述的服务提供方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710254095.3A CN108737138B (zh) | 2017-04-18 | 2017-04-18 | 服务提供方法及服务平台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710254095.3A CN108737138B (zh) | 2017-04-18 | 2017-04-18 | 服务提供方法及服务平台 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108737138A CN108737138A (zh) | 2018-11-02 |
CN108737138B true CN108737138B (zh) | 2022-06-07 |
Family
ID=63924210
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710254095.3A Active CN108737138B (zh) | 2017-04-18 | 2017-04-18 | 服务提供方法及服务平台 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108737138B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109840543A (zh) * | 2018-12-15 | 2019-06-04 | 中国大唐集团科学技术研究院有限公司 | 一种基于神经网络和敏感信息流的数据监控与预警方法 |
CN109754537A (zh) * | 2018-12-25 | 2019-05-14 | 北京兆易创新科技股份有限公司 | 一种物品租借系统及方法 |
CN112348685A (zh) * | 2020-10-09 | 2021-02-09 | 中南大学 | 信用评分方法、装置、设备及存储介质 |
CN115526616B (zh) * | 2022-09-19 | 2023-08-22 | 青岛畅联科技有限公司 | 一种基于人工智能的MaaS支付清分结算系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101729321A (zh) * | 2009-12-22 | 2010-06-09 | 北京理工大学 | 一种基于信任评估机制的动态跨域访问控制方法 |
CN104468945A (zh) * | 2013-09-16 | 2015-03-25 | 联想(北京)有限公司 | 一种信息处理方法、装置及电子设备 |
CN105323210A (zh) * | 2014-06-10 | 2016-02-10 | 腾讯科技(深圳)有限公司 | 一种检测网站安全的方法、装置及云服务器 |
US9385869B1 (en) * | 2014-03-26 | 2016-07-05 | Symantec Corporation | Systems and methods for trusting digitally signed files in the absence of verifiable signature conditions |
CN105991596A (zh) * | 2015-02-15 | 2016-10-05 | 中兴通讯股份有限公司 | 一种访问控制方法和系统 |
CN106548348A (zh) * | 2016-10-26 | 2017-03-29 | Tcl集团股份有限公司 | 一种基于智能终端的信用信息管理方法及系统 |
-
2017
- 2017-04-18 CN CN201710254095.3A patent/CN108737138B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101729321A (zh) * | 2009-12-22 | 2010-06-09 | 北京理工大学 | 一种基于信任评估机制的动态跨域访问控制方法 |
CN104468945A (zh) * | 2013-09-16 | 2015-03-25 | 联想(北京)有限公司 | 一种信息处理方法、装置及电子设备 |
US9385869B1 (en) * | 2014-03-26 | 2016-07-05 | Symantec Corporation | Systems and methods for trusting digitally signed files in the absence of verifiable signature conditions |
CN105323210A (zh) * | 2014-06-10 | 2016-02-10 | 腾讯科技(深圳)有限公司 | 一种检测网站安全的方法、装置及云服务器 |
CN105991596A (zh) * | 2015-02-15 | 2016-10-05 | 中兴通讯股份有限公司 | 一种访问控制方法和系统 |
CN106548348A (zh) * | 2016-10-26 | 2017-03-29 | Tcl集团股份有限公司 | 一种基于智能终端的信用信息管理方法及系统 |
Non-Patent Citations (1)
Title |
---|
社交网络中动态信任模型若干技术研究;刘凯;《中国优秀硕士学位论文全文数据库信息科技辑》;20150331;正文第11-55页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108737138A (zh) | 2018-11-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10467631B2 (en) | Ranking and tracking suspicious procurement entities | |
CN100418060C (zh) | 对问题报告的响应行为进行优先级区分的装置和方法 | |
CN110689438A (zh) | 企业类金融风险评分方法、装置、计算机设备及存储介质 | |
WO2019084922A1 (zh) | 信息处理方法和系统、服务器、终端、计算机存储介质 | |
CN112507936B (zh) | 图像信息审核方法、装置、电子设备及可读存储介质 | |
CN108737138B (zh) | 服务提供方法及服务平台 | |
CN111178219A (zh) | 票据识别管理方法、装置、存储介质及电子设备 | |
US11037160B1 (en) | Systems and methods for preemptive fraud alerts | |
US20140181007A1 (en) | Trademark reservation system | |
CN112598513B (zh) | 识别股东风险交易行为的方法及装置 | |
CN110322209A (zh) | 评论信息处理方法、装置、系统及存储介质 | |
US11395094B1 (en) | Network based resource management and allocation | |
Zeng et al. | Polls, clickbait, and commemorative $2 bills: problematic political advertising on news and media websites around the 2020 US elections | |
CN102870110A (zh) | 文档登记系统 | |
CA3169417A1 (en) | Method of and system for appraising risk | |
CN111415067A (zh) | 企业及个人信用评级系统 | |
CN105138897B (zh) | 确定用户权限的方法及装置 | |
Wen et al. | A phenomenological perspective on AI ethical failures: The case of facial recognition technology | |
Macanovic et al. | The moral embeddedness of cryptomarkets: text mining feedback on economic exchanges on the dark web | |
WO2017166280A1 (en) | Technologies for propagating advertisements | |
KR20200020505A (ko) | 가치선택적 마케팅 시스템 | |
Obie et al. | Automated detection, categorisation and developers’ experience with the violations of honesty in mobile apps | |
CN109636627B (zh) | 基于区块链的保险产品管理方法、装置、介质及电子设备 | |
CN116361571A (zh) | 基于人工智能的商户画像生成方法、装置、设备及介质 | |
US20210397602A1 (en) | Systems and methods for analyzing electronic data to determine faults in a transit system |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |