CN110348715B - 基于流量指标监测的渠道异常检测方法、装置和电子设备 - Google Patents
基于流量指标监测的渠道异常检测方法、装置和电子设备 Download PDFInfo
- Publication number
- CN110348715B CN110348715B CN201910578888.XA CN201910578888A CN110348715B CN 110348715 B CN110348715 B CN 110348715B CN 201910578888 A CN201910578888 A CN 201910578888A CN 110348715 B CN110348715 B CN 110348715B
- Authority
- CN
- China
- Prior art keywords
- channel
- flow index
- distance
- monitored
- index 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.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 21
- 238000012544 monitoring process Methods 0.000 title claims abstract description 18
- 239000013598 vector Substances 0.000 claims abstract description 149
- 230000002159 abnormal effect Effects 0.000 claims abstract description 58
- 238000000034 method Methods 0.000 claims abstract description 25
- 238000012545 processing Methods 0.000 claims description 27
- 230000009467 reduction Effects 0.000 claims description 9
- 238000000513 principal component analysis Methods 0.000 claims description 8
- 238000012935 Averaging Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 3
- 238000011946 reduction process Methods 0.000 claims description 2
- 230000005856 abnormality Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 11
- 238000004590 computer program Methods 0.000 description 8
- 101100534223 Caenorhabditis elegans src-1 gene Proteins 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 101100534229 Caenorhabditis elegans src-2 gene Proteins 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000007792 addition Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000012886 linear function Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000000758 substrate Substances 0.000 description 2
- 210000002268 wool Anatomy 0.000 description 2
- 108010001267 Protein Subunits Proteins 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0203—Market surveys; Market polls
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Tourism & Hospitality (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种基于流量指标监测的渠道异常检测方法、装置、电子设备和计算机可读介质。该方法包括:接收来自多个渠道的数据流,数据流包括该渠道对应用户的用户数据,基于各渠道的数据流统计该渠道的多个流量指标,多个流量指标构成一个向量空间,基于所有渠道的流量指标向量确定第一参考流量指标向量,基于预定参考渠道的流量指标向量确定第二参考流量指标向量,基于与待监测渠道的类型相同的预定同类渠道的流量指标向量确定第三参考流量指标向量,将待监测渠道的流量指标向量与第一、第二、第三参考流量指标向量进行比较确定该待监测渠道是否异常。本发明能够检测各客户渠道是否异常,是否存在作弊现象。
Description
技术领域
本发明涉及计算机信息处理领域,具体而言,涉及一种基于流量指标监测的渠道异常检测方法、装置、电子设备及计算机可读存储介质。
背景技术
随着网络信息技术的快速发展,互联网金融越来越广泛地应用于工作和生活等诸多场景。金融市场上涌现出许多提供信贷服务的银行或金融机构,同时各家旗下开设的信贷产品琳琅满目,以满足不同客户的需求。
目前,各机构会通过各种渠道获得客户流量。例如,金融机构A可以通过渠道1和渠道2获得客户流量。但是,渠道可能存在异常情况,例如,某渠道带来的客户流量可能存在有作弊现象,例如,渠道带来的客户流量中有羊毛党或者黑中介等,以假身份信息进行虚拟注册等行为。
可以理解,各渠道带来的客户流量有真有假,例如,某客户渠道整体客户流量很大,但是假量很多,存在很多的作弊现象。或者,某客户渠道整体客户流量一般,但是少有假量。
有鉴于此,在实现发明构思的过程中,发明人发现现有技术中至少存在如下问题,即,在现有技术中不去判断各渠道是否存在异常,是否存在作弊现象,仅以该渠道能够提供的流量作为评价该渠道的标准。
发明内容
本发明旨在解决现有技术中各渠道带来的客户流量有真有假,质量不一,无法判断各渠道是否异常的问题。
为了解决上述技术问题,本发明第一方面提出一种基于流量指标监测的渠道异常检测方法,其特征在于,包括:接收来自多个渠道的数据流,所述数据流包括该渠道对应用户的用户数据,基于各渠道的数据流统计该渠道的多个流量指标,所述多个流量指标构成一个向量空间,基于所有渠道的流量指标向量确定第一参考流量指标向量,基于预定参考渠道的流量指标向量确定第二参考流量指标向量,基于与待监测渠道的类型相同的预定同类渠道的流量指标向量确定第三参考流量指标向量,将所述待监测渠道的流量指标向量与所述第一、第二、第三参考流量指标向量进行比较确定该待监测渠道是否异常。
根据本发明的一种优选实施方式,通过对不同渠道的相同流量指标取均值或中位数以获得参考流量指标向量中的各流量指标。
根据本发明的一种优选实施方式,所述将所述待监测渠道的流量指标向量与所述第一、第二、第三参考流量指标向量进行比较确定该待监测渠道是否异常,包括:对各流量指标向量进行降维处理,得到各流量指标向量在二维平面或三维空间的对应的点,通过计算各点之间的距离来确定所述待监测渠道是否异常。
根据本发明的一种优选实施方式,所述降维处理包括主成分分析处理。
根据本发明的一种优选实施方式,所述对各流量指标向量进行降维处理,得到各流量指标向量在二维平面或三维空间的对应的点,通过计算各点之间的距离来确定所述待监测渠道是否异常,包括:基于所述第一参考流量指标向量对应的点和所述第二参考流量指标向量对应的点,确定基础参考点,确定第三参考流量指标向量对应的点距离所述基础参考点的第一距离,确定所述待监测渠道的流量指标向量对应的点距离所述基础参考点的第二距离,基于所述第一距离和所述第二距离来确定所述待监测渠道是否异常。
根据本发明的一种优选实施方式,所述基于所述第一距离和所述第二距离来确定所述待监测渠道是否异常,包括:在所述待监测渠道的流量指标向量对应的点不在特定区域内的请况下,基于所述第一距离和所述第二距离确定所述待监测渠道是否异常。
根据本发明的一种优选实施方式,所述基于所述第一距离和所述第二距离来确定所述待监测渠道是否异常,包括:在所述第二距离相对于所述第一距离的偏移度超过阈值的情况下,确定所述待监测渠道异常。
根据本发明的一种优选实施方式,还包括:当确定所述待监测渠道异常时,根据所述第一距离和所述第二距离计算该待监测渠道的扣量值。
为了解决上述技术问题,本发明第二方面提出一种基于流量指标监测的渠道异常检测装置,该装置包括接收模块、指标统计模块、第一参考值模块、第二参考值模块、第三参考值模块、异常确定模块。其中,接收模块用于接收来自多个渠道的数据流,所述数据流包括该渠道对应用户的用户数据。指标统计模块用于基于各渠道的数据流统计该渠道的多个流量指标,所述多个流量指标构成一个向量空间。第一参考值模块用于基于所有渠道的流量指标向量确定第一参考流量指标向量。第二参考值模块用于基于预定参考渠道的流量指标向量确定第二参考流量指标向量。第三参考值模块用于基于与待监测渠道的类型相同的预定同类渠道的流量指标向量确定第三参考流量指标向量。异常确定模块用于将所述待监测渠道的流量指标向量与所述第一、第二、第三参考流量指标向量进行比较确定该待监测渠道是否异常。
根据本发明的一种优选实施方式,通过对不同渠道的相同流量指标取均值或中位数以获得参考流量指标向量中的各流量指标。
根据本发明的一种优选实施方式,所述异常确定模块还用于:对各流量指标向量进行降维处理,得到各流量指标向量在二维平面或三维空间的对应的点,通过计算各点之间的距离来确定所述待监测渠道是否异常。
根据本发明的一种优选实施方式,所述降维处理包括主成分分析处理。
根据本发明的一种优选实施方式,所述异常确定模块包括基础参考点单元、第一距离单元、第二距离单元和异常确定单元。其中,基础参考点单元用于基于所述第一参考流量指标向量对应的点和所述第二参考流量指标向量对应的点,确定基础参考点。第一距离单元用于确定第三参考流量指标向量对应的点距离所述基础参考点的第一距离。第二距离单元单元用于确定所述待监测渠道的流量指标向量对应的点距离所述基础参考点的第二距离。异常确定单元用于基于所述第一距离和所述第二距离来确定所述待监测渠道是否异常。
根据本发明的一种优选实施方式,所述基于所述第一距离和所述第二距离来确定所述待监测渠道是否异常,包括:在所述待监测渠道的流量指标向量对应的点不在特定区域内的请况下,基于所述第一距离和所述第二距离确定所述待监测渠道是否异常。
根据本发明的一种优选实施方式,所述基于所述第一距离和所述第二距离来确定所述待监测渠道是否异常,包括:在所述第二距离相对于所述第一距离的偏移度超过阈值的情况下,确定所述待监测渠道异常。
根据本发明的一种优选实施方式,所述装置还包括:扣量计算模块,用于当确定所述待监测渠道异常时,根据所述第一距离和所述第二距离计算该待监测渠道的扣量值。
为了解决上述技术问题,本发明第三方面提出一种电子设备,其包括处理器以及存储计算机可执行指令的存储器,所述计算机可执行指令在被执行时使所述处理器执行上述的方法。
为了解决上述技术问题,本发明第四方面提出一种计算机可读存储介质,该所述计算机可读存储介质存储一个或多个程序,当所述一个或多个程序被处理器执行时,实现上述的方法。
由于本发明在接收到来自多个渠道的数据流之后,计算所有渠道的第一参考流量指标向量,预定参考渠道的第二参考流量指标向量,以及同类渠道的第三参考流量指标向量,基于以上三个参考流量指标向量确定待监测渠道是否异常,解决了现有技术中无法判断各渠道是否存在异常的问题,本发明还可以对存在异常的渠道进行一定的扣量处理,以对异常渠道进行改进和调整,为渠道和金融机构带来更好的激励和体验。
附图说明
为了使本发明所解决的技术问题、采用的技术手段及取得的技术效果更加清楚,下面将参照附图详细描述本发明的具体实施例。但需声明的是,下面描述的附图仅仅是本发明的示例性实施例的附图,对于本领域的技术人员来讲,在不付出创造性劳动的前提下,可以根据这些附图获得其他实施例的附图。
图1示意性示出了根据本发明实施例的基于流量指标监测的渠道异常检测方法和装置的应用场景。
图2示意性示出了根据本发明实施例的基于流量指标监测的渠道异常检测方法的流程图。
图3A示意性示出了根据本发明实施例的各渠道的流量指标向量示意图。
图3B示意性示出了根据本发明实施例的第一、第二、第三参考流量指标向量示意图。
图3C示意性示出了根据本发明实施例的各流量指标向量对应的坐标示意图。
图4A~4B示意性示出了根据本发明实施例的基于流量指标监测的渠道异常检测装置的框图。
图5示意性示出了根据本发明实施例的电子设备的结构框图。
图6示意性示出了根据本发明实施例的计算机可读介质的示意图。
具体实施方式
现在将参考附图来更加全面地描述本发明的示例性实施例,虽然各示例性实施例能够以多种具体的方式实施,但不应理解为本发明仅限于在此阐述的实施例。相反,提供这些示例性实施例是为了使本发明的内容更加完整,更加便于将发明构思全面地传达给本领域的技术人员。
在符合本发明的技术构思的前提下,在某个特定的实施例中描述的结构、性能、效果或者其他特征可以以任何合适的方式结合到一个或更多其他的实施例中。
在对于具体实施例的介绍过程中,对结构、性能、效果或者其他特征的细节描述是为了使本领域的技术人员对实施例能够充分理解。但是,并不排除本领域技术人员可以在特定情况下,以不含有上述结构、性能、效果或者其他特征的技术方案来实施本发明。
附图中的流程图仅是一种示例性的流程演示,不代表本发明的方案中必须包括流程图中的所有的内容、操作和步骤,也不代表必须按照图中所显示的的顺序执行。例如,流程图中有的操作/步骤可以分解,有的操作/步骤可以合并或部分合并,等等,在不脱离本发明的发明主旨的情况下,流程图中显示的执行顺序可以根据实际情况改变。
附图中的框图一般表示的是功能实体,并不一定必然与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
各附图中相同的附图标记表示相同或类似的元件、组件或部分,因而下文中可能省略了对相同或类似的元件、组件或部分的重复描述。还应理解,虽然本文中可能使用第一、第二、第三等表示编号的定语来描述各种器件、元件、组件或部分,但是这些器件、元件、组件或部分不应受这些定语的限制。也就是说,这些定语仅是用来将一者与另一者区分。例如,第一器件亦可称为第二器件,但不偏离本发明实质的技术方案。此外,术语“和/或”、“及/或”是指包括所列出项目中的任一个或多个的所有组合。
本发明的实施例提供了一种基于流量指标监测的渠道异常检测方法,包括:接收来自多个渠道的数据流,该数据流包括该渠道对应用户的用户数据,基于各渠道的数据流统计该渠道的多个流量指标,多个流量指标构成一个向量空间,然后,基于所有渠道的流量指标向量确定第一参考流量指标向量,基于预定参考渠道的流量指标向量确定第二参考流量指标向量,基于与待监测渠道的类型相同的预定同类渠道的流量指标向量确定第三参考流量指标向量,以及将待监测渠道的流量指标向量与第一、第二、第三参考流量指标向量进行比较确定该待监测渠道是否异常。
图1示意性示出了根据本发明实施例的基于流量指标监测的渠道异常检测方法和装置的应用场景。
需要注意的是,图1所示仅为可以应用本公开实施例的应用场景的示例,以帮助本领域技术人员理解本公开的技术内容,但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。
如图1所示,业务系统110可以通过多个渠道引入客流量。例如,某信贷业务系统可以开发今日头条作为该系统的一个客户渠道,则今日头条可以通过一定的手段为该信贷业务系统提供客户流量。例如,今日头条可以通过其APP为该信贷业务系统打广告,则其用户可以通过点击广告进入该信贷业务系统的界面,从而带来客流量。可以理解,为了市场竞争力,每个业务系统可以具有多个渠道,从而引进更多的客户。
然而,各渠道可能存在异常情况,例如,某渠道带来的客户流量可能存在有作弊现象,例如,渠道带来的客户流量中有羊毛党或者黑中介等,以假身份信息进行虚拟注册等行为。
有鉴于此,本发明实施例提供了一种基于流量指标监测的渠道异常检测方法和装置。需要注意的是,本发明实施例所提供的基于流量指标监测的渠道异常检测方法一般可以由业务系统110执行。相应地,本发明实施例所提供的基于流量指标监测的渠道异常检测装置一般可以设置于业务系统110中。
如图1所示,业务系统110可以接收来自其多个客户渠道(渠道1、渠道2、……、渠道n)的数据流,对各渠道的数据流进行处理,输出各渠道是否异常,如果异常还可以输出该异常渠道对应的扣量值。本发明不直接根据各渠道的流量来为相应商务或者渠道付费,而是先确定各渠道是否存在异常,如果渠道异常,则生成一定的扣量值,根据判断后的结果为相应商务或者渠道付费,以避免渠道作弊现象。
图2示意性示出了根据本发明实施例的基于流量指标监测的渠道异常检测方法的流程图。
如图2所示,该方法包括操作S201~206。
在操作S201,接收来自多个渠道的数据流,数据流包括该渠道对应用户的用户数据。
根据本发明实施例,各渠道可以定期(例如,每天、每周等)将该时间段内的用户数据发送给业务系统。用户数据例如可以是该渠道的用户点击了业务系统的广告的数据、或者该渠道的用户注册了该业务系统的数据、或者该渠道的用户通过该业务系统授信的数据等等。
在操作S202,基于各渠道的数据流统计该渠道的多个流量指标,多个流量指标构成一个向量空间。
根据本发明实施例,多个流量指标例如可以包括注册率、进件率、授信率、动支率等。
本发明根据接收到的各渠道的数据流统计各渠道对应的注册率、进件率、授信率、动支率等多个流量指标,各渠道对应的多个流量指标可以构成一个向量空间。
例如,如图3A所示,SRC_1、SRC_2、……、SRC_n表示n个渠道,V1、V2、……、Vn表示p个流量指标。根据渠道SRC_1的数据流计算该渠道相应的流量指标为V11、V12、……、V1n,则V11、V12、……、V1n可以构成渠道SRC_1的向量空间310。
在操作S203,基于所有渠道的流量指标向量确定第一参考流量指标向量。
根据本发明实施例,可以通过所有渠道的相同流量指标取均值或中位数以获得第一参考流量指标向量中的各流量指标。
例如,如图3B所示,对于流量指标V1对应的第一参考流量指标V1_1为n个渠道的流量指标V11、V21、……、Vn1的均值或中位数。同理,分别确定指标V1、V2、……、Vp对应的第一参考流量指标V1_1、V1_2、……、V1_p,则V1_1、V1_2、……、V1_p可以构成第一参考流量指标向量320。
在操作S204,基于预定参考渠道的流量指标向量确定第二参考流量指标向量。
根据本发明实施例,可以选择可信的或者已验证的好的渠道作为参考渠道。例如内部渠道,或者一直比较良好健康的渠道等。可以假定参考渠道都是正常的渠道。
例如,渠道SRC_1为内部渠道,渠道SRC_3为可控渠道,则渠道SRC_1和SRC_3可以作为预定参考渠道。
在本发明实施例中,可以通过预定参考渠道的相同流量指标取均值或中位数以获得第二参考流量指标向量中的各流量指标。
例如,如图3B所示,对于流量指标V1对应的第二参考流量指标V2_1为渠道SRC_1和SRC_3的流量指标V11和V31的均值或中位数。同理,分别确定指标V1、V2、……、Vp对应的第二参考流量指标V2_1、V2_2、……、V2_p,则V2_1、V2_2、……、V2_p可以构成第二参考流量指标向量330。
在操作S205,基于与待监测渠道的类型相同的预定同类渠道的流量指标向量确定第三参考流量指标向量。
根据本发明实施例,可以根据渠道的特性将渠道分为不同的类型。例如,可以分为信息流类、直播类、贷钞类等。
在本公开实施例中,可以计算各类型分别对应的第三参考流量指标向量。
例如,信息流类的渠道包括渠道SRC_2(某新网络媒体),渠道SRC_5(某浏览器厂商),则可以根据渠道SRC_2、SRC_5的流量指标确定信息流类对应的第三参考流量指标向量。
在本发明实施例中,可以通过属于相同类型的渠道的相同流量指标取均值或中位数以获得第三参考流量指标向量中的各流量指标。
例如,如图3B所示,对于流量指标V1对应的第三参考流量指标V3_1为渠道SRC_2和SRC_5的流量指标V21和V51的均值或中位数。同理,分别确定指标V1、V2、……、Vp对应的第二参考流量指标V3_1、V3_2、……、V3_p,则V3_1、V3_2、……、V3_p可以构成信息流类对应的第三参考流量指标向量340。
可以理解,由于不同类型的渠道的客户流量转化情况不同,本发明通过将渠道分类可以至少部分地屏蔽掉因为类型不同造成的误差。
在操作S206,将待监测渠道的流量指标向量与第一、第二、第三参考流量指标向量进行比较确定该待监测渠道是否异常。
根据本发明实施例,由于流量指标可能很多,每个流量指标向量可能都是一个高维度的数据,高维度数据会增加两个流量指标向量比较的难度。
本发明可以先对个流量指标向量进行降维处理,得到各流量指标向量在二维平面或者三维空间的对应的点,通过计算各点之间的距离来确定待监测渠道是否异常。
例如,本发明可以采用主成分分析处理进行降维处理,主成分分析处理可以在降维的同时保证信息不丢失。
例如,可以采用主成分分析算法生成多个关于各流量指标向量中的流量指标的线性函数,前几个线性函数可以认为能够覆盖各指标中的主成分指标。
在本公开实施例中,可以基于第一参考流量指标向量对应的点和第二参考流量指标向量对应的点,确定基础参考点,确定第三参考流量指标向量对应的点距离基础参考点的第一距离,确定待监测渠道的流量指标向量对应的点距离所述基础参考点的第二距离,基于第一距离和第二距离来确定待监测渠道是否异常。
如图3C所示,例如,采用主成分分析算法将各流量指标向量降维到二维,主成分指标分别为PC1和PC2。第一参考流量指标向量对应的点为Ref_1,第二参考流量指标向量对应的点为Ref_2,第三参考流量指标向量对应的点为Ref_3,待监测渠道的流量指标向量对应的点为SRC_x,其中,SRC_x对应的渠道属于Ref_3对应的分类。本公开实施例可以选择点Ref_1和点Ref_2的重心作为基础参考点GC。点Ref_3距离点GC之间距离为第一距离d1,点SRC_x距离点GC之间的距离为第二距离d2。在本公开实施例中,第一距离和第二距离可以是矢量距离,也可以是标量距离。可以根据d1和d2来判断待检测渠道SRC_x是否异常。
在本发明实施例中,可以在待监测渠道的流量指标向量对应的点不在特定区域内的请况下,基于第一距离和第二距离确定待监测渠道是否异常。可以理解,主成分指标PC1和PC2组成的坐标系中,不同区域所对应的指标的前面的系数不同。例如,某一渠道偏离基准参考点较远,但是它的动支率特别高,因此落在在特定的区域内,则认为他是正常的渠道。因此,只有在待监测渠道的流量指标向量对应的点没有落在特定区域内的情况下,才去判断该渠道是否异常。其中,特定区域可以代表某个重要的指标的系数比例很高对应的区域。
根据本发明实施例,在第二距离相对于第一距离的偏移度超过阈值的情况下,确定待监测渠道异常。
例如,可以通过函数α(d1,d2)表示Ref_3与SRC_x的偏移度,当这个α超过一定的范围,则判断SRC_x对应的渠道为异常。或者说, 可以理解,d1和d2可以视为标量,也可以视为矢量,计算函数α的方式不唯一。
在本发明实施例中,当确定待监测渠道异常时,根据第一距离和第二距离计算该待监测渠道的扣量值。
例如,当时,计算β(d1,d2),得到一个扣量值。比如/>本发明实施例可以人为限定最后得到的扣量值在一定的范围内。
本发明实施例中的扣量值表示渠道带来的客户流量的扣除比例。例如,某个异常的渠道带来的客户流量为A,经过计算确定其扣量值为5%,则认为该渠道带来的客户流量为95%A,从而扣除掉客户流量中的假量。
本发明实施例在接收到来自多个渠道的数据流之后,计算所有渠道的第一参考流量指标向量,预定参考渠道的第二参考流量指标向量,以及同类渠道的第三参考流量指标向量,基于以上三个参考流量指标向量确定待监测渠道是否异常,解决了现有技术中无法判断各渠道是否存在异常的问题。本发明实施例还可以对存在异常的渠道进行一定的扣量处理,以对异常渠道进行改进和调整。
本领域技术人员可以理解,实现上述实施例的全部或部分步骤被实现为由数据处理设备(包括计算机)执行的程序,即计算机程序。在该计算机程序被执行时,可以实现本发明提供的上述方法。而且,所述的计算机程序可以存储于计算机可读存储介质中,该存储介质可以是磁盘、光盘、ROM、RAM等可读存储介质,也可以是多个存储介质组成的存储阵列,例如磁盘或磁带存储阵列。所述的存储介质不限于集中式存储,其也可以是分布式存储,例如基于云计算的云存储。
下面描述本发明的装置实施例,该装置可以用于执行本发明的方法实施例。对于本发明装置实施例中描述的细节,应视为对于上述方法实施例的补充;对于在本发明装置实施例中未披露的细节,可以参照上述方法实施例来实现。
图4A~4B示意性示出了根据本发明实施例的基于流量指标监测的渠道异常检测装置的框图。
如图4A所示,检测装置400包括接收模块410、指标统计模块420、第一参考值模块430、第二参考值模块440、第三参考值模块450以及异常确定模块460。
接收模块410用于接收来自多个渠道的数据流,所述数据流包括该渠道对应用户的用户数据。根据本公开实施例,接收模块410例如可以执行上文参考图2描述的操作S201,在此不再赘述。
指标统计模块420用于基于各渠道的数据流统计该渠道的多个流量指标,所述多个流量指标构成一个向量空间。根据本公开实施例,指标统计模块420例如可以执行上文参考图2描述的操作S202,在此不再赘述。
第一参考值模块430用于基于所有渠道的流量指标向量确定第一参考流量指标向量。根据本公开实施例,第一参考值模块430例如可以执行上文参考图2描述的操作S203,在此不再赘述。
第二参考值模块440用于基于预定参考渠道的流量指标向量确定第二参考流量指标向量。根据本公开实施例,第二参考值模块440例如可以执行上文参考图2描述的操作S204,在此不再赘述。
第三参考值模块450用于基于与待监测渠道的类型相同的预定同类渠道的流量指标向量确定第三参考流量指标向量。根据本公开实施例,第三参考值模块450例如可以执行上文参考图2描述的操作S205,在此不再赘述。
异常确定模块460用于将所述待监测渠道的流量指标向量与所述第一、第二、第三参考流量指标向量进行比较确定该待监测渠道是否异常。根据本公开实施例,异常确定模块460例如可以执行上文参考图2描述的操作S206,在此不再赘述。
根据本公开实施例,可以通过对不同渠道的相同流量指标取均值或中位数以获得参考流量指标向量中的各流量指标。
根据本公开实施例,异常确定模块460还可以用于:对各流量指标向量进行降维处理,得到各流量指标向量在二维平面或三维空间的对应的点,通过计算各点之间的距离来确定待监测渠道是否异常。
根据本公开实施例,降维处理可以包括主成分分析处理。
根据本公开实施例,如图4B所示,异常确定模块460包括基础参考点单元461、第一距离单元462、第二距离单元463和异常确定单元464。
其中,基础参考点单元461用于基于第一参考流量指标向量对应的点和第二参考流量指标向量对应的点,确定基础参考点。
第一距离单元462用于确定第三参考流量指标向量对应的点距离基础参考点的第一距离。
第二距离单元463用于确定待监测渠道的流量指标向量对应的点距离基础参考点的第二距离。
异常确定单元464用于基于第一距离和第二距离来确定待监测渠道是否异常。
根据本公开实施例,基于第一距离和第二距离来确定待监测渠道是否异常,可以包括:在待监测渠道的流量指标向量对应的点不在特定区域内的请况下,基于第一距离和第二距离确定待监测渠道是否异常。
根据本公开实施例,基于第一距离和第二距离来确定待监测渠道是否异常,可以包括:在第二距离相对于第一距离的偏移度超过阈值的情况下,确定待监测渠道异常。
根据本公开实施例,检测装置400还包括扣量计算模块(图中未示),用于当确定所述待监测渠道异常时,根据第一距离和第二距离计算该待监测渠道的扣量值。
根据本发明实施例,检测装置400例如可以执行上文参考图2描述的方法,在此不再赘述。
根据本发明的实施例的模块、子模块、单元、子单元中的任意多个、或其中任意多个的至少部分功能可以在一个模块中实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以被拆分成多个模块来实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式的硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,根据本公开实施例的模块、子模块、单元、子单元中的一个或多个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
例如,接收模块410、指标统计模块420、第一参考值模块430、第二参考值模块440、第三参考值模块450以及异常确定模块460中的任意多个可以合并在一个模块中实现,或者其中的任意一个模块可以被拆分成多个模块。或者,这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合,并在一个模块中实现。根据本公开的实施例,接收模块410、指标统计模块420、第一参考值模块430、第二参考值模块440、第三参考值模块450以及异常确定模块460中的至少一个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,接收模块410、指标统计模块420、第一参考值模块430、第二参考值模块440、第三参考值模块450以及异常确定模块460中的至少一个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
下面描述本发明的电子设备实施例,该电子设备可以视为对于上述本发明的方法和装置实施例的实体形式的实施方式。对于本发明电子设备实施例中描述的细节,应视为对于上述方法或装置实施例的补充;对于在本发明电子设备实施例中未披露的细节,可以参照上述方法或装置实施例来实现。
图5示意性示出了根据本发明实施例的电子设备500的结构框图。图5显示的电子设备仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示,该示例性实施例的电子设备500以通用数据处理设备的形式表现。电子设备500的组件可以包括但不限于:至少一个处理单元510、至少一个存储单元520、连接不同系统组件(包括存储单元520和处理单元510)的总线530、显示单元540等。
其中,所述存储单元520存储有计算机可读程序,其可以是源程序或都只读程序的代码。所述程序可以被处理单元510执行,使得所述处理单元510执行本发明各种实施方式的步骤。例如,所述处理单元510可以执行如图2所示的步骤。
所述存储单元520可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)5201和/或高速缓存存储单元5202,还可以进一步包括只读存储单元(ROM)5203。所述存储单元520还可以包括具有一组(至少一个)程序模块5205的程序/实用工具5204,这样的程序模块5205包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线530可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备500也可以与一个或多个外部设备600(例如键盘、显示器、网络设备、蓝牙设备等)通信,使得用户能经由这些外部设备600与该电子设备500交互,和/或使得该电子设备500能与一个或多个其它数据处理设备(例如路由器、调制解调器等等)进行通信。这种通信可以通过输入/输出(I/O)接口550进行,还可以通过网络适配器560与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)进行。网络适配器560可以通过总线530与电子设备500的其它模块通信。应当明白,尽管图中未示出,电子设备500中可使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
图6示意性示出了根据本发明实施例的计算机可读介质的示意图。如图6所示,所述计算机程序可以存储于一个或多个计算机可读介质上。计算机可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、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。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(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。当所述计算机程序被一个或多个数据处理设备执行时,使得该计算机可读介质能够实现本发明的上述方法,即:接收环境切换指令,该环境切换指令能够指示待切换的目标服务器,获取该待切换的目标服务器的配置文件,基于配置文件判断目标服务器是否满足预设条件,如果目标服务器满足预设条件,则可以切换至目标服务器。
通过以上的实施方式的描述,本领域的技术人员易于理解,本发明描述的示例性实施例可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本发明实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个计算机可读的存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台数据处理设备(可以是个人计算机、服务器、或者网络设备等)执行根据本发明的上述方法。
所述计算机可读存储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,其中承载了可读程序代码。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。可读存储介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、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。可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,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设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
综上所述,本发明可以执行计算机程序的方法、装置、电子设备或计算机可读介质来实现。可以在实践中使用微处理器或者数字信号处理器(DSP)等通用数据处理设备来实现本发明的一些或者全部功能。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,应理解的是,本发明不与任何特定计算机、虚拟装置或者电子设备固有相关,各种通用装置也可以实现本发明。以上所述仅为本发明的具体实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于流量指标监测的渠道异常检测方法,其特征在于,包括:
接收来自多个渠道的数据流,所述数据流包括该多个渠道对应用户的用户数据;
基于各渠道的数据流统计该渠道的多个流量指标,所述多个流量指标构成一个向量空间;
基于所有渠道的流量指标向量确定第一参考流量指标向量;
选择可信的或者已验证的好的渠道作为参考渠道,基于预定参考渠道的流量指标向量确定第二参考流量指标向量;
基于与待监测渠道的类型相同的预定同类渠道的流量指标向量确定第三参考流量指标向量;
对各流量指标向量进行降维处理,得到各流量指标向量在二维平面或三维空间的对应的点,基于所述第一参考流量指标向量对应的点和所述第二参考流量指标向量对应的点,确定基础参考点;确定第三参考流量指标向量对应的点距离所述基础参考点的第一距离;确定所述待监测渠道的流量指标向量对应的点距离所述基础参考点的第二距离;基于所述第一距离和所述第二距离来确定所述待监测渠道是否异常;
当确定待监测渠道异常时,根据第一距离和第二距离计算该待监测渠道的扣量值,根据所述扣量值调整该待监测渠道,所述扣量值表示渠道带来的客户流量的扣除比例。
2.根据权利要求1所述的方法,其特征在于,通过对不同渠道的相同流量指标取均值或中位数以获得参考流量指标向量中的各流量指标。
3.根据权利要求1所述的方法,其特征在于,所述降维处理包括主成分分析处理。
4.根据权利要求1所述的方法,其特征在于,所述基于所述第一距离和所述第二距离来确定所述待监测渠道是否异常,包括:
在所述待监测渠道的流量指标向量对应的点不在特定区域内的请况下,基于所述第一距离和所述第二距离确定所述待监测渠道是否异常。
5.根据权利要求1所述的方法,其特征在于,所述基于所述第一距离和所述第二距离来确定所述待监测渠道是否异常,包括:
在所述第二距离相对于所述第一距离的偏移度超过阈值的情况下,确定所述待监测渠道异常。
6.一种基于流量指标监测的渠道异常检测装置,其特征在于,包括:
接收模块,用于接收来自多个渠道的数据流,所述数据流包括该多个渠道对应用户的用户数据;
指标统计模块,用于基于各渠道的数据流统计该渠道的多个流量指标,所述多个流量指标构成一个向量空间;
第一参考值模块,用于基于所有渠道的流量指标向量确定第一参考流量指标向量;
第二参考值模块,用于选择可信的或者已验证的好的渠道作为参考渠道,基于预定参考渠道的流量指标向量确定第二参考流量指标向量;
第三参考值模块,用于基于与待监测渠道的类型相同的预定同类渠道的流量指标向量确定第三参考流量指标向量;
异常确定模块,用于对各流量指标向量进行降维处理,得到各流量指标向量在二维平面或三维空间的对应的点,基于所述第一参考流量指标向量对应的点和所述第二参考流量指标向量对应的点,确定基础参考点;确定第三参考流量指标向量对应的点距离所述基础参考点的第一距离;确定所述待监测渠道的流量指标向量对应的点距离所述基础参考点的第二距离;基于所述第一距离和所述第二距离来确定所述待监测渠道是否异常;
调整模块,用于当确定待监测渠道异常时,根据第一距离和第二距离计算该待监测渠道的扣量值,根据所述扣量值调整该待监测渠道,所述扣量值表示渠道带来的客户流量的扣除比例。
7.一种电子设备,其中,该电子设备包括:
处理器;以及,
存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器执行根据权利要求1-5中任一项所述的方法。
8.一种计算机可读存储介质,其中,所述计算机可读存储介质存储一个或多个程序,所述一个或多个程序当被处理器执行时,实现权利要求1-5中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910578888.XA CN110348715B (zh) | 2019-06-28 | 2019-06-28 | 基于流量指标监测的渠道异常检测方法、装置和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910578888.XA CN110348715B (zh) | 2019-06-28 | 2019-06-28 | 基于流量指标监测的渠道异常检测方法、装置和电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110348715A CN110348715A (zh) | 2019-10-18 |
CN110348715B true CN110348715B (zh) | 2024-01-23 |
Family
ID=68177438
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910578888.XA Active CN110348715B (zh) | 2019-06-28 | 2019-06-28 | 基于流量指标监测的渠道异常检测方法、装置和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110348715B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111127070B (zh) * | 2019-11-08 | 2023-08-11 | 广州坚和网络科技有限公司 | 一种发现渠道作弊的方法 |
CN111404911B (zh) * | 2020-03-11 | 2022-10-14 | 国网新疆电力有限公司电力科学研究院 | 一种网络攻击检测方法、装置及电子设备 |
CN112288016B (zh) * | 2020-10-30 | 2023-10-31 | 上海淇玥信息技术有限公司 | 基于主成分分析算法的渠道反作弊方法、装置和电子设备 |
CN112633955B (zh) * | 2021-03-09 | 2022-12-27 | 腾讯科技(深圳)有限公司 | 广告转化异常检测方法、系统及计算机可读存储介质 |
CN113315790B (zh) * | 2021-07-29 | 2021-11-02 | 湖南华菱电子商务有限公司 | 入侵流量检测方法、电子设备及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103593465A (zh) * | 2013-11-26 | 2014-02-19 | 北京网秦天下科技有限公司 | 用于诊断应用推广渠道异常的方法和设备 |
CN106301975A (zh) * | 2015-05-19 | 2017-01-04 | 深圳市腾讯计算机系统有限公司 | 一种数据检测方法及其装置 |
CN106612202A (zh) * | 2015-10-27 | 2017-05-03 | 网易(杭州)网络有限公司 | 一种网游渠道刷量的预估判别方法及系统 |
CN107566192A (zh) * | 2017-10-18 | 2018-01-09 | 中国联合网络通信集团有限公司 | 一种异常流量处理方法及网管设备 |
CN108122116A (zh) * | 2016-11-29 | 2018-06-05 | 腾讯科技(深圳)有限公司 | 一种产品推广渠道的监管方法及系统 |
CN108322433A (zh) * | 2017-12-18 | 2018-07-24 | 中国软件与技术服务股份有限公司 | 一种基于流检测的网络安全检测方法 |
CN109561052A (zh) * | 2017-09-26 | 2019-04-02 | 北京国双科技有限公司 | 网站异常流量的检测方法及装置 |
CN109634997A (zh) * | 2018-11-16 | 2019-04-16 | 北京奇虎科技有限公司 | 一种异动渠道的获取方法、装置及电子设备 |
CN109787960A (zh) * | 2018-12-19 | 2019-05-21 | 中国平安人寿保险股份有限公司 | 异常流量数据识别方法、装置、介质及电子设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180007578A1 (en) * | 2016-06-30 | 2018-01-04 | Alcatel-Lucent Usa Inc. | Machine-to-Machine Anomaly Detection |
-
2019
- 2019-06-28 CN CN201910578888.XA patent/CN110348715B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103593465A (zh) * | 2013-11-26 | 2014-02-19 | 北京网秦天下科技有限公司 | 用于诊断应用推广渠道异常的方法和设备 |
CN106301975A (zh) * | 2015-05-19 | 2017-01-04 | 深圳市腾讯计算机系统有限公司 | 一种数据检测方法及其装置 |
CN106612202A (zh) * | 2015-10-27 | 2017-05-03 | 网易(杭州)网络有限公司 | 一种网游渠道刷量的预估判别方法及系统 |
CN108122116A (zh) * | 2016-11-29 | 2018-06-05 | 腾讯科技(深圳)有限公司 | 一种产品推广渠道的监管方法及系统 |
CN109561052A (zh) * | 2017-09-26 | 2019-04-02 | 北京国双科技有限公司 | 网站异常流量的检测方法及装置 |
CN107566192A (zh) * | 2017-10-18 | 2018-01-09 | 中国联合网络通信集团有限公司 | 一种异常流量处理方法及网管设备 |
CN108322433A (zh) * | 2017-12-18 | 2018-07-24 | 中国软件与技术服务股份有限公司 | 一种基于流检测的网络安全检测方法 |
CN109634997A (zh) * | 2018-11-16 | 2019-04-16 | 北京奇虎科技有限公司 | 一种异动渠道的获取方法、装置及电子设备 |
CN109787960A (zh) * | 2018-12-19 | 2019-05-21 | 中国平安人寿保险股份有限公司 | 异常流量数据识别方法、装置、介质及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN110348715A (zh) | 2019-10-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110348715B (zh) | 基于流量指标监测的渠道异常检测方法、装置和电子设备 | |
US20200134493A1 (en) | Automatic correction of indirect bias in machine learning models | |
US20200382403A1 (en) | Performance Monitoring in a Distributed Storage System | |
US10110449B2 (en) | Method and system for temporal sampling in evolving network | |
CN110599335A (zh) | 一种基于多模型的用户金融风险评估方法和装置 | |
US9053170B2 (en) | Relationship discovery in business analytics | |
US20210049281A1 (en) | Reducing risk of smart contracts in a blockchain | |
CN111125266B (zh) | 数据处理方法、装置、设备及存储介质 | |
CN109901987B (zh) | 一种生成测试数据的方法和装置 | |
US20230021338A1 (en) | Conditionally independent data generation for training machine learning systems | |
CN111598713A (zh) | 基于相似度权重更新的团伙识别方法、装置及电子设备 | |
US20090292715A1 (en) | System and Method for Determining Overall Utilization | |
US10346289B2 (en) | Run time workload threshold alerts for customer profiling visualization | |
CN111625587B (zh) | 数据共享装置 | |
CN114091570A (zh) | 业务处理系统方法、装置和电子设备 | |
US20220179764A1 (en) | Multi-source data correlation extraction for anomaly detection | |
US20190311310A1 (en) | Methods and systems for managing risk with respect to potential customers | |
US20210286703A1 (en) | Model comparison with unknown metric importance | |
CN115981970B (zh) | 运维数据分析方法、装置、设备和介质 | |
US10924499B2 (en) | Detection of genuine social media profiles | |
CN112085588A (zh) | 规则模型的安全性的确定方法、装置和数据处理方法 | |
CN111241107A (zh) | 一种业务处理方法、装置、介质和电子设备 | |
WO2023138923A1 (en) | Failure prediction using informational logs and golden signals | |
CN113297479B (zh) | 一种用户画像生成方法、装置及电子设备 | |
US10353795B2 (en) | Standardizing run-time and historical customer and test environments and workloads comparisons using specific sets of key platform data points |
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 |