CN110347973A - 用于生成信息的方法和装置 - Google Patents
用于生成信息的方法和装置 Download PDFInfo
- Publication number
- CN110347973A CN110347973A CN201910635973.5A CN201910635973A CN110347973A CN 110347973 A CN110347973 A CN 110347973A CN 201910635973 A CN201910635973 A CN 201910635973A CN 110347973 A CN110347973 A CN 110347973A
- Authority
- CN
- China
- Prior art keywords
- different degree
- information
- account identification
- account
- degree vector
- 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
-
- 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
- H04L67/2866—Architectures; Arrangements
- H04L67/30—Profiles
- H04L67/306—User profiles
-
- 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
- H04L67/01—Protocols
- H04L67/06—Protocols specially adapted for file transfer, e.g. file transfer protocol [FTP]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/22—Payment schemes or models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/22—Payment schemes or models
- G06Q20/227—Payment schemes or models characterised in that multiple accounts are available, e.g. to the payer
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/38—Payment protocols; Details thereof
- G06Q20/389—Keeping log of transactions for guaranteeing non-repudiation of a transaction
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/14—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic
- H04L63/1441—Countermeasures against malicious traffic
- H04L63/1483—Countermeasures against malicious traffic service impersonation, e.g. phishing, pharming or web spoofing
-
- 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
- H04L67/535—Tracking the activity of the user
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Security & Cryptography (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Algebra (AREA)
- Accounting & Taxation (AREA)
- Computer Hardware Design (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Finance (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本公开实施例公开了用于生成信息的方法和装置。该方法的一具体实施方式包括:根据历史上传信息,确定至少一个账户标识对应的身份相关信息;根据上述至少一个账户标识对应的身份相关信息,确定上述至少一个账户标识之间的账户关系矩阵;根据上述账户关系矩阵,得到概率转移矩阵;根据上述概率转移矩阵和预先设定的初始重要度向量,计算上述至少一个账户标识的重要度信息。该实施方式基于身份相关信息确定多个账户标识中的各账户标识的重要度。
Description
技术领域
本公开实施例涉及计算机技术领域,具体涉及用于生成信息的方法和装置。
背景技术
现阶段,用户可以上传POI(Point of Interest,兴趣点)信息。而这种获取POI信息的方式一直面临着严峻的用户作弊问题。现行的反作弊系统一般利用专家业务经验制定规则类作弊策略并确定阈值。然后,采集、分析账号的历史上传数据,如果账号的历史上传数据触发某类预设的作弊策略的阈值,则对账号进行拉黑或者限制上传信息。但是黑产团伙往往具有团体性,多人合作分工明确,如果发现一个账号被作弊策略限制,基于利益诉求必然会切换另一个新账号进行信息上传,因此针对单用户单账号的反作弊已然失效,需要根据多个账号之间的关系确定作弊账户。
发明内容
本公开实施例提出了用于生成信息的方法和装置。
第一方面,本公开实施例提供了一种用于生成信息的方法,该方法包括:根据历史上传信息,确定至少一个账户标识对应的身份相关信息;根据上述至少一个账户标识对应的身份相关信息,确定上述至少一个账户标识之间的账户关系矩阵;根据上述账户关系矩阵,得到概率转移矩阵;根据上述概率转移矩阵和预先设定的初始重要度向量,计算上述至少一个账户标识的重要度信息。
在一些实施例中,上述方法还包括:接收群体作弊预测请求,其中,上述群体作弊预测请求包括群体作弊比例;根据上述重要度信息,将上述至少一个账户标识中的账户标识按重要度由大到小的顺序进行排序;选取排序结果中位于前上述群体作弊比例的账户标识,作为群体作弊账户标识进行发送。
在一些实施例中,上述根据上述概率转移矩阵和预先设定的初始重要度向量,计算上述至少一个账户标识的重要度信息,包括:以上述初始重要度向量作为前一重要度向量,执行以下信息确定步骤:使用上述概率转移矩阵和上述前一重要度向量相乘;根据相乘结果,确定当前重要度向量;确定上述当前重要度向量和上述前一重要度向量的误差是否大于预设的误差阈值;响应于确定上述当前重要度向量和上述前一重要度向量的误差不大于预设的误差阈值,将上述当前重要度向量作为重要度信息。
在一些实施例中,上述信息确定步骤还包括:响应于确定上述当前重要度向量和上述前一重要度向量的误差大于预设的误差阈值,以上述当前重要度向量作为前一重要度向量,继续执行上述信息确定步骤。
在一些实施例中,上述至少一个账户标识中的账户标识对应的身份相关信息包括至少一种身份特征;以及上述根据上述至少一个账户标识对应的身份相关信息,确定上述至少一个账户标识之间的账户关系矩阵,包括:基于预先确定的关系权值信息,为至少一种身份特征中的身份特征设置权值;根据至少一种身份特征中的身份特征的权值以及上述至少一个账户标识对应的身份相关信息,确定上述至少一个账户标识之间的账户关系矩阵
第二方面,本公开实施例提供了一种用于生成信息的装置,上述装置包括:第一确定单元,被配置成根据历史上传信息,确定至少一个账户标识对应的身份相关信息;第二确定单元,被配置成根据上述至少一个账户标识对应的身份相关信息,确定上述至少一个账户标识之间的账户关系矩阵;矩阵生成单元,被配置成根据上述账户关系矩阵,得到概率转移矩阵;信息生成单元,被配置成根据上述概率转移矩阵和预先设定的初始重要度向量,计算上述至少一个账户标识的重要度信息。
在一些实施例中,上述装置还包括:接收单元,被配置成接收群体作弊预测请求,其中,上述群体作弊预测请求包括群体作弊比例;排序单元,被配置成根据上述重要度信息,将上述至少一个账户标识中的账户标识按重要度由大到小的顺序进行排序;发送单元,被配置成选取排序结果中位于前上述群体作弊比例的账户标识,作为群体作弊账户标识进行发送。
在一些实施例中,上述信息生成单元进一步被配置成:以上述初始重要度向量作为前一重要度向量,执行以下信息确定步骤:使用上述概率转移矩阵和上述前一重要度向量相乘;根据相乘结果,确定当前重要度向量;确定上述当前重要度向量和上述前一重要度向量的误差是否大于预设的误差阈值;响应于确定上述当前重要度向量和上述前一重要度向量的误差不大于预设的误差阈值,将上述当前重要度向量作为重要度信息。
在一些实施例中,上述信息确定步骤还包括:响应于确定上述当前重要度向量和上述前一重要度向量的误差大于预设的误差阈值,以上述当前重要度向量作为前一重要度向量,继续执行上述信息确定步骤。
在一些实施例中,上述至少一个账户标识中的账户标识对应的身份相关信息包括至少一种身份特征;以及上述第二确定单元进一步被配置成:基于预先确定的关系权值信息,为至少一种身份特征中的身份特征设置权值;根据至少一种身份特征中的身份特征的权值以及上述至少一个账户标识对应的身份相关信息,确定上述至少一个账户标识之间的账户关系矩阵。
第三方面,本公开实施例提供了一种服务器,该服务器包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当上述一个或多个程序被上述一个或多个处理器执行时,使得上述一个或多个处理器实现如第一方面中任一实现方式描述的方法。
第四方面,本公开实施例提供了一种计算机可读介质,其上存储有计算机程序,其中,该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
本公开实施例提供的用于生成信息的方法和装置,首先根据历史上传信息确定至少一个账户标识对应的身份相关信息,之后根据至少一个账户标识对应的身份相关信息确定至少一个账户标识之间的账户关系矩阵,然后根据账户关系矩阵得到概率转移矩阵,最后根据概率转移矩阵和初始重要度向量计算至少一个账户标识的重要度信息,从而实现了基于身份相关信息确定多个账户标识中的各账户标识的重要度。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本公开的其它特征、目的和优点将会变得更明显:
图1是本公开的一个实施例可以应用于其中的示例性系统架构图;
图2是根据本公开的用于生成信息的方法的一个实施例的流程图;
图3是以账户标识对应的身份相关信息包括设备号和IP地址为例得到的关系网络;
图4是根据本公开的用于生成信息的方法的一个应用场景的示意图;
图5是根据本公开的用于生成信息的方法的又一个实施例的流程图;
图6是根据本公开的用于生成信息的装置的一个实施例的结构示意图;
图7是适于用来实现本公开实施例的服务器的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
图1示出了可以应用本公开实施例的用于生成信息的方法或用于生成信息的装置的示例性系统架构100。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如地图类应用、网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是硬件,也可以是软件。当终端设备101、102、103为硬件时,可以是具有显示屏并且支持信息上传的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时,可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103上传的历史上传信息进行分析处理的后台服务器。后台服务器可以对历史上传信息进行分析等处理,并生成重要度信息。
需要说明的是,服务器105可以是硬件,也可以是软件。当服务器105为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器105为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
需要说明的是,本公开实施例所提供的用于生成信息的方法一般由服务器105执行,相应地,用于生成信息的装置一般设置于服务器105中。
继续参考图2,示出了根据本公开的用于生成信息的方法的一个实施例的流程200。该用于生成信息的方法,包括以下步骤:
步骤201,根据历史上传信息,确定至少一个账户标识对应的身份相关信息。
在本实施例中,用于生成信息的方法的执行主体(例如图1所示的服务器105)可以接收终端设备(例如图1所示的终端设备101、102、103)的上传信息。作为示例,某一条上传信息可以包括POI信息、账户标识、IP地址(Internet Protocol Address,互联网协议地址)、位置坐标、设备号、设备型号、联系信息(例如,联系地址、联系电话等等)、应用程序版本号等等。其中,账户标识可以用于唯一标识一个账户,举例来说,账户标识可以是用户名。IP地址可以是上传信息时终端设备的IP地址。位置坐标可以是上传该条上传信息时终端设备所在的地理位置的坐标。设备号可以是指上传该条上传信息的终端设备的设备号,该设备号可以用于唯一标识一个终端设备。设备型号可以是指上传该条上传信息的终端设备的设备型号。联系信息可以是指上传该条上传信息时用户在预设的上传页面填写的联系信息,可以包括联系地址、电话号码等等。
执行主体可以将所有接收的上传信息或者预设时间内(例如,最近一年内)接收的上传信息作为历史上传信息。并对历史上传信息进行分析处理,从而得到至少一个账户标识对应的身份相关信息。这里,一个账户标识对应的身份相关信息可以是指与注册该账户标识的用户的身份相关的信息。通常,IP地址、位置坐标、设备号、联系信息等可能与用户的身份相关,因此,可以将IP地址、位置坐标、设备号、联系信息等作为账户标识对应的身份相关信息。实践中,可以根据实际需要预先设定上传信息中的哪些信息可以作为账户标识对应的身份相关信息。这样,执行主体可以从历史上传信息中提取账户标识以及账户标识对应的身份相关信息。
步骤202,根据至少一个账户标识对应的身份相关信息,确定至少一个账户标识之间的账户关系矩阵。
在本实施例中,执行主体可以根据步骤201得到的至少一个账户标识对应的身份相关信息,确定至少一个账户标识之间的账户关系矩阵。作为示例,执行主体可以针对上述至少一个账户标识中的每一个账户标识,设置一个用于存储该账户标识的节点。之后,执行主体可以根据各个账户标识对应的身份相关信息确定两两节点之间的关系,从而得到至少一个节点对应的关系网络,并根据关系网络确定账户关系矩阵。其中,账户关系矩阵的行数、列数等于至少一个账户标识中的账户标识数。
请参见图3,图3中以账户标识对应的身份相关信息包括设备号和IP地址为例,假设账户标识包括uid_A、uid_B、uid_C和uid_D,其中,
uid_A的身份相关信息包括设备号cuid_A和IP_A;
uid_B的身份相关信息包括设备号cuid_B和IP_A;
uid_C的身份相关信息包括设备号cuid_C和IP_A;
uid_D的身份相关信息包括设备号cuid_B和IP_D。
首先,执行主体可以建立节点uid_A、uid_B、uid_C和uid_D的关系网络。具体的,由于uid_A、uid_B和uid_C都包括IP_A,因此uid_A、uid_B和uid_C的两两之间可以通过IP_A建立边的关系。由于uid_B和uid_D都包括cuid_B,因此uid_B和uid_D之间可以通过cuid_B建立边的关系,从而得到如图3所示的关系网络。之后,执行主体可以根据关系网络确定节点uid_A、uid_B、uid_C和uid_D之间的节点关系矩阵W,节点关系矩阵W即账户关系矩阵。其中,
其中,账户关系矩阵中的各元素Wij=0表示节点i和节点j这两个节点没有关系,Wij=1表示节点i和节点j这两个节点有关系。Wij表示矩阵中的第i行、第j列个元素。1≤i≤N,1≤j≤N,N表示节点的数量。本例中,N=4,即包括uid_A、uid_B、uid_C和uid_D共4个节点。
在本实施例的一些可选的实现方式中,至少一个账户标识中的账户标识对应的身份相关信息可以包括至少一种身份特征。作为示例,身份特征可以是与注册该账户标识的用户的身份相关的特征信息。这里,可以将身份相关信息中的每一种信息作为一种身份特征。举例来说,身份特征可以包括IP地址、位置坐标、设备号、联系信息等等。以及上述步骤202还可以具体如下进行:
首先,基于预先确定的关系权值信息,为至少一种身份特征中的身份特征设置权值。
在本实现方式中,执行主体可以基于预先确定的关系权值信息,为至少一种身份特征中每一种身份特征设置权值。这里,关系权值信息可以用于表示每一种特征在确定账户标识关系时的权值。实践中,上述关系权值信息可以根据实际需要进行设定。举例来说,关系权值信息可以是技术人员基于多次试验、评估得到的。作为示例,可以设定,权值越大表示该特征在确定账户标识关系时越重要。实践中,如果两个账户标识上传信息时所携带的设备号相同,则表示这两个账户标识之间有强关系,因此可以将设备号对应的权值设置的大一些,例如,设为10。如果两个账户标识上传信息时所携带的IP地址相同,即两个账户标识通过同一网关访问互联网,则表示这两个账户标识之间有弱关系,可以将IP地址对应的权值设置的小一些,例如设置为1。
然后,根据至少一种身份特征中的身份特征的权值以及至少一个账户标识对应的身份相关信息,确定至少一个账户标识之间的账户关系矩阵。
在本实现方式中,执行主体可以根据至少一种身份特征中的身份特征的权值以及至少一个账户标识对应的身份相关信息,确定至少一个账户标识之间的账户关系矩阵。
以图3所示的关系网络为例,设置设备号的权值为10,IP地址的权值为1。由于uid_A、uid_B和uid_C都包括IP_A,因此uid_A、uid_B和uid_C的两两之间可以建立权值为1的边。由于uid_B和uid_D都包括cuid_B,因此uid_B和uid_D之间可以建立权值为10的边。从而得到以下账户关系矩阵:
步骤203,根据账户关系矩阵,得到概率转移矩阵。
在本实施例中,执行主体可以根据步骤202中得到的账户关系矩阵,得到概率转移矩阵。具体的,执行主体首先可以对账户关系矩阵进行归一化,得到归一化关系矩阵HT,其中,
其中,N表示节点的数量。表示归一化关系矩阵HT中的第i行和第j列。1≤i≤N,1≤j≤N。
之后,执行主体可以将归一化关系矩阵HT的转置矩阵H作为概率转移矩阵。实践中,账户关系矩阵可以用于表示各个账户标识之间的关系。假设Wij=1,即节点i和节点j这两个节点之间有关系,这种关系可以理解为一种投票行为,即节点i为节点j投票,那么在节点i为节点j投票的过程中就需要考虑节点i共给多少个节点投票,因为假定节点i的总票数为1,因此,节点i需要投票的节点越多各个节点得到的票数越少。例如,节点i给三个节点投票,则每个节点得到三分之一的票数。归一化关系矩阵HT的转置矩阵H表示各个节点之间相互投票后,票数的转移。
步骤204,根据概率转移矩阵和预先设定的初始重要度向量,计算至少一个账户标识的重要度信息。
在本实施例中,执行主体可以预先设置初始重要度向量。其中,初始重要度向量可以是一个列向量,初始重要度向量的列数与概率转移矩阵的行数相同。作为示例,初始重要度向量的各列的值可以都为1/N,其中,N表示节点的数量。之后,执行主体可以根据概率转移矩阵和初始重要度向量,计算至少一个账户标识的重要度信息,其中,所述重要度信息可以是列向量,该列向量包含的元素数量与至少一个账户标识中包括的账户标识的数量相同,各元素用于表示各账户标识的重要度。作为示例,执行主体可以使用概率转移矩阵相乘和初始重要度向量相乘,得到一个列向量,并将得到的列向量作为至少一个账户标识的重要度信息,该列向量的各个元素分别与至少一个账户标识中的各账户标识对应,用于表示各账户标识的重要度。
在本实施例的一些可选的实现方式中,上述步骤204可以具体如下进行:
以初始重要度向量作为前一重要度向量,执行以下信息确定步骤S1~S4。
步骤S1,使用概率转移矩阵和前一重要度向量相乘。
在本实现方式中,执行主体可以使用概率转移矩阵和前一重要度向量相乘。这里,前一重要度向量为一个列向量。
步骤S2,根据相乘结果,确定当前重要度向量;
在本实现方式中,概率转移矩阵和前一重要度向量相乘的相乘结果为一个列向量。作为示例,执行主体可以对相乘得到列向量进行处理(例如加权),从而得到当前重要度向量。举例来说,执行主体可以通过以下公式计算得到当前重要度向量:
pn+1=α*H*pn+(1-α)eT/N;
其中,pn+1表示当前重要度向量,H表示概率转移矩阵,pn表示前一重要度向量,eT表示单位行向量,α表示超参数,α的值可以根据实际需要进行设定,例如,可以取0.85。N表示节点的数量。
步骤S3,确定当前重要度向量和前一重要度向量的误差是否大于预设的误差阈值。
在本实现方式中,执行主体可以首先可以通过以下公式计算当前重要度向量和前一重要度向量的误差:
E=|pn+1-pn|,
其中,E表示当前重要度向量和前一重要度向量的误差。
之后,执行主体可以将当前重要度向量和前一重要度向量的误差与预设的误差阈值进行比较,判断当前重要度向量和前一重要度向量的误差是否大于误差阈值。
步骤S4,响应于确定当前重要度向量和前一重要度向量的误差不大于预设的误差阈值,将当前重要度向量作为重要度信息。
在本实现方式中,如果当前重要度向量和前一重要度向量的误差不大于(小于或等于)预设的误差阈值,则将当前重要度向量作为重要度信息。
在一些可选的实现方式中,上述信息确定步骤还可以包括:
步骤S5,响应于确定当前重要度向量和前一重要度向量的误差大于预设的误差阈值,以当前重要度向量作为前一重要度向量,继续执行信息确定步骤。
在本实现方式中,如果当前重要度向量和前一重要度向量的误差大于预设的误差阈值,则执行主体可以以当前重要度向量作为前一重要度向量,继续执行上述信息确定步骤。
继续参见图4,图4是根据本实施例的用于生成信息的方法的应用场景的一个示意图。在图4的应用场景中,服务器401可以根据终端设备402上传的历史上传信息确定多个账户标识对应的身份相关信息。之后,服务器401根据多个账户标识对应的身份相关信息,确定多个账户标识之间的账户关系矩阵。然后,服务器401根据多个账户标识之间的账户关系矩阵,得到概率转移矩阵。最后,服务器401根据概率转移矩阵和预先设定的初始重要度向量,计算多个账户标识的重要度信息。
本公开的上述实施例提供的方法通过历史上传信息中账户标识对应的身份相关信息确定多个账户标识之间的账户关系矩阵,并基于账户关系矩阵生成多个账户标识的重要度信息,从而确定了多个账户标识中的各账户标识的重要度。
进一步参考图5,其示出了用于生成信息的方法的又一个实施例的流程500。该用于生成信息的方法的流程500,包括以下步骤:
步骤501,根据历史上传信息,确定至少一个账户标识对应的身份相关信息。
在本实施例中,步骤501与图2所示实施例的步骤201类似,此处不再赘述。
步骤502,根据至少一个账户标识对应的身份相关信息,确定至少一个账户标识之间的账户关系矩阵。
在本实施例中,步骤502与图2所示实施例的步骤202类似,此处不再赘述。
步骤503,根据账户关系矩阵,得到概率转移矩阵。
在本实施例中,步骤503与图2所示实施例的步骤203类似,此处不再赘述。
步骤504,根据概率转移矩阵和预先设定的初始重要度向量,计算至少一个账户标识的重要度信息。
在本实施例中,步骤504与图2所示实施例的步骤204类似,此处不再赘述。
步骤505,接收群体作弊预测请求。
在本实施例中,执行主体可以接收终端设备发送的群体作弊预测请求。其中,群体作弊预测请求可以包括群体作弊比例。作为示例,群体作弊比例可以是技术人员根据历史上传信息,人工预测出的一个比例。该比例可以表示上传历史上传信息的账户标识中,有多少比例的账户标识为群体作弊的账户标识。
步骤506,根据重要度信息,将至少一个账户标识中的账户标识按重要度由大到小的顺序进行排序。
在本实施例中,执行主体可以根据重要度信息,将至少一个账户标识中的每一个账户标识按重要度由大到小的顺序进行排序。这里,重要度信息为列向量,该列向量的各个元素分别与至少一个账户标识中的各账户标识对应,列向量元素的值可以为所对应的账户标识的重要度。
步骤507,选取排序结果中位于前群体作弊比例的账户标识,作为群体作弊账户标识进行发送。
在本实现方式中,执行主体可以选取排序结果中位于前群体作弊比例的账户标识,作为群体作弊账户标识进行发送。以群体作弊比例为10%为例,执行主体可以选取排序结果中前10%的账户标识作为作弊账户标识。之后,执行主体可以将选取的群体作弊账户标识发送给发送群体作弊预测请求的终端设备。
从图5中可以看出,与图2对应的实施例相比,本实施例中的用于生成信息的方法的流程500突出了根据群体作弊预测请求和重要度信息确定群体作弊账户标识的步骤。由此,本实施例描述的方案可以根据生成的重要度信息确定群体作弊账户标识,从而实现对群体作弊账户标识的识别。
进一步参考图6,作为对上述各图所示方法的实现,本公开提供了一种用于生成信息的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图6所示,本实施例的用于生成信息的装置600包括:第一确定单元601、第二确定单元602、矩阵生成单元603和信息生成单元604。其中,第一确定单元601被配置成根据历史上传信息,确定至少一个账户标识对应的身份相关信息;第二确定单元602被配置成根据上述至少一个账户标识对应的身份相关信息,确定上述至少一个账户标识之间的账户关系矩阵;矩阵生成单元603被配置成根据上述账户关系矩阵,得到概率转移矩阵;信息生成单元604被配置成根据上述概率转移矩阵和预先设定的初始重要度向量,计算上述至少一个账户标识的重要度信息。
在本实施例中,用于生成信息的装置600的第一确定单元601、第二确定单元602、矩阵生成单元603和信息生成单元604的具体处理及其所带来的技术效果可分别参考图2对应实施例中步骤201、步骤202、步骤203和步骤204的相关说明,在此不再赘述。
在本实施例的一些可选的实现方式中,上述装置600还包括:接收单元(图中未示出),被配置成接收群体作弊预测请求,其中,上述群体作弊预测请求包括群体作弊比例;排序单元(图中未示出),被配置成根据上述重要度信息,将上述至少一个账户标识中的账户标识按重要度由大到小的顺序进行排序;发送单元(图中未示出),被配置成选取排序结果中位于前上述群体作弊比例的账户标识,作为群体作弊账户标识进行发送。
在本实施例的一些可选的实现方式中,上述信息生成单元604进一步被配置成:以上述初始重要度向量作为前一重要度向量,执行以下信息确定步骤:使用上述概率转移矩阵和上述前一重要度向量相乘;根据相乘结果,确定当前重要度向量;确定上述当前重要度向量和上述前一重要度向量的误差是否大于预设的误差阈值;响应于确定上述当前重要度向量和上述前一重要度向量的误差不大于预设的误差阈值,将上述当前重要度向量作为重要度信息。
在本实施例的一些可选的实现方式中,上述信息确定步骤还包括:响应于确定上述当前重要度向量和上述前一重要度向量的误差大于预设的误差阈值,以上述当前重要度向量作为前一重要度向量,继续执行上述信息确定步骤。
在本实施例的一些可选的实现方式中,上述至少一个账户标识中的账户标识对应的身份相关信息包括至少一种身份特征;以及上述第二确定单元602进一步被配置成:基于预先确定的关系权值信息,为至少一种身份特征中的身份特征设置权值;根据至少一种身份特征中的身份特征的权值以及上述至少一个账户标识对应的身份相关信息,确定上述至少一个账户标识之间的账户关系矩阵。
下面参考图7,其示出了适于用来实现本公开的实施例的电子设备(例如图1中的服务器)700的结构示意图。图7示出的服务器仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图7所示,电子设备700可以包括处理装置(例如中央处理器、图形处理器等)701,其可以根据存储在只读存储器(ROM)702中的程序或者从存储装置708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中,还存储有电子设备700操作所需的各种程序和数据。处理装置701、ROM 702以及RAM703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
通常,以下装置可以连接至I/O接口705:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置706;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置707;包括例如磁带、硬盘等的存储装置708;以及通信装置709。通信装置709可以允许电子设备700与其他设备进行无线或有线通信以交换数据。虽然图7示出了具有各种装置的电子设备700,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图7中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置709从网络上被下载和安装,或者从存储装置708被安装,或者从ROM 702被安装。在该计算机程序被处理装置701执行时,执行本公开的实施例的方法中限定的上述功能。
需要说明的是,本公开的实施例所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:根据历史上传信息,确定至少一个账户标识对应的身份相关信息;根据上述至少一个账户标识对应的身份相关信息,确定上述至少一个账户标识之间的账户关系矩阵;根据上述账户关系矩阵,得到概率转移矩阵;根据上述概率转移矩阵和预先设定的初始重要度向量,计算上述至少一个账户标识的重要度信息。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括第一确定单元、第二确定单元、矩阵生成单元和信息生成单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,第一确定单元还可以被描述为“根据历史上传信息,确定至少一个账户标识对应的身份相关信息的单元”。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (12)
1.一种用于生成信息的方法,包括:
根据历史上传信息,确定至少一个账户标识对应的身份相关信息;
根据所述至少一个账户标识对应的身份相关信息,确定所述至少一个账户标识之间的账户关系矩阵;
根据所述账户关系矩阵,得到概率转移矩阵;
根据所述概率转移矩阵和预先设定的初始重要度向量,计算所述至少一个账户标识的重要度信息。
2.根据权利要求1所述的方法,其中,所述方法还包括:
接收群体作弊预测请求,其中,所述群体作弊预测请求包括群体作弊比例;
根据所述重要度信息,将所述至少一个账户标识中的账户标识按重要度由大到小的顺序进行排序;
选取排序结果中位于前所述群体作弊比例的账户标识,作为群体作弊账户标识进行发送。
3.根据权利要求1所述的方法,其中,所述根据所述概率转移矩阵和预先设定的初始重要度向量,计算所述至少一个账户标识的重要度信息,包括:
以所述初始重要度向量作为前一重要度向量,执行以下信息确定步骤:使用所述概率转移矩阵和所述前一重要度向量相乘;根据相乘结果,确定当前重要度向量;确定所述当前重要度向量和所述前一重要度向量的误差是否大于预设的误差阈值;响应于确定所述当前重要度向量和所述前一重要度向量的误差不大于预设的误差阈值,将所述当前重要度向量作为重要度信息。
4.根据权利要求3所述的方法,其中,所述信息确定步骤还包括:
响应于确定所述当前重要度向量和所述前一重要度向量的误差大于预设的误差阈值,以所述当前重要度向量作为前一重要度向量,继续执行所述信息确定步骤。
5.根据权利要求1所述的方法,其中,所述至少一个账户标识中的账户标识对应的身份相关信息包括至少一种身份特征;以及
所述根据所述至少一个账户标识对应的身份相关信息,确定所述至少一个账户标识之间的账户关系矩阵,包括:
基于预先确定的关系权值信息,为至少一种身份特征中的身份特征设置权值;
根据至少一种身份特征中的身份特征的权值以及所述至少一个账户标识对应的身份相关信息,确定所述至少一个账户标识之间的账户关系矩阵。
6.一种用于生成信息的装置,包括:
第一确定单元,被配置成根据历史上传信息,确定至少一个账户标识对应的身份相关信息;
第二确定单元,被配置成根据所述至少一个账户标识对应的身份相关信息,确定所述至少一个账户标识之间的账户关系矩阵;
矩阵生成单元,被配置成根据所述账户关系矩阵,得到概率转移矩阵;
信息生成单元,被配置成根据所述概率转移矩阵和预先设定的初始重要度向量,计算所述至少一个账户标识的重要度信息。
7.根据权利要求6所述的装置,其中,所述装置还包括:
接收单元,被配置成接收群体作弊预测请求,其中,所述群体作弊预测请求包括群体作弊比例;
排序单元,被配置成根据所述重要度信息,将所述至少一个账户标识中的账户标识按重要度由大到小的顺序进行排序;
发送单元,被配置成选取排序结果中位于前所述群体作弊比例的账户标识,作为群体作弊账户标识进行发送。
8.根据权利要求6所述的装置,其中,所述信息生成单元进一步被配置成:
以所述初始重要度向量作为前一重要度向量,执行以下信息确定步骤:使用所述概率转移矩阵和所述前一重要度向量相乘;根据相乘结果,确定当前重要度向量;确定所述当前重要度向量和所述前一重要度向量的误差是否大于预设的误差阈值;响应于确定所述当前重要度向量和所述前一重要度向量的误差不大于预设的误差阈值,将所述当前重要度向量作为重要度信息。
9.根据权利要求8所述的装置,其中,所述信息确定步骤还包括:
响应于确定所述当前重要度向量和所述前一重要度向量的误差大于预设的误差阈值,以所述当前重要度向量作为前一重要度向量,继续执行所述信息确定步骤。
10.根据权利要求6所述的装置,其中,所述至少一个账户标识中的账户标识对应的身份相关信息包括至少一种身份特征;以及
所述第二确定单元进一步被配置成:
基于预先确定的关系权值信息,为至少一种身份特征中的身份特征设置权值;
根据至少一种身份特征中的身份特征的权值以及所述至少一个账户标识对应的身份相关信息,确定所述至少一个账户标识之间的账户关系矩阵。
11.一种服务器,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-5中任一所述的方法。
12.一种计算机可读介质,其上存储有计算机程序,其中,所述程序被处理器执行时实现如权利要求1-5中任一所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910635973.5A CN110347973B (zh) | 2019-07-15 | 2019-07-15 | 用于生成信息的方法和装置 |
US16/926,116 US11470167B2 (en) | 2019-07-15 | 2020-07-10 | Method and apparatus for generating information |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910635973.5A CN110347973B (zh) | 2019-07-15 | 2019-07-15 | 用于生成信息的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110347973A true CN110347973A (zh) | 2019-10-18 |
CN110347973B CN110347973B (zh) | 2023-07-14 |
Family
ID=68175338
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910635973.5A Active CN110347973B (zh) | 2019-07-15 | 2019-07-15 | 用于生成信息的方法和装置 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11470167B2 (zh) |
CN (1) | CN110347973B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111091393A (zh) * | 2019-11-26 | 2020-05-01 | 北京摩拜科技有限公司 | 异常账号识别方法、装置及电子设备 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11036828B1 (en) | 2019-07-30 | 2021-06-15 | Intuit, Inc. | Identifying checksum mechanisms using linear equations |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014228918A (ja) * | 2013-05-20 | 2014-12-08 | 日本電信電話株式会社 | アイテム推薦装置、アイテム推薦方法、およびアイテム推薦プログラム |
US8966036B1 (en) * | 2010-11-24 | 2015-02-24 | Google Inc. | Method and system for website user account management based on event transition matrixes |
CN105404947A (zh) * | 2014-09-02 | 2016-03-16 | 阿里巴巴集团控股有限公司 | 用户质量侦测方法及装置 |
CN105630800A (zh) * | 2014-10-29 | 2016-06-01 | 杭州师范大学 | 一种节点重要性排序的方法和系统 |
US20160364794A1 (en) * | 2015-06-09 | 2016-12-15 | International Business Machines Corporation | Scoring transactional fraud using features of transaction payment relationship graphs |
CN108388674A (zh) * | 2018-03-26 | 2018-08-10 | 百度在线网络技术(北京)有限公司 | 用于推送信息的方法和装置 |
CN108520470A (zh) * | 2017-02-28 | 2018-09-11 | 百度在线网络技术(北京)有限公司 | 用于生成用户属性信息的方法和装置 |
CN109347787A (zh) * | 2018-08-15 | 2019-02-15 | 阿里巴巴集团控股有限公司 | 一种身份信息的识别方法及装置 |
CN109426985A (zh) * | 2017-09-04 | 2019-03-05 | 腾讯科技(深圳)有限公司 | 信息处理方法、装置、计算机设备和存储介质 |
CN109558951A (zh) * | 2018-11-23 | 2019-04-02 | 北京知道创宇信息技术有限公司 | 一种欺诈账号检测方法、装置及其存储介质 |
CN109657148A (zh) * | 2018-12-24 | 2019-04-19 | 北京百度网讯科技有限公司 | 针对上报poi的异常操作识别方法、装置、服务器和介质 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8327428B2 (en) * | 2006-11-30 | 2012-12-04 | Microsoft Corporation | Authenticating linked accounts |
US20130151617A1 (en) * | 2011-10-13 | 2013-06-13 | Elwha LLC, a limited liability corporation of the State of Delaware | Behavioral fingerprinting via social network verification |
JP2014074966A (ja) * | 2012-10-02 | 2014-04-24 | International Business Maschines Corporation | タスク処理方法、プログラム及びシステム |
US20150356703A1 (en) * | 2014-06-10 | 2015-12-10 | Uber Technologies, Inc. | Arranging a transport service based on computed vectors associated with service providers |
US10848515B1 (en) * | 2016-12-02 | 2020-11-24 | University Of South Florida | Predictive model for overall network security risk |
US10754959B1 (en) * | 2017-01-20 | 2020-08-25 | University Of South Florida | Non-linear stochastic models for predicting exploitability |
US10650150B1 (en) * | 2017-02-28 | 2020-05-12 | University Of South Florida | Vulnerability life cycle exploitation timing modeling |
US20190139431A1 (en) * | 2017-11-07 | 2019-05-09 | International Business Machines Corporation | Contextual test alteration |
CN108985446A (zh) * | 2018-07-24 | 2018-12-11 | 百度在线网络技术(北京)有限公司 | 用于告警的方法及装置 |
-
2019
- 2019-07-15 CN CN201910635973.5A patent/CN110347973B/zh active Active
-
2020
- 2020-07-10 US US16/926,116 patent/US11470167B2/en active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8966036B1 (en) * | 2010-11-24 | 2015-02-24 | Google Inc. | Method and system for website user account management based on event transition matrixes |
JP2014228918A (ja) * | 2013-05-20 | 2014-12-08 | 日本電信電話株式会社 | アイテム推薦装置、アイテム推薦方法、およびアイテム推薦プログラム |
CN105404947A (zh) * | 2014-09-02 | 2016-03-16 | 阿里巴巴集团控股有限公司 | 用户质量侦测方法及装置 |
CN105630800A (zh) * | 2014-10-29 | 2016-06-01 | 杭州师范大学 | 一种节点重要性排序的方法和系统 |
US20160364794A1 (en) * | 2015-06-09 | 2016-12-15 | International Business Machines Corporation | Scoring transactional fraud using features of transaction payment relationship graphs |
CN108520470A (zh) * | 2017-02-28 | 2018-09-11 | 百度在线网络技术(北京)有限公司 | 用于生成用户属性信息的方法和装置 |
CN109426985A (zh) * | 2017-09-04 | 2019-03-05 | 腾讯科技(深圳)有限公司 | 信息处理方法、装置、计算机设备和存储介质 |
CN108388674A (zh) * | 2018-03-26 | 2018-08-10 | 百度在线网络技术(北京)有限公司 | 用于推送信息的方法和装置 |
CN109347787A (zh) * | 2018-08-15 | 2019-02-15 | 阿里巴巴集团控股有限公司 | 一种身份信息的识别方法及装置 |
CN109558951A (zh) * | 2018-11-23 | 2019-04-02 | 北京知道创宇信息技术有限公司 | 一种欺诈账号检测方法、装置及其存储介质 |
CN109657148A (zh) * | 2018-12-24 | 2019-04-19 | 北京百度网讯科技有限公司 | 针对上报poi的异常操作识别方法、装置、服务器和介质 |
Non-Patent Citations (6)
Title |
---|
L ZHENG 等: "Transaction Fraud Detection Based on Total Order Relation and Behavior Diversity", 《IEEE TRANSACTIONS ON COMPUTATIONAL SOCIAL SYSTEMS》 * |
L ZHENG 等: "Transaction Fraud Detection Based on Total Order Relation and Behavior Diversity", 《IEEE TRANSACTIONS ON COMPUTATIONAL SOCIAL SYSTEMS》, vol. 5, no. 3, 7 August 2018 (2018-08-07), pages 796 - 806, XP011690042, DOI: 10.1109/TCSS.2018.2856910 * |
李旭瑞 等: "基于流式聚类及增量隐马尔可夫模型的实时反欺诈系统", 《计算机工程》 * |
李旭瑞 等: "基于流式聚类及增量隐马尔可夫模型的实时反欺诈系统", 《计算机工程》, vol. 44, no. 06, 27 July 2017 (2017-07-27), pages 122 - 129 * |
阳小兰 等: "基于账户信用评价的恶意发帖检测系统研究", 《现代电子技术》 * |
阳小兰 等: "基于账户信用评价的恶意发帖检测系统研究", 《现代电子技术》, vol. 39, no. 06, 15 March 2016 (2016-03-15), pages 53 - 57 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111091393A (zh) * | 2019-11-26 | 2020-05-01 | 北京摩拜科技有限公司 | 异常账号识别方法、装置及电子设备 |
CN111091393B (zh) * | 2019-11-26 | 2023-09-05 | 汉海信息技术(上海)有限公司 | 异常账号识别方法、装置及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
US11470167B2 (en) | 2022-10-11 |
US20210021690A1 (en) | 2021-01-21 |
CN110347973B (zh) | 2023-07-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109872242A (zh) | 信息推送方法和装置 | |
CN109995877A (zh) | 信息推送方法和装置 | |
CN109993150A (zh) | 用于识别年龄的方法和装置 | |
CN109815365A (zh) | 用于处理视频的方法和装置 | |
CN110263938A (zh) | 用于生成信息的方法和装置 | |
CN109976997A (zh) | 测试方法和装置 | |
CN109918530A (zh) | 用于推送图像的方法和装置 | |
CN106908082A (zh) | 用于校准终端中的陀螺仪的方法、装置及系统 | |
CN109902446A (zh) | 用于生成信息预测模型的方法和装置 | |
CN110046571A (zh) | 用于识别年龄的方法和装置 | |
CN107590484A (zh) | 用于呈现信息的方法和装置 | |
CN110070076A (zh) | 用于选取训练用样本的方法和装置 | |
CN110347973A (zh) | 用于生成信息的方法和装置 | |
US20230281696A1 (en) | Method and apparatus for detecting false transaction order | |
CN109829117A (zh) | 用于推送信息的方法和装置 | |
CN110110693A (zh) | 用于识别人脸属性的方法和装置 | |
CN109829431A (zh) | 用于生成信息的方法和装置 | |
CN113781084A (zh) | 一种调查问卷展示方法和装置 | |
CN106845209A (zh) | 安全验证方法和装置 | |
CN109840072A (zh) | 信息处理方法和装置 | |
CN109388684A (zh) | 用于生成信息的方法和装置 | |
CN109995543A (zh) | 用于添加群成员的方法和设备 | |
CN109885564A (zh) | 用于发送信息的方法和装置 | |
CN109408647A (zh) | 用于处理信息的方法和装置 | |
CN109271397A (zh) | 用于处理信息的方法和装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |