CN110362446B - 移动应用异常操作监测方法、装置、存储介质及电子设备 - Google Patents

Abstract

本公开是关于一种移动应用异常操作监测方法、装置、存储介质及电子设备，属于数据分析技术领域，该方法包括：当监测到目标移动应用的目标业务节点被触发，获取触发所述目标业务节点的终端的标识；根据所述终端的标识，采集在所述终端上办理所述目标业务节点的每个子业务节点时产生的多个子操作轨迹数据；获取所述终端上的持续行为轨迹数据；利用所述多个子操作轨迹数据及所述持续行为轨迹数据，获取所述终端上继续办理所述目标业务节点对应的业务的监测结果。本公开通过实现对移动应用的操作轨迹数据监控的基础上，有效提高移动应用异常操作监控的准确性。

Description

移动应用异常操作监测方法、装置、存储介质及电子设备

技术领域

本公开涉及数据分析技术领域，具体而言，涉及一种移动应用异常操作监测方法、装置、存储介质及电子设备。

背景技术

移动应用就是安装在移动终端上的应用程序，例如手机应用app，通过移动应用可以方便地办理各种业务。

目前，通过移动应用app进行业务办理时，通常客户需要首先利用个人身份信息等进行个人账户注册，然后才可以进行登陆后各种业务的办理。然而，黑客或者第三方程序可以通过机器注册的方式对移动应用app进行注册、业务办理，通过机器或者第三方程序的注册、业务办理的方式很容易逃过风险监控，从而带来很大的业务风险。

现有技术中，通常通过在业务办理中采取各种例如输入验证码等手段间接监控移动应用上业务办理的异常操作，这些间接验证异常操作具有间接性，存在被破解的风险，进而使得移动应用上的异常操作的监测存在困难。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的目的在于提供一种移动应用异常操作监测方案，进而至少在一定程度上通过实现对移动应用的操作轨迹数据监控的基础上，有效提高移动应用异常操作监控的准确性。

根据本公开的一个方面，提供一种移动应用异常操作监测方法，包括：

当监测到目标移动应用的目标业务节点被触发，获取触发所述目标业务节点的终端的标识；

根据所述终端的标识，采集在所述终端上办理所述目标业务节点的每个子业务节点时产生的多个子操作轨迹数据；

获取所述终端上的持续行为轨迹数据；

利用所述多个子操作轨迹数据及所述持续行为轨迹数据，获取所述终端上继续办理所述目标业务节点对应的业务的监测结果。

在本公开的一种示例性实施例中，所述当监测到目标移动应用的目标业务节点被触发，获取触发所述目标业务节点的终端的标识，包括：

当监测到目标移动应用的目标业务节点被触发，获取所述目标业务节点的业务办理请求消息；

从所述业务办理请求消息中，获取触发所述目标业务节点的终端的标识。

在本公开的一种示例性实施例中，所述根据所述终端的标识，采集在所述终端上办理所述目标业务节点的每个子业务节点时产生的多个子操作轨迹数据，包括：

根据所述终端的标识，监测所述终端上办理所述目标业务节点的每个子业务节点的开始时刻点与结束时刻点；

根据所述每个子业务节点的开始时刻点与结束时刻点，爬取预设接口上记录的每个子业务节点对应的开始时刻点与结束时刻点之间的子操作轨迹数据，得到多个所述子操作轨迹数据。

在本公开的一种示例性实施例中，所述利用所述多个子操作轨迹数据及所述持续行为轨迹数据，获取所述终端上继续办理所述目标业务节点对应的业务的监测结果，包括：

获取所述多个子操作轨迹数据及所述持续行为轨迹数据的第一作为输入数据；

将所述第一作为输入数据输入预先训练好的第一机器学习模型，得到所述终端上继续办理所述目标业务节点对应的业务的监测结果。

在本公开的一种示例性实施例中，所述第一机器学习模型的训练方法是：

收集第一作为输入数据的样本集，所述样本集中每个样本事先标定了在终端上继续办理目标业务节点对应的业务的监测结果；

将所有所述样本，分别输入第一机器学习模型，得到在终端上继续办理目标业务节点对应的业务的监测结果；

当存在所述样本输入第一机器学习模型后，得到的在终端上继续办理目标业务节点对应的业务的监测结果与对所述样本事先标定的不一致，则调整机器学习模型的系数，直到一致；

当所有的所述样本输入第一机器学习模型后，得到的在终端上继续办理目标业务节点对应的业务的监测结果与对每个所述样本事先标定的一致，训练结束。

在本公开的一种示例性实施例中，所述利用所述多个子操作轨迹数据及所述持续行为轨迹数据，获取所述终端上继续办理所述目标业务节点对应的业务的监测结果，包括：

获取所述终端上办理所述目标业务节点对应的用户身份信息；

根据所述用户身份信息，从预设监测数据库中获取与所述用户身份信息对应的标准监测轨迹数据；

根据所述多个子操作轨迹数据、所述持续行为轨迹数据及所述标准监测轨迹数据，获取所述终端上继续办理所述目标业务节点对应的业务的监测结果。

在本公开的一种示例性实施例中，所述根据所述多个子操作轨迹数据、所述持续行为轨迹数据及所述标准监测轨迹数据，获取所述终端上继续办理所述目标业务节点对应的业务的监测结果，包括：

获取所述多个子操作轨迹数据、所述持续行为轨迹数据及所述标准监测轨迹数据的第二作为输入数据；

将所述第二作为输入数据输入预先训练好的第二机器学习模型，所述终端上继续办理所述目标业务节点对应的业务的监测结果。

在本公开的一种示例性实施例中，所述第二机器学习模型的训练方法是：

收集第二作为输入数据的样本集，所述样本集中每个样本事先标定了在终端上继续办理目标业务节点对应的业务的监测结果；

将所有所述样本，分别输入第二机器学习模型，得到在终端上继续办理目标业务节点对应的业务的监测结果；

当存在所述样本输入第二机器学习模型后，得到的在终端上继续办理目标业务节点对应的业务的监测结果与对所述样本事先标定的不一致，则调整机器学习模型的系数，直到一致；

当所有的所述样本输入第二机器学习模型后，得到的在终端上继续办理目标业务节点对应的业务的监测结果与对每个所述样本事先标定的一致，训练结束。

根据本公开的一个方面，提供一种移动应用异常操作监测装置，其特征在于，包括：

获取模块，用于当监测到目标移动应用的目标业务节点被触发，获取触发所述目标业务节点的终端的标识；

第一采集模块，用于根据所述终端的标识，采集在所述终端上办理所述目标业务节点的每个子业务节点时产生的多个子操作轨迹数据；

第二采集模块，用于获取所述终端上的持续行为轨迹数据；

判断模块，用于利用所述多个子操作轨迹数据及所述持续行为轨迹数据，获取所述终端上继续办理所述目标业务节点对应的业务的监测结果。

根据本公开的一个方面，提供一种计算机可读存储介质，其上存储有移动应用异常操作监测程序，其特征在于，所述移动应用异常操作监测程序被处理器执行时实现上述任一项所述的方法。

根据本公开的一个方面，提供一种电子设备，其特征在于，包括：

处理器；以及

存储器，用于存储所述处理器的移动应用异常操作监测程序；其中，所述处理器配置为经由执行所述移动应用异常操作监测程序来执行上述任一项所述的方法。

本公开一种移动应用异常操作监测方法及装置，首先，当监测到目标移动应用的目标业务节点被触发，获取触发所述目标业务节点的终端的标识；通过获取触发目标业务节点的终端的标识可以准确地根据该标识追踪到所述终端进行监控数据的获取，使得目标移动应用的业务办理得到准确、及时地监控。然后，根据所述终端的标识，采集在所述终端上办理所述目标业务节点的每个子业务节点时产生的多个子操作轨迹数据；这样可以通过预设的操作轨迹数据记录接口，获取用户利用移动终端进行业务操作时终端上产生的操作轨迹数据，可以有效反应用户操作的真实性情况，进而在后续步骤中利用该多个子操作轨迹数据进行移动应用异常操作监控分析。然后，获取所述终端上的持续行为轨迹数据；这样可以从终端上获取到用户移动位置、走路等持续性行为产生的轨迹数据，这些数据可以间接导致出上述子操作轨迹数据由于不同持续性行为发生细微的变化，进而，可以在后续有效提高异常操作监控的准确性。最后，利用所述多个子操作轨迹数据及所述持续行为轨迹数据，获取所述终端上继续办理所述目标业务节点对应的业务的监测结果；通过用户在移动终端上的移动应用上的实时操作产生的子操作轨迹数据及用户行为习惯产生的持续行为轨迹数据的监控，可以有效反应用户操作的异常性，可以准确地、及时地获取终端上是否授权继续办理目标业务节点对应的业务的监测结果。

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。

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。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1示意性示出一种移动应用异常操作监测方法的流程图。

图2示意性示出一种移动应用异常操作监测方法的应用场景示例图。

图3示意性示出一种监测结果获取方法流程图。

图4示意性示出一种移动应用异常操作监测装置的方框图。

图5示意性示出一种用于实现上述移动应用异常操作监测方法的电子设备示例框图。

图6示意性示出一种用于实现上述移动应用异常操作监测方法的计算机可读存储介质。

具体实施方式

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本公开的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。

此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。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。

本示例实施方式中首先提供了移动应用异常操作监测方法，该移动应用异常操作监测方法可以运行于的服务器，也可以运行于服务器集群或云服务器等，当然，本领域技术人员也可以根据需求在其他平台运行本发明的方法，本示例性实施例中对此不做特殊限定。参考图1所示，该移动应用异常操作监测方法可以包括以下步骤：

步骤S110，当监测到目标移动应用的目标业务节点被触发，获取触发所述目标业务节点的终端的标识；

步骤S120，根据所述终端的标识，采集在所述终端上办理所述目标业务节点的每个子业务节点时产生的多个子操作轨迹数据；

步骤S130，获取所述终端上的持续行为轨迹数据；

步骤S140，利用所述多个子操作轨迹数据及所述持续行为轨迹数据，获取所述终端上继续办理所述目标业务节点对应的业务的监测结果。

上述移动应用异常操作监测方法中，首先，当监测到目标移动应用的目标业务节点被触发，获取触发所述目标业务节点的终端的标识；通过获取触发目标业务节点的终端的标识可以准确地根据该标识追踪到所述终端进行监控数据的获取，使得目标移动应用的业务办理得到准确、及时地监控。然后，根据所述终端的标识，采集在所述终端上办理所述目标业务节点的每个子业务节点时产生的多个子操作轨迹数据；这样可以通过预设的操作轨迹数据记录接口，获取用户利用移动终端进行业务操作时终端上产生的操作轨迹数据，可以有效反应用户操作的真实性情况，进而在后续步骤中利用该多个子操作轨迹数据进行移动应用异常操作监控分析。然后，获取所述终端上的持续行为轨迹数据；这样可以从终端上获取到用户移动位置、走路等持续性行为产生的轨迹数据，这些数据可以间接导致出上述子操作轨迹数据由于不同持续性行为发生细微的变化，进而，可以在后续有效提高异常操作监控的准确性。最后，利用所述多个子操作轨迹数据及所述持续行为轨迹数据，获取所述终端上继续办理所述目标业务节点对应的业务的监测结果；通过用户在移动终端上的移动应用上的实时操作产生的子操作轨迹数据及用户行为习惯产生的持续行为轨迹数据的监控，可以有效反应用户操作的异常性，可以准确地、及时地获取终端上是否授权继续办理目标业务节点对应的业务的监测结果。

下面，将结合附图对本示例实施方式中上述移动应用异常操作监测方法中的各步骤进行详细的解释以及说明。

在步骤S110中，当监测到目标移动应用的目标业务节点被触发，获取触发所述目标业务节点的终端的标识。

在本示例的实施方式中，参考图2所示，当用户在终端201上触发目标目标移动应用的目标业务节点时，自动发送触发信号到服务器202，进而服务器202监测到目标移动应用的目标业务节点被触发，然后服务器202就可以基于触发信号中携带的设备ip等获取到触发目标业务节点的终端的标识，进而服务器201在后续步骤中可以根据该设备标识锁定该设备，通过该设备上目标移动应用获取需要的数据，进行目标移动应用的操作准确、及时地监控。其中，终端201可以是任何具有移动应用的应用功能的移动终端，例如手机等；服务器202可以是任何具有存储功能、程序执行功能的终端，例如电脑、服务器等。

一个示例中，目标移动应用为目标贷款应用app，目标业务节点为借款验证节点。当监测到目标贷款应用app的借款验证节点被触发，就是例如在利用例如手机等移动终端上的贷款应用app进行贷款业务时，在完成借款额度等填写后，需要进行用户身份验证的节点，用户通过点击完成额度填写按钮自动触发借款验证节点。

然后，借款验证节点中包含有操作终端的标识，例如操作终端的ip，也就是触发所述目标业务节点的终端的标识。通过获取操作终端的标识，就可以在后续步骤利用该标识锁定操作终端，进而准确获取到操作终端上的需要的数据，对继续进行贷款授权的业务办理进行准确监控。

在本示例的一种实施方式中，所述当监测到目标移动应用的目标业务节点被触发，获取触发所述目标业务节点的终端的标识，包括：

当监测到目标移动应用的目标业务节点被触发，获取所述目标业务节点的业务办理请求消息；

从所述业务办理请求消息中，获取触发所述目标业务节点的终端的标识。

用户通过目标移动应用的目标业务节点触发按钮的点击操作触发目标业务节点开始办理。在目标业务节点被触发时，自动生成包含目标移动应用所来源的终端的标识的目标业务节点的业务办理请求消息及触发信号后，发送到后台以请求进行授权目标业务节点的办理。此时，通过监测触发信号可以准确监测到目标移动应用的目标业务节点被触发，进而获取接收到的目标业务节点的业务办理请求消息，并从中获取触发目标业务节点的终端的标识，这样可以在及时、准确地获取终端标识的情况下进行终端上的移动应用的操作监测。

在一个示例中，接收一种贷款业务过程中操作贷款app时触发相关指令后发送的业务请求，接收例如在借款app上点击借款按钮后，向后台发送的借款请求。业务请求中包含发送请求的终端的相关信息和请求内容，通过终端的相关信息可以准确识别锁定需要借款的终端，进而对该终端进行监测。

在步骤S120中，根据所述终端的标识，采集在所述终端上办理所述目标业务节点的每个子业务节点时产生的多个子操作轨迹数据。

在本示例的实施方式中，目标业务节点的每个子业务节点就是例如验证节点的输入验证码、人脸识别等各个子业务节点。办理每个子业务节点时产生的多个子操作轨迹数据就是输入验证码时在手机上的点击输入操作产生的设备的重力感应数据、陀螺仪数据等。原生native端通过实现记录移动设备重力感应、陀螺仪数据、运动步数、定位数据等jsapi接口(这类接口可以记录移动设备真实的行为轨迹)供前端调用，前端可以在业务代码的任何一个节点灵活的调用这些jsapi方法，可根据风控要求，在不同的业务节点对移动设备行为轨迹数据进行监测，进而可以准确地获取到子操作轨迹数据。

通过终端的标识，可以准确地锁定终端，进而准确地采集到在终端上办理所述目标业务节点的每个子业务节点时产生的多个子操作轨迹数据。不同的子业务节点的办理操作会产生不同的子操作轨迹数据，同时，不同用户在子业务节点的办理操作时会产生不同的子操作轨迹数据。因此，通过采集多个子操作轨迹数据可以在用于用户在移动应用上的操作异常性的准确监测。例如，在利用这些子操作轨迹数据可以的反映用户在终端的操作导致终端的运动行为，如是保持禁止不动或者具有正常的在终端上进行相关操作时的运动特性。进而可以判断终端上的操作是人为的还是机器进行的，因此，在后续步骤中可以准确的分析终端的操作是否是例如黑客通过机器注册进行的风险操作。

在本示例的一种实施方式中，所述根据所述终端的标识，采集在所述终端上办理所述目标业务节点的每个子业务节点时产生的多个子操作轨迹数据，包括：

根据所述终端的标识，监测所述终端上办理所述目标业务节点的每个子业务节点的开始时刻点与结束时刻点；

根据所述每个子业务节点的开始时刻点与结束时刻点，爬取预设接口上记录的每个子业务节点对应的开始时刻点与结束时刻点之间的子操作轨迹数据，得到多个所述子操作轨迹数据。

终端上办理目标业务节点的每个子业务节点的开始时刻点与结束时刻点就是例如在手机上的某个移动应用上办理验证业务的节点的各个如输入验证码、人脸识别、输入身份证号等子业务节点的开始时刻点与结束时刻点。通过监测一个子业务节点的触发时刻点作为其开始时刻点，及相邻的下一个子业务节点的触发时刻点作为其结束时刻点。这样可以在开始时刻点与结束时刻点之间，从通过移动应用实现的接口上准确地爬取到每个子业务节点对应的子操作轨迹数据。

在步骤S130中，获取所述终端上的持续行为轨迹数据。

在本示例的实施方式中，持续行为轨迹数据就是例如终端上产生的位置的移动的定位数据，例如用户走路的步数。通过监测用于办理目标业务节点之前的步数与结束办理时的步数的差值，可以准确地获取到终端上的移动步数等持续性行为轨迹数据。这些持续性行为产生的数据可以对上述步骤的子操作轨迹数据产生影响，例如用户通过步行移动过快会导致用户手动操作时产生的子操作轨迹数据的数据值较高。通过获取持续行为轨迹数据可以结合上述子操作轨迹数据可以有效提高移动应用操作监测的准确性。

在步骤S140中，利用所述多个子操作轨迹数据及所述持续行为轨迹数据，获取所述终端上继续办理所述目标业务节点对应的业务的监测结果。

在本示例的实施方式中，终端上继续办理目标业务节点对应的业务的监测结果就是例如在终端上继续办理目标业务节点对应的业务具有风险的监测结果、在终端上继续办理目标业务节点对应的业务没有风险的监测结果，以及在终端上继续办理目标业务节点对应的业务风险需要进一步确认的监测结果。

对可以实时准确反映移动终端上的通过移动应用进行业务办理的操作真实性的多个子操作轨迹数据及持续行为轨迹数据进行分析，例如，通过获取多个子操作轨迹数据及持续行为轨迹数据的总数据值。当该总数据值为0或者很低时，说明有可能是黑客或者第三方程序可以通过机器注册的方式对移动应用app进行注册，进行业务办理，进而获得终端上继续办理目标业务节点对应的业务具有风险的监测结果；当该总数据值在专家确定的正常区间时，获得终端上继续办理目标业务节点对应的业务没有风险的监测结果。由于子操作轨迹数据及持续行为轨迹数据的反应用户操作真实性的复杂性，可以通过预先训练机器学习模型，来准确获取终端上继续办理所述目标业务节点对应的业务的监测结果。这样在一定程度上通过实现对移动应用的操作轨迹数据监控的基础上，可以有效提高移动应用异常操作监控的准确性。

在一个示例中，一些风险借贷行为中黑客或者第三方程序可以通过机器注册的方式对贷款app进行注册、借款，通过机器或者第三方程序的注册、借款方式很容易逃过风险监控。通常上述风险借贷行为会表现出与正常的借贷行为明显的区别特征，例如风险借贷行为中的终端当前时刻保持静止，进而操作带来的子操作轨迹数据及持续行为轨迹数据值几乎没有。这样就可以利用所述子操作轨迹数据及持续行为轨迹数据，准确地判断所述终端上继续进行目标贷款业务的风险类别，例如终端上继续进行所述目标贷款业务有风险或者没有风险等。进而根据风险类别决定是否继续与当前终端上借款的用户进行交易。可以实时的对应用各种移动贷款应用app的终端进行操作监控，有效保证提升反欺诈风控能力，降低资金流失。

在本示例的一种实施方式中，所述利用所述多个子操作轨迹数据及所述持续行为轨迹数据，获取所述终端上继续办理所述目标业务节点对应的业务的监测结果，包括：

获取所述多个子操作轨迹数据及所述持续行为轨迹数据的第一作为输入数据；

将所述第一作为输入数据输入预先训练好的第一机器学习模型，得到所述终端上继续办理所述目标业务节点对应的业务的监测结果。

多个子操作轨迹数据及持续行为轨迹数据的第一作为输入数据就是将多个子操作轨迹数据及持续行为轨迹数据分别添加每个数据的标签及对应的数据来源的节点的标签后，转化为可以用于输入机器学习模型的如二进制格式的作为输入数据。其中，每个数据的标签就是例如重力感应、陀螺仪数据等；数据来源的节点的标签就是例如验证码输入节点、人脸识别节点等。这样可以准确的将每个数据区别开，同时保证输入数据的有效性。进而将所述第一作为输入数据输入预先训练好的第一机器学习模型，可以准确地得到终端上继续办理目标业务节点对应的业务的监测结果。

在本示例的一种实施方式中，所述第一机器学习模型的训练方法是：

收集第一作为输入数据的样本集，所述样本集中每个样本事先标定了在终端上继续办理目标业务节点对应的业务的监测结果；

将所有所述样本，分别输入第一机器学习模型，得到在终端上继续办理目标业务节点对应的业务的监测结果；

当存在所述样本输入第一机器学习模型后，得到的在终端上继续办理目标业务节点对应的业务的监测结果与对所述样本事先标定的不一致，则调整机器学习模型的系数，直到一致；

当所有的所述样本输入第一机器学习模型后，得到的在终端上继续办理目标业务节点对应的业务的监测结果与对每个所述样本事先标定的一致，训练结束。

第一作为输入数据的样本就是根据各种历史监测真实场景采集的多个子操作轨迹数据及持续行为轨迹数据的第一作为输入数据的样本，其中，对每个样本事先由专家标定对应的真实场景的在终端上继续办理目标业务节点对应的业务的监测结果。这样通过大量的样本作为训练集，对应的监测结果作为结果集，按照上述步骤可以准确地训练出根据第一作为输入数据获取在终端上继续办理目标业务节点对应的业务的监测结果的第一机器学习模型。通过机器学习模型进行多个子操作轨迹数据及持续行为轨迹数据的第一作为输入数据的分析，可以有效避免人为分析的误差，有效提高监测结果获取的准确性和效率，保证监测结果获取的实时性。

在本示例的一种实施方式中，参考图3所示，所述利用所述多个子操作轨迹数据及所述持续行为轨迹数据，获取所述终端上继续办理所述目标业务节点对应的业务的监测结果，包括：

步骤310，获取所述终端上办理所述目标业务节点对应的用户身份信息；

步骤320，根据所述用户身份信息，从预设监测数据库中获取与所述用户身份信息对应的标准监测轨迹数据；

步骤330，根据所述多个子操作轨迹数据、所述持续行为轨迹数据及所述标准监测轨迹数据，获取所述终端上继续办理所述目标业务节点对应的业务的监测结果。

通过办理目标业务的移动应用的注册信息，可以获取到终端上办理所述目标业务节点对应的用户身份信息，例如可以获取到用户的性别及年龄信息。用户身份信息反映用户可以实现的子操作轨迹数据及持续行为轨迹数据的大致范围。例如不同年龄的用户的操作频率等行为特征不同，通过获取用户年龄数据可以准确反应用户办理业务时的操作轨迹数据标准范围。进而，通过用户身份信息，可以从预设的监测数据库中获取用户身份信息对应的标准监测轨迹数据，例如通过用户年龄和性别在预设的监测数据库中进行匹配对应性别的预设年龄的区间，如果用户年龄和性别位于某个性别的年龄区间内，则将该区间关联的标准监测轨迹数据作为用户身份信息对应的标准监测轨迹数据。其中，标准监测轨迹数据就是采集的不同性别的用户的不同年龄段正常操作时产出的子操作轨迹数据及持续行为轨迹数据。最后，根据多个子操作轨迹数据、持续行为轨迹数据及标准监测轨迹数据进行对比，可以准确地判断出用户操作行为是否异常，进而准确地得到终端上继续办理所述目标业务节点对应的业务的监测结果。例如，某个男性用户年龄45岁，在人脸识别过程的重力感应数据的加速度A。而事先统计的40岁到50岁的男性用户的标准监测轨迹数据中重力感应数据的加速度范围为C到D之间。此时通过判断A值是否在C到D之间，可以从重力感应数据的加速度角度准确反应用户操作的真实性。以这种方式，可以判断出是否用户本人操作。

在本示例的一种实施方式中，所述根据所述多个子操作轨迹数据、所述持续行为轨迹数据及所述标准监测轨迹数据，获取所述终端上继续办理所述目标业务节点对应的业务的监测结果，包括：

获取所述多个子操作轨迹数据、所述持续行为轨迹数据及所述标准监测轨迹数据的第二作为输入数据；

将所述第二作为输入数据输入预先训练好的第二机器学习模型，所述终端上继续办理所述目标业务节点对应的业务的监测结果。

多个子操作轨迹数据、持续行为轨迹数据及标准监测轨迹数据的第二作为输入数据就是将多个子操作轨迹数据、持续行为轨迹数据及标准监测轨迹数据分别添加每个数据的标签及对应的数据来源的节点的标签后，转化为可以用于输入机器学习模型的如二进制格式的作为输入数据。其中，每个数据的标签就是例如标准重力感应、标准陀螺仪数据、重力感应、陀螺仪数据等；数据来源的节点的标签就是例如验证码输入节点、人脸识别节点等。这样可以准确的将每个数据区别开，同时保证输入数据的有效性。进而将所述第二作为输入数据输入预先训练好的第二机器学习模型，可以准确地得到终端上继续办理目标业务节点对应的业务的监测结果。

在本示例的一种实施方式中，所述第二机器学习模型的训练方法是：

收集第二作为输入数据的样本集，所述样本集中每个样本事先标定了在终端上继续办理目标业务节点对应的业务的监测结果；

将所有所述样本，分别输入第二机器学习模型，得到在终端上继续办理目标业务节点对应的业务的监测结果；

当存在所述样本输入第二机器学习模型后，得到的在终端上继续办理目标业务节点对应的业务的监测结果与对所述样本事先标定的不一致，则调整机器学习模型的系数，直到一致；

当所有的所述样本输入第二机器学习模型后，得到的在终端上继续办理目标业务节点对应的业务的监测结果与对每个所述样本事先标定的一致，训练结束。

第二作为输入数据的样本就是根据各种历史监测真实场景采集的多个子操作轨迹数据、持续行为轨迹数据及标准监测轨迹数据的第二作为输入数据的样本，其中，对每个样本事先由专家标定对应的根据多个子操作轨迹数据、持续行为轨迹数据与标准监测轨迹数据的对比根据真实操作场景标定在终端上继续办理目标业务节点对应的业务的监测结果。这样通过大量的样本作为训练集，对应的监测结果作为结果集，按照上述步骤可以准确地训练出根据第二作为输入数据获取在终端上继续办理目标业务节点对应的业务的监测结果的第二机器学习模型。通过机器学习模型进行多个子操作轨迹数据、持续行为轨迹数据及标准监测轨迹数据的第二作为输入数据的分析，可以有效避免人为分析的误差，有效提高监测结果获取的准确性和效率，保证监测结果获取的实时性。

本公开还提供了一种移动应用异常操作监测装置。参考图4所示，该移动应用异常操作监测装置可以包括获取模块410、第一采集模块420、第二采集模块430以及判断模块440。其中：

获取模块410可以当监测到目标移动应用的目标业务节点被触发，获取触发所述目标业务节点的终端的标识；

第一采集模块420可以根据所述终端的标识，采集在所述终端上办理所述目标业务节点的每个子业务节点时产生的多个子操作轨迹数据；

第二采集模块430可以获取所述终端上的持续行为轨迹数据；

判断模块440可以用于利用所述多个子操作轨迹数据及所述持续行为轨迹数据，获取所述终端上继续办理所述目标业务节点对应的业务的监测结果。

上述移动应用异常操作监测装置中各模块的具体细节已经在对应的移动应用异常操作监测方法中进行了详细的描述，因此此处不再赘述。

应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。

此外，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开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非易失性存储介质(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计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施方式的方法。

在本公开的示例性实施例中，还提供了一种能够实现上述方法的电子设备。

所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。

下面参照图5来描述根据本发明的这种实施方式的电子设备500。图5显示的电子设备500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，电子设备500以通用计算设备的形式表现。电子设备500的组件可以包括但不限于：上述至少一个处理单元510、上述至少一个存储单元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。

其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元510执行，使得所述处理单元510执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元510可以执行如图1中所示的步骤S110：当监测到目标移动应用的目标业务节点被触发，获取触发所述目标业务节点的终端的标识；S120：根据所述终端的标识，采集在所述终端上办理所述目标业务节点的每个子业务节点时产生的多个子操作轨迹数据；步骤S130：获取所述终端上的持续行为轨迹数据；步骤S140：利用所述多个子操作轨迹数据及所述持续行为轨迹数据，获取所述终端上继续办理所述目标业务节点对应的业务的监测结果。

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。

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700(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得客户能与该电子设备500交互的设备通信，和/或与使得该电子设备500能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口550进行。并且，电子设备500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)通信。如图所示，网络适配器560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，可以结合电子设备500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。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开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非易失性存储介质(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计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。

在本公开的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。

参考图6所示，描述了根据本发明的实施方式的用于实现上述方法的程序产品600，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，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。

所述程序产品可以采用一个或多个可读介质的任意组合。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。

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。可读信号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客户计算设备上执行、部分地在客户设备上执行、作为一个独立的软件包执行、部分在客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)，连接到客户计算设备，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)。

此外，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。

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他实施例。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权利要求指出。

Claims (7)

1.一种移动应用异常操作监测方法，其特征在于，包括：

当监测到目标移动应用的目标业务节点被触发，获取触发所述目标业务节点的终端的标识；

根据所述终端的标识，监测所述终端上办理所述目标业务节点的每个子业务节点的开始时刻点与结束时刻点；根据所述每个子业务节点的开始时刻点与结束时刻点，爬取预设接口上记录的每个子业务节点对应的开始时刻点与结束时刻点之间的子操作轨迹数据，得到多个所述子操作轨迹数据；

获取所述终端上的持续行为轨迹数据；

获取所述终端上办理所述目标业务节点对应的用户身份信息；所述用户身份信息包括用户年龄和性别；

通过所述用户年龄和所述性别在预设的监测数据库中匹配对应性别的预设年龄的区间，将所述用户年龄和所述性别所位于的区间关联的标准监测轨迹数据，作为用户身份信息对应的标准监测轨迹数据；所述标准监测轨迹数据是采集的不同性别的用户的不同年龄段正常操作产出的子操作轨迹数据以及持续行为轨迹数据；

获取多个子操作轨迹数据及所述持续行为轨迹数据作为第一输入数据；将所述第一输入数据输入预先训练好的第一机器学习模型，得到所述终端上继续办理所述目标业务节点对应的业务的监测结果。

2.根据权利要求1所述的方法，其特征在于，所述当监测到目标移动应用的目标业务节点被触发，获取触发所述目标业务节点的终端的标识，包括：

当监测到目标移动应用的目标业务节点被触发，获取所述目标业务节点的业务办理请求消息；

从所述业务办理请求消息中，获取触发所述目标业务节点的终端的标识。

3.根据权利要求1所述的方法，其特征在于，所述第一机器学习模型的训练方法是：

收集第一输入数据的样本集，所述样本集中每个样本事先标定了在终端上继续办理目标业务节点对应的业务的监测结果；

将所有所述样本，分别输入第一机器学习模型，得到在终端上继续办理目标业务节点对应的业务的监测结果；

当存在所述样本输入第一机器学习模型后，得到的在终端上继续办理目标业务节点对应的业务的监测结果与对所述样本事先标定的不一致，则调整机器学习模型的系数，直到一致；

当所有的所述样本输入第一机器学习模型后，得到的在终端上继续办理目标业务节点对应的业务的监测结果与对每个所述样本事先标定的一致，训练结束。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取所述多个子操作轨迹数据、所述持续行为轨迹数据及所述标准监测轨迹数据作为第二输入数据；

将所述第二输入数据输入预先训练好的第二机器学习模型，所述终端上继续办理所述目标业务节点对应的业务的监测结果。

5.一种移动应用异常操作监测装置，其特征在于，包括：

获取模块，用于当监测到目标移动应用的目标业务节点被触发，获取触发所述目标业务节点的终端的标识；

第一采集模块，用于根据所述终端的标识，监测所述终端上办理所述目标业务节点的每个子业务节点的开始时刻点与结束时刻点；根据所述每个子业务节点的开始时刻点与结束时刻点，爬取预设接口上记录的每个子业务节点对应的开始时刻点与结束时刻点之间的子操作轨迹数据，得到多个所述子操作轨迹数据；

第二采集模块，用于获取所述终端上的持续行为轨迹数据；

判断模块，用于获取所述终端上办理所述目标业务节点对应的用户身份信息；所述用户身份信息包括用户年龄和性别；通过所述用户年龄和所述性别在预设的监测数据库中匹配对应性别的预设年龄的区间，将所述用户年龄和所述性别所位于的区间关联的标准监测轨迹数据，作为用户身份信息对应的标准监测轨迹数据；所述标准监测轨迹数据是采集的不同性别的用户的不同年龄段正常操作产出的子操作轨迹数据以及持续行为轨迹数据；获取多个子操作轨迹数据及所述持续行为轨迹数据作为第一输入数据；将所述第一输入数据输入预先训练好的第一机器学习模型，得到所述终端上继续办理所述目标业务节点对应的业务的监测结果。

6.一种计算机可读存储介质，其上存储有移动应用异常操作监测程序，其特征在于，所述移动应用异常操作监测程序被处理器执行时实现权利要求1-4任一项所述的方法。

7.一种电子设备，其特征在于，包括：

处理器；以及

存储器，用于存储所述处理器的移动应用异常操作监测程序；其中，所述处理器配置为经由执行所述移动应用异常操作监测程序来执行权利要求1-4任一项所述的方法。

Images