CN110602248A - 异常行为信息的识别方法、系统、装置、设备及介质 - Google Patents
异常行为信息的识别方法、系统、装置、设备及介质 Download PDFInfo
- Publication number
- CN110602248A CN110602248A CN201910933682.4A CN201910933682A CN110602248A CN 110602248 A CN110602248 A CN 110602248A CN 201910933682 A CN201910933682 A CN 201910933682A CN 110602248 A CN110602248 A CN 110602248A
- Authority
- CN
- China
- Prior art keywords
- behavior information
- block
- information
- user account
- abnormal behavior
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/906—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1097—Protocols in which an application is distributed across nodes in the network for distributed storage of data in networks, e.g. transport arrangements for network file system [NFS], storage area networks [SAN] or network attached storage [NAS]
-
- 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)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Computer Hardware Design (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种异常行为信息的识别方法、系统、装置、设备及介质,属于计算机网络领域。该方法包括:根据用户信息从区块链上获取第一区块,用户信息携带有用户帐号和用户帐号的本次行为信息,本次行为信息是用户帐号本次在互联网服务产品上产生的行为对应的信息;从第一区块中获取用户帐号在历史时间段t对应的异常行为信息,异常行为信息是用户帐号在互联网服务产品上产生的异常行为对应的信息,t>0;将历史时间段t对应的异常行为信息和本次行为信息发送至审核系统,获取本次行为信息的审核结果;当审核结果包括本次行为信息属于异常行为信息时,根据审核结果生成第二区块,将第二区块存储至区块链上。
Description
技术领域
本申请涉及计算机网络领域,特别涉及一种异常行为信息的识别方法、系统、装置、设备及存储介质。
背景技术
在互联网中,异常用户是指传递恶意信息、实施恶意行为或者对网络环境和网络环境中正常用户的隐私及财产安全构成了威胁的用户,以异常用户是视频应用程序上的用户为例,异常用户的异常行为包括恶意刷取视频播放量、恶意刷取投票结果和发表恶意评论等。
以用户在视频应用程序上发表评论为例,用户可通过用户帐号在视频应用程序发表评论,该评论需要经过视频应用程序的审核,若该用户帐号发表的言论存在异常情况,比如评论中包含敏感词语,视频应用程序将禁止该用户帐号发表该评论。视频应用程序上的用户帐号数量较多,视频应用程序需要进行大量的审核工作。
基于上述情况,视频应用程序对大量用户帐号的行为信息进行审核时,易于因新产生的异常行为信息,使得视频应用程序识别异常行为信息的准确率较低。
发明内容
本申请实施例提供了一种异常行为信息的识别方法、系统、装置、设备及存储介质,可以解决相关技术中应用程序在产生新的异常行为信息时,对异常行为信息进行识别的准确率较低的问题。所述技术方案如下:
根据本申请的一个方面,提供了一种异常行为信息的识别方法,所述方法应用于区块链系统的主记账节点中,所述方法包括:
根据用户信息从区块链上获取第一区块,所述用户信息携带有用户帐号和所述用户帐号的本次行为信息,所述本次行为信息是所述用户帐号本次在互联网服务产品上产生的行为对应的信息;
从所述第一区块中获取所述用户帐号在历史时间段t对应的异常行为信息,所述异常行为信息是所述用户帐号在所述互联网服务产品上产生的异常行为对应的信息,t>0;
将所述历史时间段t对应的异常行为信息和所述本次行为信息发送至审核系统,获取所述本次行为信息的审核结果;
当所述审核结果包括所述本次行为信息属于所述异常行为信息时,根据所述审核结果生成第二区块,将所述第二区块存储至所述区块链上。
根据本申请的另一方面,提供了一种异常行为信息的识别系统,所述识别系统包括基于异常行为信息区块链设置的主记账节点和其他节点;
所述主记账节点,用于根据用户信息从区块链上获取第一区块,所述用户信息携带有用户帐号和所述用户帐号的本次行为信息,所述本次行为信息是所述用户帐号本次在互联网服务产品上产生的行为对应的信息;从所述第一区块中获取所述用户帐号在历史时间段t对应的异常行为信息,所述异常行为信息是所述用户帐号在所述互联网服务产品上产生的异常行为对应的信息,t>0;将所述历史时间段t对应的异常行为信息和所述本次行为信息发送至所述审核系统,获取所述本次行为信息的审核结果;当所述审核结果包括所述本次行为信息属于所述异常行为信息时,根据所述审核结果向所述其他节点发送区块生成请求,所述区块生成请求用于生成第二区块,所述区块生成请求携带有第一区块地址和第一私钥,所述第一区块地址是所述第一区块的区块地址,所述第一私钥与所述第一区块对应;
所述其他节点,用于当所述用户帐号在所述历史时间段t对应的异常行为信息的信息内容与审核模型预测的趋势一致时,生成第一验证成功信息;当所述用户帐号的本次行为信息的信息内容与所述审核模型预测的审核结果一致时,生成第二验证成功信息;当通过所述第一区块地址确定所述第一区块且通过所述第一私钥对所述第一区块成功解密时,生成第三验证成功信息;
所述主记账节点,用于在接收到所述第一验证成功信息、所述第二验证成功信息和所述第三验证成功信息时,生成第二区块,将所述第二区块存储至所述区块链上。
根据本申请的另一方面,提供了一种异常行为信息的识别装置,所述装置设置在主记账节点中,所述装置包括:
处理模块,用于根据用户信息确定第一区块,所述用户信息携带有用户帐号和所述用户帐号的本次行为信息,所述本次行为信息是所述用户帐号本次在互联网服务产品上产生的行为对应的信息;
获取模块,用于从所述第一区块中获取的时间段t对应的异常行为信息,所述异常行为信息是所述用户帐号在所述互联网服务产品上产生的历史异常行为对应的信息,t>0;
发送模块,用于将所述时间段t对应的异常行为信息和所述本次行为信息发送至审核系统,获取所述本次行为信息的审核结果;
生成模块,用于当所述审核结果包括所述本次行为信息属于所述异常行为信息时,根据所述审核结果生成第二区块,将所述第二区块存储至所述区块链上。
根据本申请的另一方面,提供了一种计算机设备,所述计算机设备包括处理器和存储器,所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集,所述指令、所述程序、所述代码集或所述指令集由所述处理器加载并执行以实现如上方面所述的异常行为信息的识别方法。
根据本申请的另一方面,提供了一种计算机可读存储介质,所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行,以实现如上方面所述的异常行为信息的识别方法。
本申请实施例提供的技术方案带来的有益效果至少包括:
通过从第一区块中获取用户帐号在历史时间段t对应的历史异常行为,并且将历史时间段t对应的历史异常行为信息和本次行为信息进行审核,当审核结果包括本次行为信息属于异常行为信息的审核结果时,根据审核结果生成第二区块,并将该区块存储至区块链上,通过区块链系统和审核系统相结合,提高互联网服务产品识别异常行为信息的准确率。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,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是本申请一个示例性实施例提供的分布式系统应用于区块链系统的框图;
图2是本申请一个示例性实施例提供的区块结构的示意图;
图3是本申请一个示例性实施例提供的实施环境框图;
图4是本申请一个示例性实施例提供的服务器的框图;
图5是本申请一个示例性实施例提供的异常行为信息的识别方法的流程图;
图6是本申请一个示例性实施例提供的审核模型的训练方法的流程图;
图7是本申请另一个示例性实施例提供的异常行为信息的识别方法的流程图;
图8是本申请一个示例性实施例提供的异常行为信息识别系统的结构示意图;
图9是本申请另一个示例性实施例提供的结合客户端进行异常行为信息的识别方法的流程图;
图10是本申请一个示例性实施例提供的异常行为信息的识别装置的框图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
首先,对本申请实施例中涉及的名词进行介绍:
区块链(Blockchain):是指用分布式数据库识别、传播和记载信息的智能化对等网络。区块链技术是基于去中心化的对等网络,用开源程序把密码学原理、时序数据和共识机制相结合,保障分布式数据库中各节点的连贯和持续,使信息能即时验证、可追溯、但难以篡改且无法屏蔽,使得区块链形成隐私性高、高效、安全的共享系统。区块链中的每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台,平台产品服务以及应用服务层。
异常用户:是指在互联网上产生恶意行为或散步恶意信息,能够对网络环境产生恶意影响,或者,对网络环境中的正常用户的隐私及财产造成安全威胁的用户,异常用户产生的行为对应的信息是异常行为信息,比如,异常用户在社交应用程序上发表的评论涉及赌博等词汇,异常用户对应的用户帐号产生了关于赌博的异常行为信息。
异常行为信息:是指用户帐号产生的异常行为对应的信息,该异常行为是用户帐号在互联网服务产品上产生的行为,异常行为信息包括历史异常行为信息和本次异常行为信息,本次异常行为信息是指用户当前时刻产生的异常行为对应的信息。用户帐号产生的异常行为信息可以是相同类型的或不同类型的,或同一类型的不同异常行为信息。比如,在社交应用程序上发表带有敏感词语的言论,或在视频应用程序上重复观看同一个视频,为该视频刷取播放量。
互联网服务产品:是指在互联网领域中为用户提供服务的产品,该产品能够满足用户的需求,如,满足用户的衣食住行、娱乐、工作等方面的需求。互联网服务产品包括购物平台、交通平台、住宿平台、游戏平台、提供工具的平台、租赁平台、视频平台、音乐平台、阅读平台、社交平台、外卖平台、物流信息平台等,上述平台包括应用程序的客户端(Application,App)、依赖于宿主程序运行的小程序和网站中的至少一种。
用户在互联网服务产品中可实现各类操作,如发表言论、发起投票等,互联网服务产品为用户提供服务,满足用户的产品需求,由于互联网服务产品的用户数量庞大,使得互联网服务产品中出现能够产生异常行为信息的异常用户,异常用户产生的异常行为破坏网络环境,甚至对互联网服务产品中的其他用户的隐私及财产安全的造成威胁。
以互联网服务产品是视频应用程序为例,用户可在视频应用程序中发表评论、发送弹幕、为其他用户投票或发起投票等,用户A使用自己的用户帐号在该视频应用程序中对某一视频发表评论,该评论中含有敏感词汇,视频应用程序对用户A的用户帐号所发表的评论进行审核,并且判断该用户帐号产生了异常行为信息,视频应用程序可禁止该用户帐号发表该评论,或对该用户帐号进行惩罚,比如禁止用户A使用该用户帐号在一段时间内在视频应用程序中发表任何评论(即禁言),或对该用户帐号进行封号处理等。
基于上述情况,用户A的用户帐号可在非禁言时间段继续发表评论,或重新注册帐号发表评论,用户A的用户帐号可产生与上一次异常行为相同或不同的异常行为,视频应用程序需要对该用户帐号进行重复审核,易于造成系统的资源浪费。
本申请提供了一种异常行为信息的识别方法,基于区块链技术,将用户帐号的异常行为信息存储至区块链上,可通过区块链查询用户帐号的历史异常行为信息,使得互联网服务产品可对异常行为信息及时控制。
本申请实施例涉及的系统可以是由客户端、多个节点(接入网络中的任意形式的计算设备,如服务器、用户终端)通过网络通信的形式连接形成的分布式系统。
以分布式系统为区块链系统为例,参见图1,图1是本申请一个示例性实施例提供的分布式系统100应用于区块链系统的结构示意图,由多个节点(接入网络中的任意形式的计算设备,如服务器、用户终端)和客户端形成,节点之间形成组成的点对点(Peer toPeer,P2P)网络,P2P协议是一个运行在传输控制协议(TCP,Transmission ControlProtocol)协议之上的应用层协议。在分布式系统中,任何机器如服务器、终端都可以加入而成为节点,节点包括硬件层、中间层、操作系统层和应用层。
参见图1示出的区块链系统中各节点的功能,涉及的功能包括:
1)路由,节点具有的基本功能,用于支持节点之间的通信。
节点除具有路由功能外,还可以具有以下功能:
2)应用,用于部署在区块链中,根据实际业务需求而实现特定业务,记录实现功能相关的数据形成记录数据,在记录数据中携带数字签名以表示任务数据的来源,将记录数据发送到区块链系统中的其他节点,供其他节点在验证记录数据来源以及完整性成功时,将记录数据添加到临时区块中。
例如,应用实现的业务包括:
2.1)钱包,用于提供进行电子货币的交易的功能,包括发起交易,即将当前交易的交易记录发送给区块链系统中的其他节点,其他节点验证成功后,作为承认交易有效的响应,将交易的记录数据存入区块链的临时区块中;钱包还支持查询电子货币地址中剩余的电子货币。比如,基于异常行为信息的区块链系统中,主记账节点需要根据用户B的用户帐号所产生的异常行为信息生成新的区块,主记账节点通过路由将生成区块的事件进行广播,区块链系统中的其他节点对该事件进行验证,在超过半数的节点验证成功后,主记账节点才可生成新的区块。
2.2)共享账本,用于提供账目数据的存储、查询和修改等操作的功能,将对账目数据的操作的记录数据发送到区块链系统中的其他节点,其他节点验证有效后,作为承认账目数据有效的响应,将记录数据存入临时区块中,还可以向发起操作的节点发送确认。比如,主记账节点将用户帐号的异常行为信息存储至区块链上后,将该用户帐号和异常行为信息的标签存储至临时区块中。
2.3)智能合约,计算机化的协议,可以执行某个合约的条款,通过部署在共享账本上的用于在满足一定条件时而执行的代码实现,根据实际的业务需求代码用于完成自动化的交易,例如查询买家所购买商品的物流状态,在买家签收货物后将买家的电子货币转移到商户的地址;当然,智能合约不仅限于执行用于交易的合约,还可以执行对接收的信息进行处理的合约。比如,用户帐号产生的行为信息满足异常行为信息的条件时,主记账节点将该用户帐号产生的行为信息存储至区块链中。
3)区块链,包括一系列按照产生的先后时间顺序相互接续的区块(Block),新区块一旦加入到区块链中就不会再被移除,区块中记录了区块链系统中节点提交的记录数据。本申请中的区块链是异常行为信息的区块链,比如,异常行为信息的区块链存储有用户帐号的异常行为信息。
参见图2,图2是本申请一个示例性实施例提供的区块结构(Block Structure)的示意图,每个区块中包括本区块存储交易记录的哈希值(本区块的哈希值)、以及前一区块的哈希值,各区块通过哈希值连接形成区块链。另外,区块中还可以包括有区块生成时的时间戳等信息。区块链,本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了相关的信息,用于验证其信息的有效性(防伪)和生成下一个区块。
图3示出了本申请一个示例性实施例提供的异常行为信息的区块链系统的结构示意图。该系统包括多个服务器101、多个存储设备102,其中,多个服务器101可以配置有同一条区块链,也即该多个服务器101可以组成区块链系统,各个服务器101分别为该区块链系统中的节点。可选地,区块链系统中的节点包括主记账节点和其他节点。区块链系统中的任意节点可通过选举的方式选出主记账节点,示意性的,区块链系统中的主记账节点通过任意节点使用分布式一致性的领导选举算法(leader选举算法)得到,服务器101为该区块链系统中的主记账节点。该多个服务器101可以是同一机构的多个服务器,还可以是属于不同机构的多个服务器,例如,该区块链系统内可以包括医院的各个科室的服务器,还可以包括保险机构的服务器、银行的服务器,还可以包括购物平台、视频平台、游戏平台的服务器等等。各个机构的用户可以通过终端1011来访问机构的服务器,该多个终端设备1011可以为能够访问该多个服务器101的电子设备,该电子设备可以为电脑、智能手机、平板电脑或者其他电子设备。
为了进行安全验证、权限管理等服务,区块链系统中配置有CA中心(CertificateAuthority,证书授权中心)103,用于存储各个机构的密钥,区块链系统中的各个服务器可以从CA中心中获取各个机构的密钥,以进行数据的加密和解密等过程。多个存储设备102用于为该多个服务器101提供存储服务,需要说明的是,该多个存储设备102可以组成分布式存储系统,用于采用分布式的形式来对提供存储数据。本申请实施例提供的区块链系统是存储有用户帐号的异常行为信息的区块链系统。
区块链系统与存储系统、CA中心103之间通过网络进行连接。可选地,该网络是互联网或无线局域网。
图4示出了本申请一个示例性实施例提供的服务器的结构示意图。该服务器可以是图3示出的服务器。具体来讲:
服务器400包括中央处理单元(CPU,Central Processing Unit)401、包括随机存取存储器(RAM,Random Access Memory)402和只读存储器(ROM,Read Only Memory)403的系统存储器404,以及连接系统存储器404和中央处理单元401的系统总线405。服务器400还包括帮助计算机内的各个器件之间传输信息的基本输入/输出系统(I/O系统,InputOutput System)406,和用于存储操作系统413、应用程序414和其他程序模块415的大容量存储设备407。
基本输入/输出系统406包括有用于显示信息的显示器408和用于用户输入信息的诸如鼠标、键盘之类的输入设备409。其中显示器408和输入设备409都通过连接到系统总线405的输入输出控制器410连接到中央处理单元401。基本输入/输出系统406还可以包括输入输出控制器410以用于接收和处理来自键盘、鼠标、或电子触控笔等多个其他设备的输入。类似地,输入输出控制器410还提供输出到显示屏、打印机或其他类型的输出设备。
大容量存储设备407通过连接到系统总线405的大容量存储控制器(未示出)连接到中央处理单元401。大容量存储设备407及其相关联的计算机可读介质为服务器400提供非易失性存储。也就是说,大容量存储设备407可以包括诸如硬盘或者紧凑型光盘只读存储器(CD-ROM,Compact Disc Read Only Memory)驱动器之类的计算机可读介质(未示出)。
计算机可读介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机存储介质包括RAM、ROM、可擦除可编程只读存储器(EPROM,Erasable Programmable Read Only Memory)、带电可擦可编程只读存储器(EEPROM,Electrically Erasable Programmable Read Only Memory)、闪存或其他固态存储其技术,CD-ROM、数字通用光盘(DVD,Digital Versatile Disc)或其他光学存储、磁带盒、磁带、磁盘存储或其他磁性存储设备。当然,本领域技术人员可知计算机存储介质不局限于上述几种。上述的系统存储器404和大容量存储设备407可以统称为存储器。
根据本申请的各种实施例,服务器400还可以通过诸如因特网等网络连接到网络上的远程计算机运行。也即服务器400可以通过连接在系统总线405上的网络接口单元411连接到网络412,或者说,也可以使用网络接口单元411来连接到其他类型的网络或远程计算机系统(未示出)。
上述存储器还包括一个或者一个以上的程序,一个或者一个以上程序存储于存储器中,被配置由CPU执行。
基于异常行为信息的区块块链技术,可将识别到的异常行为信息存储在异常行为信息的区块链系统中,可从该区块链系统中查找用户帐号的异常行为信息,下面对本申请提供的异常行为信息的识别方法进行说明。
图5示出了本申请一个示例性实施例提供的异常行为信息的识别方法的流程图,该方法应用于如图3所示的异常行为信息区块链系统的主记账节点中,该方法包括以下步骤:
步骤501,根据用户信息从区块链上获取第一区块,用户信息携带有用户帐号和用户帐号的本次行为信息,本次行为信息是用户帐号本次在互联网服务产品上产生的行为对应的信息。
主记账节点根据用户信息从区块链上获取第一区块,也即确定存储有该用户行为信息的区块。
互联网服务产品是指为通过互联网为用户提供服务,满足用户各种需求的产品。互联网服务产品包括:购物平台、交通平台、住宿平台、游戏平台、提供工具的平台、租赁平台、视频平台、音乐平台、阅读平台、社交平台、外卖平台、物流信息平台中的至少一种,上述平台包括应用程序、依赖于宿主程序的小程序和网站中的至少一种。本次行为信息是指用户当前时刻在互联网服务产品中产生的行为对应的信息,也即用户最近一次在互联网服务产品中产生的行为对应的信息。用户在不同的互联网服务产品中产生不同的行为,或在同一互联网服务产品中产生不同的行为,或在同一互联网服务产品中产生相同的行为,比如,用户在购物平台上在线购买商品,在收到商品后可对在购物平台对该商品进行评价,产生评价商品行为信息,该信息是用户在购物平台上产生评价商品的行为对应的信息,或者,用户在音乐平台上针对歌曲、音频、音乐短片(Music video,MV)进行评论,产生评论音乐行为信息,该信息是用户在购物平台上产生评论音乐的行为对应的信息。
可选地,用户可在互联网服务产品中登录用户帐号,用户帐号代表用户在互联网服务产品中的身份,并且附带用户的个人信息(如,用户名、年龄、性别、所在地区、喜好、发表的内容、在互联网服务产品中的等级等),用户通过用户帐号在互联网服务产品中产生某种行为对应的信息,并接收互联网服务产品提供的服务。在一个示例中,音乐平台为用户提供发表评论的服务,用户A登录用户帐号在音乐平台上对一首歌曲发表评论,该评论将出现在歌曲对应的位置。
可选地,用户在互联网服务产品中未登录用户帐号,或用户未注册用户帐号,互联网服务产品分配给用户临时帐号,临时帐号是指可代替在互联网服务产品上注册的正式帐号的帐号,可以是字母、数字、运算符号、标点符号和其它符号中的至少一种,用户可通过临时帐号在互联网服务产品上产生部分行为,该部分行为是正式帐号在互联网服务产品上产生的行为的一部分,用户信息还可携带有用户临时帐号,或临时帐号标识中的至少一种。
本申请以用户在互联网服务产品上登录有用户帐号为例进行说明。
步骤502,从第一区块中获取用户帐号在历史时间段t对应的异常行为信息,异常行为信息是用户帐号在互联网服务产品上的异常行为对应的信息,t>0。
异常行为信息是指用户帐号在互联网服务平台上产生异常行为时对应的信息,异常行为信息包括历史异常行为信息和本次异常行为信息中的至少一种,历史异常行为信息是指用户帐号在过去的时间里产生的异常行为对应的信息。产生异常行为信息的用户是异常用户,异常行为信息对互联网服务产品、互联网环境、互联网服务产品中的其他用户产生不良影响。
在一个示例中,用户B登录用户帐号在视频平台中发表评论,该评论中涉及有赌博、毒品等敏感词汇,则该用户帐号在视频平台上产生了异常行为信息。在一个示例中,多个用户帐号在购物平台上多次购买同一商品,使得该商品的销售量增加,该多个用户帐号为商铺增加销售量的行为属于异常行为,该行为对应的信息属于异常行为信息。
可选地,第一区块存储有互联网服务产品中所有用户帐号的历史异常行为信息,或存储有一个用户帐号的历史异常行为信息,或存储有部分用户帐号的历史异常行为信息,或一个用户帐号的部分历史异常行为信息。示意性的,第一区块上存储有用户帐号在历史时间段t对应的异常行为信息。
主记账节点在确定第一区块是存储有用户帐号的行为信息的区块后,从第一区块中获取用户帐号在历史时间段t对应的异常行为信息。可选地,t是任意大于零的数,示意性的,t的值取6,单位是小时,主记账节点获取用户帐号在历史时间段6小时对应的异常行为信息。可以理解的是,针对不同的互联网服务产品,t的取值不同。
步骤503,将历史时间段t对应的异常行为信息和本次行为信息发送至审核系统,获取本次行为信息的审核结果。
主记账节点将历史时间段t对应的异常行为信息和本次行为信息发送至审核系统,审核系统是与如图3所示的区块链系统相连的系统,用于对用户帐号的异常行为信息进行审核。可选地,审核系统是异常行为信息识别系统中的子系统,或其他系统中具有审核功能的子系统。可选地,审核方式包括通过人工审核方式或通过审核模型进行审核中的至少一种,本申请实施例以审核方式是通过审核模型对行为信息进行审核为例进行说明。
审核结果包括本次行为信息属于异常行为信息和本次行为信息属于正常行为信息中的至少一种,当审核结果包括本次行为信息属于异常行为信息时,互联网服务产品可对本次行为信息进行控制。比如,用户帐号的本次行为信息是恶意刷取播放量对应的信息,视频平台禁止用户帐号在一段时间内禁止观看视频。可选地,当审核结果属于正常行为信息时,异常行为信息识别系统将该审核结果发送至互联网络服务产品对应的平台。比如,用户帐号的本次行为信息是在视频平台中发表评论,视频平台根据该审核结果,允许用户帐号将评论发布至视频平台。
步骤504,当审核结果包括本次行为信息属于异常行为信息时,根据审核结果生成第二区块,将第二区块存储至区块链上。
当审核结果包括本次行为信息属于异常行为信息时,区块链系统中的其他节点对异常行为信息进行验证,完成验证后,将异常行为信息存储至内存池中,并更新其用于记录输入的哈希树;然后将更新时间戳更新为接收到异常行为信息的时间,并尝试不同的随机数,多次进行特征值计算,使得计算得到的特征值可以满足以下公式:
SHA256(SHA256(version+prev_hash+merkle_root+ntime+nbits+x))<TARGET其中,SHA256为计算特征值所用的特征值算法;version(版本号)为区块链中相关区块协议的版本信息;prev_hash为当前区块的父区块的区块头特征值;merkle_root为输入信息的特征值;ntime为更新时间戳的更新时间;nbits为当前区块的计算难度,在一段时间内为定值,并在超出固定时间段后再次进行确定;x为随机数;TARGET为特征值阈值,该特征值阈值可以根据nbits确定得到。
当计算得到满足上述公式的随机数时,便可将异常行为信息对应存储,生成第二区块的区块头和区块主题,得到第二区块,随后,主记账节点根据异常行为信息区块链系统中的其他节点,由其他节点对第二区块进行验证,并在完成验证后将第二区块添加至其存储的区块链中。
第一区块是同样存储用户帐号的第二区块的前一区块,两者具有逻辑上的顺序关系。当同一用户帐号下一次产生与本次行为信息或与历史异常行为信息相同的行为信息时,可通过在区块链系统中查询异常行为信息,使得互联网服务产品可对用户帐号的异常行为信息进行控制。
综上所述,通过对用户帐号在时间段t对应的历史异常行为信息和本次行为信息进行审核,当审核结果包括本次行为信息属于异常行为信息的审核结果时,将本次行为信息存储至区块链中,通过区块链系统与审核系统结合,可提高互联网服务产品对用户帐号的异常行为信息的识别的准确率,同时基于区块链的回溯特性,互联网服务产品可通过区块链系统获取用户帐号的历史异常行为信息,可避免重复审核同一帐号产生的相同异常行为信息的情况,提高互联网服务产品对用户帐号的行为信息的控制能力。
以审核方式是通过审核模型对用户帐号的行为信息进行审核为例来说明。
审核系统包括一个或多个审核模型,可选地,审核模型可以是相同类型的模型,或审核模型是不同类型的模型,或审核模型是同一类型的不同模型。主记账节点将历史时间段t对应的异常行为信息和本次行为信息发送至审核系统的审核模型中,审核模型预测本次行为信息的审核结果。可选地,审核模型对历史时间段t对应的异常行为信息进行预测,得到用户帐号在历史时间段t对应的异常行为信息的预测趋势,审核模型根据该趋势对本次行为信息进行预测,可得到本次行为信息的审核结果。可选地,本次行为信息的审核结果包括本次行为信息属于异常行为信息和本次行为信息属于正常行为信息。可选地,审核模型是机器学习模型。示意性的,机器学习模型包括线性模型和神经网络模型,比如,该机器学习模型是梯度提升决策树模型(Gradient Boosting Decision Tree,GBDT)。
可选地,该审核模型是通过训练得到的,图6示出了本申请一个示例性实施例提供的审核模型的训练方法的流程图。该方法可以应用于审核系统的审核模型中,该方法包括以下步骤:
步骤601,获取样本用户帐号的至少一组历史异常行为信息的数据和历史异常行为信息的标定结果。
样本用户帐号是指可用于机器学习模型的用户帐号,样本用户帐号可以是在互联网服务产品上注册的用户帐号,或服务器临时分配的临时用户帐号。可选地,在训练机器学习模型时,可使用相同类型的异常行为信息的样本数据对机器学习模型进行训练,或使用相同类型的互联网服务产品中的异常行为信息的样本数据对机器学习模型进行训练,或使用同一样本用户帐号的历史异常行为信息的数据对机器学习模型进行训练,或使用不同样本用户帐号的历史异常行为信息的数据对机器学习模型进行训练。比如,将视频平台和音乐平台中发表异常评论对应的行为信息作为样本数据,或将不同音乐平台中发表异常评论对应的行为信息作为样本数据。
在一个示例中,获取同一样本用户帐号的五组历史异常行为信息的数据和历史异常行为信息的标定结果,五组历史异常行为信息包括:发表带有敏感词语的评论、刷取视频的播放量、盗取其他用户的用户帐号、在评论中发布广告、恶意投票。
步骤602,获取样本用户帐号的本次行为信息的数据和本次行为信息的标定结果。
示意性的,样本用户帐号的本次行为信息是评论视频中涉及敏感词语。比如,色情词语、毒品词语、赌博词语等。示意性的,本次行为信息的标定结果包括本次行为信息属于异常行为信息。
步骤603,通过样本用户帐号的历史异常行为信息的数据、历史异常行为信息的标定结果、样本用户帐号的本次行为信息的数据和本次行为信息的标定结果,对初始机器学习模型进行训练。
可选地,将样本用户帐号的历史异常行为信息的数据和本次行为信息的数据输入至机器学习模型中,得到预测结果,机器学习模型将预测结果与历史异常行为信息的标定结果、本次行为信息的标定结果进行比较,利用反向传播误差算法训练机器学习模型。
可选地,还可对历史异常行为信息和本次行为信息进行标记,得到异常行为信息的标签,将该标签输入至初始机器学习模型进行训练。
步骤604,在满足训练结束条件时,得到训练后的机器学习模型。
可选地,机器学习模型对本次行为信息的预测准确率达到95%时,结束对机器学习模型的训练。
综上所述,通过审核系统中的审核模型对用户帐号的历史异常行为信息和本次异常行为信息进行审核,获得本次行为信息的审核结果,可提高对异常行为信息的审核效率,对审核模型进行训练,可提高审核模型审核的准确率。
图7示出了本申请另一个示例性实施例提供的异常行为信息的识别方法的流程,该方法应用于如图3所示的异常行为信息区块链系统的主记账节点中,该方法包括以下步骤:
步骤701,根据用户帐号从用户映射对照库中获取第一区块地址和第一私钥。
结合图8对步骤701进行说明,图8示出了本申请一个示例性实施例提供的异常行为信息的识别系统的结构示意图。
异常行为信息识别系统110包括接口服务层111、逻辑处理层112和区块链网络存储层113,接口服务层111中包括用户哈希表114,接口服务层111中还包括用户映射对照库;逻辑处理层112中包括用于逻辑处理115的代码或程序;区块链网络存储层113也即区块链系统中包括至少一条区块链,区块链中包括多个区块,如区块1、区块2、区块3、区块4、区块5和区块6等。可选地,在异常行为信息识别系统110中还包括中控层,中控层可对信息进行监控以及记录区块链系统生成新区块的时间、新区块的区块信息。
接口服务层111用于接入客户端116发送的信息,该信息包括用户信息和信息识别系统对异常行为进行审核后的审核结果,与不同的客户端116相连,接收到的信息不同。可选地,客户端116中登录有用户帐号。逻辑处理层112用于异常行为信息识别系统110的逻辑处理115工作,还用于根据接口服务层111接收到的用户信息从区块链中提取用户帐号的历史异常行为信息,或向区块链系统发送区块生成指令。区块链网络存储层113用于存储用户帐号的异常行为信息。
主记账节点根据用户帐号从用户映射对照库中获取第一区块地址和第一私钥,该用户帐号是通过接口服务层111接收到的。可选地,用户映射对照库根据用户信息和异常行为信息的映射关系,存储有区块的区块地址和私钥,映射的关键数据字段(key)是用户信息,映射的值(value)是用户的历史异常行为信息对应的加密文件。私钥经过椭圆曲线算法可生成公钥,该算法是非对称单向加密算法,即由私钥可获得公钥,由公钥无法获得私钥。可选地,用户映射对照库中的私钥通过加密手段进行脱敏保存,脱敏保存是指对某些敏感信息通过脱敏规则进行数据的变形,实现对数据进行保护,脱敏后的数据是用来替代真实数据的数据。比如,用户的身份证号、手机号码、银行卡卡号等隐私信息都需要进行脱敏保存。
第一区块地址是第一区块的区块地址,第一私钥是与第一区块对应的私钥,第一私钥可对第一区块中存储的加密文件进行解密。
步骤702,根据第一区块地址确定第一区块。
主记账节点根据从用户映射对照库中获取的第一区块地址确定区块链系统中的第一区块,在第一区块上存储有用户帐号的历史异常行为信息对应的加密文件。
步骤703,通过第一私钥对第一区块进行解密操作,得到解密文件。
主记账节点通过第一私钥对第一区块中存储的加密文件进行解密操作。可选地,解密文件包括用户帐号在历史时间段t对应的异常行为信息,上一次异常行为信息和第三区块对应的私钥。历史时间段t对应的异常行为信息包括异常行为信息的标签和得分,可选地,该标签用于对用户帐号的历史异常行为信息进行分类,得分较高异常行为信息是审核模型预测的准确率较高的异常行为信息;上一次异常行为信息是指距离本次异常行为信息最近的一次异常行为信息;第三区块是指存储有用户帐号的历史异常行为信息的所有区块中位于第一区块之前的最近一个区块,也即第三区块与第一区块同样存储有用户帐号的历史异常行为信息,并且是第一区块在逻辑关系上的前一个区块。
可选地,异常行为信息的标签包括:互联网协议地址(Internet Protocol,IP)恶意登录标签、涉黄标签、涉赌标签、涉毒标签、广告标签、刷帖或刷评论标签、恶意投票标签中的至少一种,在购物平台还包括恶意刷取销售量标签,在视频平台还包括恶意刷取播放量标签,在外卖平台还包括刷好评标签等等。
步骤704,获取用户帐号在时间段t对应的异常行为信息。
主记账节点对第一区块中存储的加密文件进行解密后,获取用户帐号在时间段t对应的异常行为信息。
步骤705,获取用户帐号的本次行为信息的审核结果。
用户帐号的本次行为信息是如图8所示的接口服务层111从客户端116中获取的,主记账节点将时间段t对应的历史异常行为信息和本次行为信息发送至审核系统中进行审核,审核系统预测本次行为信息的审核结果。审核系统将本次行为信息的审核结果通过接口服务层111传递给客户端116,可选地,由客户端116的后台服务器根据审核结果决定是否对本次行为信息进行控制。示意性的,客户端116的后台服务器对本次行为信息(也即异常行为信息)进行控制。
步骤706,当审核结果包括本次行为信息属于异常行为信息时,向区块链系统中的其他节点发送区块生成请求,区块生成请求携带有第一区块地址和第一私钥。
由于客户端116的后台服务器对用户帐号的本次行为信息进行控制,主记账节点需要将用户帐号的本次行为信息存储在区块链上。主记账节点向区块链系统中的其他节点发送区块生成请求,在本次异常行为信息通过区块链系统的共识机制时,本次行为信息可存储在第二区块上,也即第二区块生成。
可选地,当本次行为信息属于正常行为信息时,主记账节点将不存储本次行为信息。
步骤707a,根据历史时间段t对应的异常行为信息的信息内容对审核模型预测的趋势进行验证。
可选地,其他节点从三个方面进行验证,当任意一个方面未通过任意节点的验证时,第二区块将无法生成。
其他节点对历史时间段t对应的异常行为信息的信息内容进行审核,其他节点可采用人工审核的方式对该异常行为信息的信息内容进行审核,或其他节点通过审核模型对异常行为信息的信息内容进行审核,该审核模型是不同于审核系统中的审核模型的模型。其他节点可获取历史时间段t对应的异常行为信息的第一审核结果,审核系统对该历史时间段t对应的异常行为信息的审核结果是第二审核结果,当第一审核结果与第二审核结果一致时,其他节点生成第一验证成功信息。
步骤707b,根据本次行为信息的信息内容对审核模型预测的审核结果进行验证。
其他节点对本次行为信息的信息内容进行审核,其他节点可采用人工审核的方式对本次行为信息的信息内容进行审核,或其他节点通过审核模型对本次行为信息的信息内容进行审核,该审核模型是不同于审核系统中的审核模型的模型。其他节点可获取本次行为信息的第三审核结果,审核系统对本次行为信息的审核结果是第四审核结果,当第三审核结果与第四审核结果一致时,其他节点生成第二验证成功信息。
步骤707c,通过第一区块地址确定第一区块且通过第一私钥对第一区块成功解密。
其他节点通过第一区块地址可以确定第一区块,该第一区块是主记账节点确定的第一区块,并且,通过第一私钥可对第一区块成功解密,得到解密文件,其他节点生成第三验证成功信息。
步骤708,当接收到区块链系统中超过半数的其他节点发送第一验证成功信息、第二验证成功信息和第三验证成功信息时,生成第二区块。
在一个示例中,区块链系统中有十个节点,其中,主记账节点的数量是一个,其他节点的数量是九个,当任意六个其他节点中的每个节点都向主记账节点发送第一验证成功信息、第二验证成功信息和第三验证成功信息时,主记账节点生成第二区块。
主记账节点通过目标公钥至少对用户帐号的本次行为信息进行加密操作,得到加密文件,主记账节点根据该加密文件生成第二区块,目标公钥是与第二区块对应的公钥,目标公钥可对存储在第二区块中的文件进行加密。上述目标公钥是由第二私钥通过椭圆曲线算法得到的,该第二私钥是主记账节点根据用户帐号生成的。因此,第二私钥与目标公钥是第二区块对应的一对密钥,由目标公钥加密的文件,可由第二私钥进行解密,反之用第二私钥加密的文件,也可用第二公钥进行解密。本申请实施例以使用目标公钥对用户帐号的本次行为信息进行加密为例,主记账节点通过目标公钥对其他信息进行加密操作,加密操作的方法如下:
1、根据用户帐号生成第二私钥,第二私钥与第二区块对应;
2、根据第二私钥得到目标公钥;
3、通过目标公钥对用户帐号的历史异常行为信息对应的标签和本次行为信息进行加密操作,得到加密文件,或通过目标公钥对用户帐号的历史异常行为信息对应的标签、本次行为信息、第一区块地址和第一私钥进行加密操作,得到加密文件。
其中,标签用与对用户帐号的历史异常行为信息进行分类。可选地,用户帐号的历史异常行为信息包括一段时间内的历史异常行为信息和全部历史异常行为信息。
可以理解的是,在区块链系统中,主记账节点在生成第i次异常行为信息对应的区块时,存储有第i-1次异常行为信息对应的区块的区块地址和私钥;主记账节点在生成第i+1次异常行为信息对应的区块时,存储有第i次异常行为信息对应的区块的区块地址和私钥。
综上所述,在区块链系统中,主记账节点在生成每一个区块时,都存储有前一个区块的区块地址和私钥,比如,第二区块存储有第一区块的区块地址(第一区块地址)和第一私钥,通过前一个区块的区块地址和私钥可查询用户帐号的历史异常行为信息,可不断回溯用户的历史异常行为信息,使得不同的平台能够对异常行为信息进行更好地控制。
以互联网服务产品是视频应用程序为例进行说明,用户在计算机设备中安装有视频应用程序对应的客户端,在客户端中登录有用户帐号,用户帐号的异常行为信息是发表恶意评论对应的行为信息。
图9示出了本申请一个示例性实施例提供的结合客户端进行异常行为信息的识别方法的流程图。该方法应用于如图8所示的异常行为信息识别系统中,该方法还应用于与该识别系统连接的平台中,该方法包括以下步骤:
步骤901,客户端根据用户帐号的发表评论操作,生成发表评论请求,发表评论请求携带有用户帐号和本次行为信息。
可选地,与异常行为信息识别系统连接的平台可以是应用程序,或小程序,或网站,以与异常行为信息识别系统连接的平台是应用程序为例进行说明,用户在计算机设备上安装有应用程序对应的客户端,在客户端中登录有用户帐号,该计算机设备可以是手机、台式电脑、笔记本电脑、平板电脑、手环等电子设备。可选地,与异常行为信息识别系统连接的还可以是客户端的后台服务器。
用户通过用户帐号在视频应用程序对应的客户端上发表评论,该评论是针对一个视频的评论,该客户端生成发表评论请求。
步骤902,客户端向异常行为信息识别系统发送发表评论请求。
该发表评论请求携带有用户帐号和本次行为信息,本次行为信息是指用户帐号本次在客户端上发表评论的行为对应的信息。
步骤903,异常行为信息识别系统根据用户帐号从第一区块中获取在历史时间段t对应的异常行为信息。
该步骤是异常行为信息识别系统包括的区块链系统中的主记账节点完成的。主记账节点根据用户帐号从用户映射对照库中获取第一区块地址和第一私钥,根据第一区块地址和第一私钥,可获取用户帐号在历史时间段t对应的异常行为信息。
步骤904,异常行为信息识别系统对历史时间段t对应的异常行为信息和本次行为信息进行审核,得到审核结果。
该步骤与图5中的步骤503相同,此处不再赘述。
步骤905,当审核结果包括本次行为信息属于异常行为信息时,异常行为信息识别系统将审核结果通过接口服务层发送至客户端。
步骤906,客户端对本次行为信息进行控制,生成控制指令。
客户端根据本次审核结果决定是否对本次行为信息进行控制。示意性的,本次行为信息属于异常行为信息,客户端对本次行为信息进行控制。
步骤907,客户端向异常行为信息识别系统发送控制指令。
该控制指令携带有将本次异常行为信息存储至区块链系统中对应的信息。
步骤908,异常行为信息识别系统根据审核结果生成第二区块,将第二区块存储至区块链系统中。
该步骤是主记账节点完成的,主记账节点根据用户帐号生成第二区块对应的第二私钥,通过第二私钥生成目标公钥,主记账节点通过目标公钥对用户帐号的历史异常行为信息对应的标签、本次行为信息、第一区块地址和第一私钥进行加密操作,得到加密文件,主记账节点根据该加密文件生成第二区块,即第二区块上存储有该加密文件。
步骤909,异常行为信息识别系统将第二区块的区块信息更新到用户映射对照库中。
该步骤是主记账节点完成的,主记账节点在将第二区块存储至区块链上后,需要将第二区块的区块信息更新到用户映射对照库中,第二区块的区块信息包括第二区块的区块地址和第二区块对应的第二私钥,方便主记账节点在生成下一个区块时,能够从用户映射对照库中获取第二区块的区块地址和第二私钥,也即从第二区块中获取其存储的异常行为信息。
步骤910,异常行为信息识别系统从审核系统中提取n个维度的异常行为信息的特征数据,将n个维度的特征数据存储至日志系统中。
可选地,将n个维度的异常行为信息的特征数据作为审核系统识别一个行为信息是否是异常行为信息的关键特征,n为任意大于零的整数。示意性的,n个维度可以是异常行为信息的标签、得分、类型、具体内容、对应的平台、发生的次数等。
本申请还提供一种异常行为信息的识别系统,如图8所示,该识别系统包括基于异常行为信息区块链设置的主记账节点和其他节点。
主记账节点,用于根据用户信息从区块链上获取第一区块,用户信息携带有用户帐号和用户帐号的本次行为信息,本次行为信息是用户帐号本次在互联网服务产品上产生的行为对应的信息;从第一区块中获取用户帐号在历史时间段t对应的异常行为信息,异常行为信息是用户帐号在互联网服务产品上产生的异常行为对应的信息,t>0;将历史时间段t对应的异常行为信息和本次行为信息发送至审核系统,获取本次行为信息的审核结果;当审核结果包括本次行为信息属于异常行为信息时,根据审核结果向其他节点发送区块生成请求,区块生成请求用于生成第二区块,区块生成请求携带有第一区块地址和第一私钥,第一区块地址是第一区块的区块地址,第一私钥与第一区块对应;
其他节点,用于当用户帐号在历史时间段t对应的异常行为信息的信息内容与审核模型预测的趋势一致时,生成第一验证成功信息;当用户帐号的本次行为信息的信息内容与审核模型预测的审核结果一致时,生成第二验证成功信息;当通过第一区块地址确定第一区块且通过第一私钥对第一区块成功解密时,生成第三验证成功信息;
主记账节点,用于在接收到第一验证成功信息、第二验证成功信息和第三验证成功信息时,生成第二区块。
主记账节点,用于将历史时间段t对应的异常行为信息和本次行为信息发送至审核系统的审核模型中,预测本次行为信息的审核结果;其中,审核模型是机器学习模型。
主记账节点,用于向区块链系统中的其他节点发送区块生成请求,区块生成请求携带有第一区块地址和第一私钥,第一区块地址是第一区块的区块地址,第一私钥与第一区块对应;接收其他节点发送的验证成功信息,验证成功信息是其他节点对历史时间段t对应的异常行为信息和本次行为信息进行验证,确定验证成功后发送的信息;当验证成功信息通过区块链系统的共识时,生成第二区块。
主记账节点,用于当接收到区块链系统中超过半数的其他节点发送的第一验证成功信息、第二验证成功信息和第三验证成功信息时,生成第二区块;其中,第一验证成功信息用于表征根据历史时间段t对应的异常行为信息的信息内容对审核模型预测的趋势进行验证的验证结果一致,第二验证成功信息用于表征根据本次行为信息的信息内容对审核模型预测的审核结果进行验证的验证结果一致,第三验证成功信息用于表征通过第一区块地址确定第一区块且通过第一私钥对第一区块成功解密。
主记账节点,用于通过目标公钥至少对用户帐号的本次行为信息进行加密操作,得到加密文件,目标公钥是通过第二私钥得到的,第二私钥是根据用户帐号生成的;根据加密文件生成第二区块。
主记账节点,用于根据用户帐号生成第二私钥,第二私钥与第二区块对应;根据第二私钥得到目标公钥;通过目标公钥对用户帐号的历史异常行为信息对应的标签和本次行为信息进行加密操作,得到加密文件,或,通过目标公钥对用户帐号的历史异常行为信息对应的标签、本次行为信息、第一区块地址和第一私钥进行加密操作,得到加密文件,标签用于对用户帐号的历史异常行为信息进行分类。
主记账节点,用于根据用户帐号从用户映射对照库中获取第一区块地址和第一私钥;根据第一区块地址确定第一区块;通过第一私钥对第一区块进行解密操作,得到解密文件,解密文件包括用户帐号在历史时间段t对应的异常行为信息,历史时间段t对应的异常行为信息包括异常行为信息的标签和得分,标签用于对用户帐号的历史异常行为信息进行分类。
该解密文件还包括:上一次异常行为信息和第三区块对应的私钥,第三区块是存储有用户帐号的历史异常行为信息的所有区块中位于所述第一区块之前的最近一个区块。
主记账节点,用于将第二区块的区块信息更新到用户映射对照库中,第二区块的区块信息包括第二区块的区块地址和第二区块对应的第二私钥;从审核系统中提取n个维度的异常行为信息的特征数据,n为大于零的整数;将n个维度的特征数据存储至日志系统中。
下述为本申请的装置实施例,可以用于执行本申请方法实施例。对于本申请的装置实施例中未披露的细节,请参照本申请的方法实施例。
图10示出了本申请一个实施例提供的异常行为信息的识别装置框图,该装置设置在主记账节点中,该装置包括:
处理模块1010,用于根据用户信息确定第一区块,用户信息携带有用户帐号和用户帐号的本次行为信息,本次行为信息是用户帐号本次在互联网服务产品上产生的行为对应的信息;
获取模块1020,用于从第一区块中获取的时间段t对应的异常行为信息,异常行为信息是用户帐号在互联网服务产品上产生的历史异常行为对应的信息,t>0;
发送模块1030,用于将时间段t对应的异常行为信息和本次行为信息发送至审核系统,获取本次行为信息的审核结果;
生成模块1040,用于当审核结果包括本次行为信息属于异常行为信息时,根据审核结果生成第二区块,将第二区块存储至区块链上。
在一个可选的实施例中,所述发送模块1030,用于将历史时间段t对应的异常行为信息和本次行为信息发送至审核系统的审核模型中,预测本次行为信息的审核结果;其中,审核模型是机器学习模型。
在一个可选的实施例中,审核模型是通过如下方法训练得到的:
获取样本用户帐号的至少一组历史异常行为信息的数据和历史异常行为信息的标定结果;
获取样本用户帐号的本次行为信息的数据和本次行为信息的标定结果;
通过样本用户帐号的历史异常行为信息的数据、历史异常行为信息的标定结果、样本用户帐号的本次行为信息的数据和本次行为信息的标定结果,对初始机器学习模型进行训练;
在满足训练结束条件时,得到训练后的机器学习模型。
在一个可选的实施例中,该装置还包括接收模块1050;
所述发送模块1030,用于向区块链系统中的其他节点发送区块生成请求,区块生成请求携带有第一区块地址和第一私钥,第一区块地址是第一区块的区块地址,第一私钥与第一区块对应;
接收模块1050,用于接收其他节点发送的验证成功信息,验证成功信息是其他节点对历史时间段t对应的异常行为信息和本次行为信息进行验证,确定验证成功后发送的信息;
所述生成模块1040,用于当验证成功信息通过区块链系统的共识时,生成第二区块。
在一个可选的实施例中,验证成功信息包括:第一验证成功信息、第二验证成功信息和第三验证成功信息;
所述生成模块1040,用于当接收到区块链系统中超过半数的其他节点发送的第一验证成功信息、第二验证成功信息和第三验证成功信息时,生成第二区块;
其中,第一验证成功信息用于表征根据历史时间段t对应的异常行为信息的信息内容对审核模型预测的趋势进行验证的验证结果一致,第二验证成功信息用于表征根据本次行为信息的信息内容对审核模型预测的审核结果进行验证的验证结果一致,第三验证成功信息用于表征通过第一区块地址确定第一区块且通过第一私钥对第一区块成功解密。
在一个可选的实施例中,所述生成模块1040,用于通过目标公钥至少对用户帐号的本次行为信息进行加密操作,得到加密文件,目标公钥是通过第二私钥得到的,第二私钥是根据用户帐号生成的;根据加密文件生成第二区块。
在一个可选的实施例中,所述生成模块1040,用于根据用户帐号生成第二私钥,第二私钥与第二区块对应;根据第二私钥得到目标公钥;通过目标公钥对用户帐号的历史异常行为信息对应的标签和本次行为信息进行加密操作,得到加密文件,或,通过目标公钥对用户帐号的历史异常行为信息对应的标签、本次行为信息、第一区块地址和第一私钥进行加密操作,得到加密文件,标签用于对用户帐号的历史异常行为信息进行分类。
在一个可选的实施例中,所述获取模块1020,用于根据用户帐号从用户映射对照库中获取第一区块地址和第一私钥;
所述处理模块1010,用于根据第一区块地址确定第一区块;
所述生成模块1040,用于通过第一私钥对第一区块进行解密操作,得到解密文件,解密文件包括用户帐号在历史时间段t对应的异常行为信息,历史时间段t对应的异常行为信息包括异常行为信息的标签和得分,标签用于对用户帐号的历史异常行为信息进行分类。
在一个可选的的实施例中,解密文件还包括:上一次异常行为信息和第三区块对应的私钥,第三区块是存储有用户帐号的历史异常行为信息的所述区块中位于第一区块之前的最近一个区块。
在一个可选的实施例中,所述发送模块1030,用于将第二区块的区块信息更新到用户映射对照库中,第二区块的区块信息包括第二区块的区块地址和第二区块对应的第二私钥;
所述获取模块1020,用于从审核系统中提取n个维度的异常行为信息的特征数据,n为大于零的整数;
所述生成模块1040,用于将n个维度的特征数据存储至日志系统中。
本申请的实施例还提供了一种计算机设备,该计算手机设备包括处理器和存储器,该存储器中存储有至少一条指令、至少一段程序、代码集或指令集,至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现上述各方法实施例提供的异常行为信息的识别方法。
本申请的实施例还提供了一种计算机可读存储介质,该存储介质存储有至少一条指令、至少一段程序、代码集或指令集,至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行,以实现如上述各方法实施例提供的异常行为信息的识别方法。
应当理解的是,在本文中提及的“多个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本申请的可选实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (14)
1.一种异常行为信息的识别方法,其特征在于,所述方法应用于区块链系统的主记账节点中,所述方法包括:
根据用户信息从区块链上获取第一区块,所述用户信息携带有用户帐号和所述用户帐号的本次行为信息,所述本次行为信息是所述用户帐号本次在互联网服务产品上产生的行为对应的信息;
从所述第一区块中获取所述用户帐号在历史时间段t对应的异常行为信息,所述异常行为信息是所述用户帐号在所述互联网服务产品上产生的异常行为对应的信息,t>0;
将所述历史时间段t对应的异常行为信息和所述本次行为信息发送至审核系统,获取所述本次行为信息的审核结果;
当所述审核结果包括所述本次行为信息属于所述异常行为信息时,根据所述审核结果生成第二区块,将所述第二区块存储至所述区块链上。
2.根据权利要求1所述的方法,其特征在于,所述将所述历史时间段t对应的异常行为信息和所述本次行为信息发送至审核系统,获取所述本次行为信息的审核结果,包括:
将所述历史时间段t对应的异常行为信息和所述本次行为信息发送至所述审核系统的审核模型中,预测所述本次行为信息的审核结果;
其中,所述审核模型是机器学习模型。
3.根据权利要求2所述的方法,其特征在于,所述审核模型是通过如下方法训练得到的:
获取样本用户帐号的至少一组历史异常行为信息的数据和所述历史异常行为信息的标定结果;
获取所述样本用户帐号的本次行为信息的数据和所述本次行为信息的标定结果;
通过所述样本用户帐号的历史异常行为信息的数据、所述历史异常行为信息的标定结果、所述样本用户帐号的本次行为信息的数据和所述本次行为信息的标定结果,对初始机器学习模型进行训练;
在满足训练结束条件时,得到训练后的所述机器学习模型。
4.根据权利要求1至3任一所述的方法,其特征在于,所述根据所述本次行为信息属于所述异常行为信息的审核结果生成第二区块,包括:
向所述区块链系统中的其他节点发送区块生成请求,所述区块生成请求携带有第一区块地址和第一私钥,所述第一区块地址是所述第一区块的区块地址,所述第一私钥与所述第一区块对应;
接收所述其他节点发送的验证成功信息,所述验证成功信息是所述其他节点对所述历史时间段t对应的异常行为信息和所述本次行为信息进行验证,确定验证成功后发送的信息;
当所述验证成功信息通过所述区块链系统的共识时,生成所述第二区块。
5.根据权利要求4所述的方法,其特征在于,所述验证成功信息包括:第一验证成功信息、第二验证成功信息和第三验证成功信息;
所述当所述验证成功信息通过所述区块链系统的共识时,生成所述第二区块,包括:
当接收到所述区块链系统中超过半数的其他节点发送的所述第一验证成功信息、所述第二验证成功信息和所述第三验证成功信息时,生成所述第二区块;
其中,所述第一验证成功信息用于表征根据所述历史时间段t对应的异常行为信息的信息内容对所述审核模型预测的趋势进行验证的验证结果一致,所述第二验证成功信息用于表征根据所述本次行为信息的信息内容对所述审核模型预测的审核结果进行验证的验证结果一致,所述第三验证成功信息用于表征通过所述第一区块地址确定所述第一区块且通过所述第一私钥对所述第一区块成功解密。
6.根据权利要求4所述的方法,其特征在于,所述当所述验证成功信息通过所述区块链系统的共识时,生成所述第二区块,包括:
通过目标公钥至少对所述用户帐号的本次行为信息进行加密操作,得到加密文件,所述目标公钥是通过第二私钥得到的,所述第二私钥是根据所述用户帐号生成的;
根据所述加密文件生成所述第二区块。
7.根据权利要求6所述的方法,其特征在于,所述通过目标公钥至少对所述用户帐号的本次行为信息进行加密操作,得到加密文件,包括:
根据所述用户帐号生成所述第二私钥,所述第二私钥与所述第二区块对应;
根据所述第二私钥得到目标公钥;
通过所述目标公钥对所述用户帐号的历史异常行为信息对应的标签和本次行为信息进行加密操作,得到所述加密文件,或,通过所述目标公钥对所述用户帐号的历史异常行为信息对应的标签、所述本次行为信息、所述第一区块地址和所述第一私钥进行加密操作,得到所述加密文件,所述标签用于对所述用户帐号的历史异常行为信息进行分类。
8.根据权利要求1至3任一所述的方法,其特征在于,所述从所述第一区块中获取所述用户帐号在历史时间段t对应的异常行为信息,包括:
根据所述用户帐号从用户映射对照库中获取所述第一区块地址和第一私钥;
根据所述第一区块地址确定所述第一区块;
通过所述第一私钥对所述第一区块进行解密操作,得到解密文件,所述解密文件包括所述用户帐号在历史时间段t对应的异常行为信息,所述历史时间段t对应的异常行为信息包括所述异常行为信息的标签和得分,所述标签用于对所述用户帐号的历史异常行为信息进行分类。
9.根据权利要求8所述的方法,其特征在于,所述解密文件还包括:上一次异常行为信息和第三区块对应的私钥,所述第三区块是存储有所述用户帐号的历史异常行为信息的所有区块中位于所述第一区块之前的最近一个区块。
10.根据权利要求1至3任一所述的方法,其特征在于,所述根据所述本次行为信息属于所述异常行为信息的审核结果生成第二区块之后,所述方法还包括:
将所述第二区块的区块信息更新到用户映射对照库中,所述第二区块的区块信息包括所述第二区块的区块地址和所述第二区块对应的第二私钥;
从所述审核系统中提取n个维度的所述异常行为信息的特征数据,n为大于零的整数;
将所述n个维度的特征数据存储至日志系统中。
11.一种异常行为信息的识别系统,其特征在于,所述识别系统包括基于异常行为信息区块链设置的主记账节点和其他节点;
所述主记账节点,用于根据用户信息从区块链上获取第一区块,所述用户信息携带有用户帐号和所述用户帐号的本次行为信息,所述本次行为信息是所述用户帐号本次在互联网服务产品上产生的行为对应的信息;从所述第一区块中获取所述用户帐号在历史时间段t对应的异常行为信息,所述异常行为信息是所述用户帐号在所述互联网服务产品上产生的异常行为对应的信息,t>0;将所述历史时间段t对应的异常行为信息和所述本次行为信息发送至所述审核系统,获取所述本次行为信息的审核结果;当所述审核结果包括所述本次行为信息属于所述异常行为信息时,根据所述审核结果向所述其他节点发送区块生成请求,所述区块生成请求用于生成第二区块,所述区块生成请求携带有第一区块地址和第一私钥,所述第一区块地址是所述第一区块的区块地址,所述第一私钥与所述第一区块对应;
所述其他节点,用于当所述用户帐号在所述历史时间段t对应的异常行为信息的信息内容与审核模型预测的趋势一致时,生成第一验证成功信息;当所述用户帐号的本次行为信息的信息内容与所述审核模型预测的审核结果一致时,生成第二验证成功信息;当通过所述第一区块地址确定所述第一区块且通过所述第一私钥对所述第一区块成功解密时,生成第三验证成功信息;
所述主记账节点,用于在接收到所述第一验证成功信息、所述第二验证成功信息和所述第三验证成功信息时,生成第二区块,将所述第二区块存储至所述区块链上。
12.一种异常行为信息的识别装置,其特征在于,所述装置设置在主记账节点中,所述装置包括:
处理模块,用于根据用户信息确定第一区块,所述用户信息携带有用户帐号和所述用户帐号的本次行为信息,所述本次行为信息是所述用户帐号本次在互联网服务产品上产生的行为对应的信息;
获取模块,用于从所述第一区块中获取的时间段t对应的异常行为信息,所述异常行为信息是所述用户帐号在所述互联网服务产品上产生的历史异常行为对应的信息,t>0;
发送模块,用于将所述时间段t对应的异常行为信息和所述本次行为信息发送至审核系统,获取所述本次行为信息的审核结果;
生成模块,用于当所述审核结果包括所述本次行为信息属于所述异常行为信息时,根据所述审核结果生成第二区块,将所述第二区块存储至所述区块链上。
13.一种计算机设备,其特征在于,所述计算机设备包括处理器和存储器,所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一端程序、所述代码集或所述指令集由所述处理器加载并执行以实现如权利要求1至10任一项所述的异常行为信息的识别方法。
14.一种计算机可读存储介质,其特征在于,所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行,以实现如权利要求1至10任一项所述的异常行为信息的识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910933682.4A CN110602248B (zh) | 2019-09-27 | 2019-09-27 | 异常行为信息的识别方法、系统、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910933682.4A CN110602248B (zh) | 2019-09-27 | 2019-09-27 | 异常行为信息的识别方法、系统、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110602248A true CN110602248A (zh) | 2019-12-20 |
CN110602248B CN110602248B (zh) | 2020-08-11 |
Family
ID=68864968
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910933682.4A Active CN110602248B (zh) | 2019-09-27 | 2019-09-27 | 异常行为信息的识别方法、系统、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110602248B (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111355781A (zh) * | 2020-02-18 | 2020-06-30 | 腾讯科技(深圳)有限公司 | 一种语音信息交流的管理方法、装置和存储介质 |
CN111556055A (zh) * | 2020-04-28 | 2020-08-18 | 中国联合网络通信集团有限公司 | 一种基于区块链的点评方法和装置 |
CN111556152A (zh) * | 2020-04-28 | 2020-08-18 | 中国联合网络通信集团有限公司 | 一种基于区块链的评论识别方法、基站及评价系统 |
CN111586002A (zh) * | 2020-04-28 | 2020-08-25 | 中国联合网络通信集团有限公司 | 基于区块链的评论识别方法、接入设备及评论系统 |
CN111598159A (zh) * | 2020-05-14 | 2020-08-28 | 清华大学 | 机器学习模型的训练方法、装置、设备及存储介质 |
CN111652570A (zh) * | 2020-05-12 | 2020-09-11 | 国网福建省电力有限公司 | 一种自动审核系统及方法 |
CN112288445A (zh) * | 2020-10-23 | 2021-01-29 | 清华大学深圳国际研究生院 | 一种基于区块链的账号积分管理方法 |
CN112329028A (zh) * | 2020-09-29 | 2021-02-05 | 华南师范大学 | 基于区块链的异常数据识别方法、系统、装置及介质 |
CN113313087A (zh) * | 2021-07-28 | 2021-08-27 | 江西科技学院 | 无人驾驶汽车的乘客行为监督方法与装置 |
CN113377618A (zh) * | 2021-06-11 | 2021-09-10 | 中国工商银行股份有限公司 | 数据监控方法、装置、电子设备及可读存储介质 |
CN113868216A (zh) * | 2021-12-03 | 2021-12-31 | 中国信息通信研究院 | 区块链监测方法及装置 |
CN115086270A (zh) * | 2022-07-28 | 2022-09-20 | 深圳市爱聊科技有限公司 | 用户社交的互动方法、平台、设备及存储介质 |
CN115208597A (zh) * | 2021-04-09 | 2022-10-18 | 中国移动通信集团辽宁有限公司 | 一种异常设备确定方法、装置、设备及计算机存储介质 |
CN116305071A (zh) * | 2023-03-18 | 2023-06-23 | 广州锦拓信息科技有限公司 | 一种基于人工智能的账号密码安全系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107481117A (zh) * | 2017-08-21 | 2017-12-15 | 掌阅科技股份有限公司 | 异常行为的检测方法、电子设备及计算机存储介质 |
WO2018149504A1 (en) * | 2017-02-17 | 2018-08-23 | Nokia Technologies Oy | Changing smart contracts recorded in block chains |
CN108734453A (zh) * | 2018-05-21 | 2018-11-02 | 腾讯科技(深圳)有限公司 | 区块链数据处理方法、装置、计算机设备和存储介质 |
CN108960820A (zh) * | 2018-03-20 | 2018-12-07 | 翟红鹰 | 一种基于区块链的实名认证方法、系统及存储介质 |
CN109065136A (zh) * | 2018-08-22 | 2018-12-21 | 泰康保险集团股份有限公司 | 基于区块链的移动医疗信息管理方法及装置 |
CN109242667A (zh) * | 2018-06-28 | 2019-01-18 | 平安科技(深圳)有限公司 | 资产管理方法及装置、计算机设备与可读存储介质 |
CN109791670A (zh) * | 2018-08-22 | 2019-05-21 | 区链通网络有限公司 | 基于区块链系统的人机识别方法、装置和存储介质 |
CN110163618A (zh) * | 2019-05-31 | 2019-08-23 | 深圳前海微众银行股份有限公司 | 异常交易的检测方法、装置、设备及计算机可读存储介质 |
CN110166741A (zh) * | 2019-04-15 | 2019-08-23 | 深圳壹账通智能科技有限公司 | 基于人工智能的环境监控方法、装置、设备及存储介质 |
CN110177108A (zh) * | 2019-06-02 | 2019-08-27 | 四川虹微技术有限公司 | 一种异常行为检测方法、装置及验证系统 |
-
2019
- 2019-09-27 CN CN201910933682.4A patent/CN110602248B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018149504A1 (en) * | 2017-02-17 | 2018-08-23 | Nokia Technologies Oy | Changing smart contracts recorded in block chains |
CN107481117A (zh) * | 2017-08-21 | 2017-12-15 | 掌阅科技股份有限公司 | 异常行为的检测方法、电子设备及计算机存储介质 |
CN108960820A (zh) * | 2018-03-20 | 2018-12-07 | 翟红鹰 | 一种基于区块链的实名认证方法、系统及存储介质 |
CN108734453A (zh) * | 2018-05-21 | 2018-11-02 | 腾讯科技(深圳)有限公司 | 区块链数据处理方法、装置、计算机设备和存储介质 |
CN109242667A (zh) * | 2018-06-28 | 2019-01-18 | 平安科技(深圳)有限公司 | 资产管理方法及装置、计算机设备与可读存储介质 |
CN109065136A (zh) * | 2018-08-22 | 2018-12-21 | 泰康保险集团股份有限公司 | 基于区块链的移动医疗信息管理方法及装置 |
CN109791670A (zh) * | 2018-08-22 | 2019-05-21 | 区链通网络有限公司 | 基于区块链系统的人机识别方法、装置和存储介质 |
CN110166741A (zh) * | 2019-04-15 | 2019-08-23 | 深圳壹账通智能科技有限公司 | 基于人工智能的环境监控方法、装置、设备及存储介质 |
CN110163618A (zh) * | 2019-05-31 | 2019-08-23 | 深圳前海微众银行股份有限公司 | 异常交易的检测方法、装置、设备及计算机可读存储介质 |
CN110177108A (zh) * | 2019-06-02 | 2019-08-27 | 四川虹微技术有限公司 | 一种异常行为检测方法、装置及验证系统 |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111355781A (zh) * | 2020-02-18 | 2020-06-30 | 腾讯科技(深圳)有限公司 | 一种语音信息交流的管理方法、装置和存储介质 |
CN111355781B (zh) * | 2020-02-18 | 2021-06-08 | 腾讯科技(深圳)有限公司 | 一种语音信息交流的管理方法、装置和存储介质 |
WO2021164333A1 (zh) * | 2020-02-18 | 2021-08-26 | 腾讯科技(深圳)有限公司 | 一种语音信息交流的管理方法、装置、存储介质和设备 |
CN111556055A (zh) * | 2020-04-28 | 2020-08-18 | 中国联合网络通信集团有限公司 | 一种基于区块链的点评方法和装置 |
CN111556152A (zh) * | 2020-04-28 | 2020-08-18 | 中国联合网络通信集团有限公司 | 一种基于区块链的评论识别方法、基站及评价系统 |
CN111586002A (zh) * | 2020-04-28 | 2020-08-25 | 中国联合网络通信集团有限公司 | 基于区块链的评论识别方法、接入设备及评论系统 |
CN111652570A (zh) * | 2020-05-12 | 2020-09-11 | 国网福建省电力有限公司 | 一种自动审核系统及方法 |
CN111598159A (zh) * | 2020-05-14 | 2020-08-28 | 清华大学 | 机器学习模型的训练方法、装置、设备及存储介质 |
CN111598159B (zh) * | 2020-05-14 | 2024-04-26 | 清华大学 | 机器学习模型的训练方法、装置、设备及存储介质 |
CN112329028A (zh) * | 2020-09-29 | 2021-02-05 | 华南师范大学 | 基于区块链的异常数据识别方法、系统、装置及介质 |
CN112329028B (zh) * | 2020-09-29 | 2024-05-14 | 华南师范大学 | 基于区块链的异常数据识别方法、系统、装置及介质 |
CN112288445A (zh) * | 2020-10-23 | 2021-01-29 | 清华大学深圳国际研究生院 | 一种基于区块链的账号积分管理方法 |
CN115208597A (zh) * | 2021-04-09 | 2022-10-18 | 中国移动通信集团辽宁有限公司 | 一种异常设备确定方法、装置、设备及计算机存储介质 |
CN115208597B (zh) * | 2021-04-09 | 2023-07-21 | 中国移动通信集团辽宁有限公司 | 一种异常设备确定方法、装置、设备及计算机存储介质 |
CN113377618A (zh) * | 2021-06-11 | 2021-09-10 | 中国工商银行股份有限公司 | 数据监控方法、装置、电子设备及可读存储介质 |
CN113313087A (zh) * | 2021-07-28 | 2021-08-27 | 江西科技学院 | 无人驾驶汽车的乘客行为监督方法与装置 |
CN113868216B (zh) * | 2021-12-03 | 2022-02-22 | 中国信息通信研究院 | 区块链监测方法及装置 |
CN113868216A (zh) * | 2021-12-03 | 2021-12-31 | 中国信息通信研究院 | 区块链监测方法及装置 |
CN115086270A (zh) * | 2022-07-28 | 2022-09-20 | 深圳市爱聊科技有限公司 | 用户社交的互动方法、平台、设备及存储介质 |
CN115086270B (zh) * | 2022-07-28 | 2022-11-18 | 深圳市爱聊科技有限公司 | 用户社交的互动方法、平台、设备及存储介质 |
CN116305071A (zh) * | 2023-03-18 | 2023-06-23 | 广州锦拓信息科技有限公司 | 一种基于人工智能的账号密码安全系统 |
CN116305071B (zh) * | 2023-03-18 | 2023-09-26 | 广州锦拓信息科技有限公司 | 一种基于人工智能的账号密码安全系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110602248B (zh) | 2020-08-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110602248B (zh) | 异常行为信息的识别方法、系统、装置、设备及介质 | |
US11720711B2 (en) | System and method for interaction object management in a blockchain environment | |
Kuo et al. | Blockchain distributed ledger technologies for biomedical and health care applications | |
US10270600B2 (en) | Secure revisioning auditing system for electronic document files | |
US10855475B1 (en) | Systems and methods for securing data to an immutable distributed ledger | |
CN112132198B (zh) | 数据处理方法、装置、系统和服务器 | |
JP2022504637A (ja) | 暗号化デジタルidのための分散型台帳 | |
CN109314642A (zh) | 用区块链实施的用于安全投票和分配的计数系统和方法 | |
CN108009445B (zh) | 一种半中心化的可信数据管理系统 | |
US20230281583A1 (en) | Systems and Methods for the Facilitation of Blockchains | |
WO2022261650A2 (en) | Systems and methods for maintenance of nft assets | |
CN110738783A (zh) | 投票数据的更新系统、方法、装置、设备及可读存储介质 | |
Rahim et al. | Introduction to blockchain and big data | |
Pouwelse et al. | Laws for creating trust in the blockchain age | |
EP3940611B1 (en) | Personal information management system, personal information management device, and personal information management method | |
CN111444416A (zh) | 金融业务的推广方法、系统及装置 | |
US20210326942A1 (en) | Method of Securing Online Merchant Reviews Using Block Chains | |
Namamula et al. | Enhancing the confidentiality and integrity of uncertain dynamic data workflows of b2c (business-2-consumers) using blockchain technology | |
CN112085469B (zh) | 基于向量机模型的数据审批方法、装置、设备及存储介质 | |
CN113498592B (zh) | 用于数字财产认证和管理的方法和系统 | |
CN112016118B (zh) | 用于匿名数据库评级更新的方法和系统 | |
CN112950154A (zh) | 流程信息匹配方法、装置、设备及存储介质 | |
US20230043223A1 (en) | Methods for Securely Adding Data to a Blockchain Using Dynamic Time Quanta and Version Authentication | |
US20220393892A1 (en) | Composite Cryptographic Systems with Variable Configuration Parameters and Memory Bound Functions | |
US20230421377A1 (en) | Systems and Methods for Node Facilitation, Communication, and Maintenance |
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 |