CN111369280A - 异常账号识别方法、装置及电子设备 - Google Patents

异常账号识别方法、装置及电子设备 Download PDF

Info

Publication number
CN111369280A
CN111369280A CN202010108874.4A CN202010108874A CN111369280A CN 111369280 A CN111369280 A CN 111369280A CN 202010108874 A CN202010108874 A CN 202010108874A CN 111369280 A CN111369280 A CN 111369280A
Authority
CN
China
Prior art keywords
account
target account
feature
abnormal
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.)
Withdrawn
Application number
CN202010108874.4A
Other languages
English (en)
Inventor
朱俊辉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Mobai Beijing Information Technology Co Ltd
Original Assignee
Mobai Beijing Information Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Mobai Beijing Information Technology Co Ltd filed Critical Mobai Beijing Information Technology Co Ltd
Priority to CN202010108874.4A priority Critical patent/CN111369280A/zh
Publication of CN111369280A publication Critical patent/CN111369280A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
    • G06Q30/0225—Avoiding frauds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/029—Location-based management or tracking services
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • H04W4/42—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for mass transport vehicles, e.g. buses, trains or aircraft

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Accounting & Taxation (AREA)
  • Strategic Management (AREA)
  • Databases & Information Systems (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Evolutionary Biology (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Evolutionary Computation (AREA)
  • Remote Sensing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Artificial Intelligence (AREA)
  • Game Theory and Decision Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种异常账号识别方法、装置及电子设备，该方法包括：根据设定的特征向量，获取目标账号对于所述特征向量的向量值，其中，该特征向量反映同一账号的行驶路线的位置分布特征；根据所述向量值和预设的异常识别模型，判断所述目标账号是否属于异常账号，其中，所述异常识别模型反映所述特征向量与是否属于异常账号的识别结果间的映射关系；在所述目标账号属于异常账号的情况下，进行设定的异常处理。

Description

异常账号识别方法、装置及电子设备
技术领域
本发明涉及数据处理技术领域，更具体地，涉及一种异常账号识别方法、一种异常账号识别装置、及一种电子设备。
背景技术
目前，通过共享车辆出行已经成为城市中新兴的出行方式，可以有效解决城市人群的出行需求。
为了激励人们更多的使用共享车辆，运营商会定期发放补贴，而且使用越多，补贴越高，这就激发了大量刷单的羊毛党。一些羊毛党为了规避风险，采用了一些专业的作弊手段，包括通过猫池、卡商、代理IP、群控等技术注册一个具有实名认证和手机号的虚拟账号，并将该虚拟账号分发给多人使用，以进行大量刷单，进而获取更多的补贴，这给运营商带来了较大的经济损失。
发明内容
本发明实施例的一个目的是提供一种异常账号识别方法，以识别存在刷单行为的异常账号。
根据本发明的第一方面，提供了一种异常账号识别方法，包括：
根据设定的特征向量，获取目标账号对于所述特征向量的向量值，其中，所述特征向量反映同一账号的行驶路线的位置分布特征；
根据所述向量值和预设的异常识别模型，判断所述目标账号是否属于异常账号，其中，所述异常识别模型反映所述特征向量与是否属于异常账号的识别结果间的映射关系；
在所述目标账号属于异常账号的情况下，进行设定的异常处理。
可选地，所述特征向量包括以下至少一个特征：
第一特征：登录同一账号的终端设备在发出用车请求时连接的不同IP地址的数量；
第二特征：登录同一账号的终端设备在发出用车请求时所在的不同位置节点的数量；
第三特征：登录同一账号的终端设备在发出用车请求时，所请求的车辆所在的不同位置节点的数量。
可选地，所述特征向量包括所述第二特征，所述向量值包括所述目标账号对于所述第二特征的特征值，所述获取目标账号对于所述特征向量的向量值包括：
获取预先划分出的各位置区域，其中，一个位置区域对应一个位置节点；
获取登录所述目标账号的终端设备在发出用车请求时所在的位置坐标；
根据每一所述位置坐标对应的位置区域，获得所述目标账号对于所述第二特征的特征值。
可选地，所述特征向量包括所述第三特征，所述向量值包括所述目标账号对于所述第三特征的特征值，所述获取目标账号对于所述特征向量的向量值包括：
获取预先划分出的各位置区域，其中，一个位置区域对应一个位置节点；
获取登录所述目标账号的终端设备在发出用车请求时，所请求的车辆所在的位置坐标；
根据每一所述位置坐标对应的位置区域，获得所述目标账号对于所述第三特征的特征值。
可选地，所述方法在获取目标账号对于所述特征向量的向量值之前，还包括：
响应于用车请求，获取发出所述用车请求的账号作为所述目标账号。
可选地，所述方法还包括：
查找所述目标账号是否位于监控清单中；
在位于所述监控清单中的情况下，再执行所述获取目标账号对于所述特征向量的向量值的操作。
可选地，所述方法在获取目标账号对于所述特征向量的向量值之前，还包括：
响应于发生关于异常账号的举报事件，获取所述举报事件针对的账号作为所述目标账号。
可选地，所述方法还包括生成所述异常识别模型的步骤，包括：
获取训练样本，其中，不同训练样本对应不同的账号，每一训练样本包括对应样本对于所述特征向量的向量值及对应样本是否为异常账号的识别结果；
根据所述训练样本，训练得到所述异常识别模型。
可选地，所述进行设定的异常处理，包括以下至少一项：
第一项：向所述目标账号绑定的移动终端发送警告信息，其中，所述警告信息包括发现所述目标账号被多人使用刷单的信息；
第二项：向所述目标账号提供惩罚值；
第三项：关闭所述目标账号；
第四项：禁止通过来自所述目标账号的用车请求。
根据本发明的第二方面，还提供了一种异常账号识别装置，包括：
特征提取模块，用于根据设定的特征向量，获取目标账号对于所述特征向量的向量值，其中，所述特征向量反映同一账号的行驶路线的位置分布特征；
异常识别模块，用于根据所述向量值和预设的异常识别模型，判断所述目标账号是否属于异常账号，其中，所述异常识别模型反映所述特征向量与是否属于异常账号的识别结果间的映射关系；以及，
异常处理模块，用于在所述目标账号属于异常账号的情况下，进行设定的异常处理。
根据本发明的第三方面，还提供了一种电子设备，包括根据本发明的第二方面所述的异常账号识别装置；或者，所述电子设备包括存储器和处理器，所述存储器用于存储可执行的计算机程序；处理器，用于根据所述计算机程序的控制运行所述电子设备，以执行根据本发明的第一方面所述的方法。
本发明的一个有益效果在于，本发明实施例的方法通过分析目标账号的行驶路线的位置分布特征，发现行驶路线随机地分散在多个不同位置的目标账号，进而实现对于异常账号的识别，以对异常账号进行及时的处理，实现对共享车辆的风险控制，减少损失。
通过以下参照附图对本发明的示例性实施例的详细描述，本发明的其它特征及其优点将会变得清楚。
附图说明
被结合在说明书中并构成说明书的一部分的附图示出了本发明的实施例，并且连同其说明一起用于解释本发明的原理。
图1是显示可用于实现本发明实施例的共享车辆系统的硬件配置的原理框图；
图2是根据本发明实施例的异常账号识别方法的流程示意图；
图3是根据本发明实施例的异常账号识别装置的原理框图；
图4是根据本发明实施例的电子设备的原理框图。
具体实施方式
现在将参照附图来详细描述本发明的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。
在这里示出和讨论的所有例子中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它例子可以具有不同的值。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
<硬件配置>
图1是可用于实现本发明实施例的共享车辆系统100的硬件配置的框图。
如图1所示，共享车辆系统100包括服务器1000、移动终端2000和车辆3000。
服务器1000提供处理、数据库、通讯设施的业务点。服务器1000可以是整体式服务器或是跨多计算机或计算机数据中心的分散式服务器。服务器可以是各种类型的，例如但不限于，网络服务器，新闻服务器，邮件服务器，消息服务器，广告服务器，文件服务器，应用服务器，交互服务器，数据库服务器，或代理服务器。在一些实施例中，每个服务器可以包括硬件，软件，或用于执行服务器所支持或实现的合适功能的内嵌逻辑组件或两个或多个此类组件的组合。例如，服务器例如刀片服务器、云端服务器等，或者可以是由多台服务器组成的服务器群组，可以包括上述类型的服务器中的一种或多种等等。
在一个实施例中，如图1所示，服务器1000可以包括处理器1100、存储器1200、接口装置1300、通信装置1400、显示装置1500、输入装置1600。
处理器1100用于执行计算机程序。该计算机程序可以采用比如x86、Arm、RISC、MIPS、SSE等架构的指令集编写。存储器1200例如包括ROM(只读存储器)、RAM(随机存取存储器)、诸如硬盘的非易失性存储器等。接口装置1300例如包括各种总线接口，例如串行总线接口(包括USB接口)、并行总线接口等。通信装置1400例如能够进行有线或无线通信。显示装置1150例如是液晶显示屏、LED显示屏触摸显示屏等。输入装置1160例如可以包括触摸屏、键盘等。
本实施例中，服务器1000的存储器1200用于存储计算机指令，该计算机指令用于控制处理器1100进行操作以实施根据本发明任意实施例的异常账号识别方法。技术人员可以根据本发明所公开方案设计该指令。指令如何控制处理器进行操作，这是本领域公知，故在此不再详细描述。
尽管在图1中示出了服务器1000的多个装置，但是，本发明可以仅涉及其中的部分装置，例如，服务器1000只涉及存储器1200、处理器1100和通信装置1400等。
本实施例中，移动终端2000例如是手机、便携式电脑、平板电脑、掌上电脑、可穿戴设备等。
如图1所示，移动终端2000可以包括处理器2100、存储器2200、接口装置2300、通信装置2400、显示装置2500、输入装置2600、扬声器2700、麦克风2800等等。
处理器2100可以是移动版处理器。存储器2200例如包括ROM(只读存储器)、RAM(随机存取存储器)、诸如硬盘的非易失性存储器等。接口装置2300例如包括USB接口、耳机接口等。通信装置2400例如能够进行有线或无线通信，通信装置2400可以包括短距离通信装置，例如是基于Hilink协议、WiFi(IEEE 802.11协议)、Mesh、蓝牙、ZigBee、Thread、Z-Wave、NFC、UWB、LiFi等短距离无线通信协议进行短距离无线通信的任意装置，通信装置2400也可以包括远程通信装置，例如是进行WLAN、GPRS、2G/3G/4G/5G远程通信的任意装置。显示装置2500例如是液晶显示屏、触摸显示屏等。输入装置2600例如可以包括触摸屏、键盘等。用户可以通过扬声器2700和麦克风2800输入/输出语音信息。
本实施例中，移动终端2000可以用于向服务器1000发起针对车辆3000的用车请求，该用车请求中携带有所请求车辆3000的唯一标识，还可以携带移动终端连接网络的IP地址，以及移动终端2000所在的位置坐标等。另外，服务器1000也可以在接收到用车请求后，请求移动终端2000提供以上IP地址和位置坐标等，在此不做限定。
用户可以通过移动终端2000扫描车辆3000的二维码来触发该用车请求，也可以通过移动终端2000输入车辆3000的唯一编码来触发该用车请求。
本实施例中，移动终端2000的存储器2200用于存储计算机指令，该指令用于控制处理器2100进行操作以支持实施根据本发明任意实施例的异常账号识别方法，例如至少包括：获取车辆3000的唯一标识，形成针对特定车辆的用车请求发送至服务器，以产生订单；向服务器1000提供发出用车请求时所连接网络的IP地址、及发出用车请求时所在的位置坐标；及根据服务器的费用结算请求进行费用结算等等。技术人员可以根据本发明所公开方案设计计算机指令。指令如何控制处理器进行操作，这是本领域公知，故在此不再详细描述。
尽管在图1中示出了移动终端2000的多个装置，但是，本发明可以仅涉及其中的部分装置，在此不做限定。
车辆3000可以是图1中所示的自行车，也可以是三轮车、电动助力车、摩托车以及四轮乘用车等各种形态，在此不做限定。
如图1所示，车辆3000可以包括处理器3100、存储器3200、接口装置3300、通信装置3400、显示装置3500、输入装置3600、扬声器3700、麦克风3800，等等。其中，处理器3100可以是微处理器MCU等。存储器3200例如包括ROM(只读存储器)、RAM(随机存取存储器)、诸如硬盘的非易失性存储器等。接口装置3300例如包括USB接口、耳机接口等。通信装置3400例如能够进行有线或无线通信，又例如能够进行短距离和远程通信。输出装置2500例如可以是输出信号的装置，可以显示装置，例如液晶显示屏、触摸显示屏等，也可以是扬声器等输出语音信息等。输入装置2600例如可以包括触摸屏、键盘等，也可以是麦克风输入语音信息。
尽管在图1中示出了车辆3000的多个装置，但是，本发明可以仅涉及其中的部分装置，例如，车辆3000只涉及通信装置3400、存储器3200和处理器3100。
除此之外，车辆3000还包括受控于处理器3100的锁机构等，以实现车辆3000的解锁。
本实施例中，车辆3000可以向服务器1000上报自身的位置坐标，以及，向服务器1000上报自身的使用状态信息等，例如，在检测到用户完成闭锁操作时，向服务器1000上报闭锁通知信号。
本实施例中，车辆3000的存储器3200用于存储计算机指令，该指令用于控制处理器3100进行操作以执行与服务器1000之间的信息交互。技术人员可以根据本发明所公开方案设计该计算机指令。该指令如何控制处理器进行操作，这是本领域公知，故在此不再详细描述。
网络4000可以是无线通信网络也可以是有线通信网络，可以是局域网也可以是广域网。在图1所示的信息推送系统100中，车辆3000与服务器1000、移动终端2000与服务器1000，可以通过网络4000进行通信。此外，车辆3000与服务器1000、移动终端2000与服务器1000通信所基于的网络4000可以是同一个，也可以是不同的。
应当理解的是，尽管图1仅示出一个服务器1000、移动终端2000、车辆3000，但不意味着限制各自的数量，共享车辆系统100中可以包含多个服务器1000、多个移动终端2000、多个车辆3000等。
<方法实施例>
本实施例的异常账号识别方法用于识别由多人使用的异常账号。
该异常账号的使用方式包括：多位用户使用同一账号，每位用户均通过正常的用车流程使用车辆，包括通过各自的移动终端扫描该车辆的二维码向服务器发出用车请求，以使服务器根据该用车请求解锁车辆；以及，在每次结束使用该车辆后，根据服务器的结算请求进行费用结算。
该异常账号的特点是：由于不同用户具有不同的高频行驶路线，因此，在多个用户使用同一账号刷单的情况下，该账号的订单起点会呈现随机分布的状态，而不会像正常账号一样收敛在少数的特定位置节点上。
图2是根据本发明实施例的异常账号识别方法的流程示意图，该方法例如可以由图1所示的服务器1000实施。
根据图2所示，本实施例的方法可以包括如下步骤S2100～S2300。
步骤S2100，根据设定的反映同一账号的行驶路线的位置分布特征的特征向量，获取目标账号对于该特征向量的向量值。
本实施例中，每一注册账号具有唯一的账号标识，可以根据该账号标识区分不同的账号。
本实施例中，可以根据异常账号使用车辆的上述特点，预先设置能够反映这些特点的特征，以形成反映同一账号的行驶路线的位置分布特征的特征向量X，即，通过目标账号对于该特征向量X的向量值，能够反映出该目标账号是否被多人使用，以进行刷单。
该实施例中，可以通过分析目标账号在设定时间段内产生的历史订单数据，进行异常账号识别。
例如，该设定时间段为最近30天、最近60天等，在此不做限定。
该特征向量X包括反映同一账号的行驶路线的位置分布特征的至少一个特征xj，j的取值为1至N的自然数，N表示特征向量X具有的特征的总数。
例如，特征向量X具有6个特征，即N＝6，此时，可以将特征向量X表示为X＝(x1,x2,x3,x4,x5,x6)。
在一个实施例中，该特征向量X反映同一账号在发出用车请求时(对应订单起点)的位置分布特征，即，在该实施例中，通过同一账号的行驶路线起点(即订单起点)的位置分布特征，来代表同一账号的行驶路线的位置分布特征。
该实施例中，特征向量X例如可以包括以下特征中的至少一个特征。第一特征x1：登录同一账号的终端设备在发出用车请求时连接的不同IP地址的数量；第二特征x2：登录同一账号的终端设备在发出用车请求时所在的不同位置节点的数量；第三特征x3：登录同一账号的终端设备在发出用车请求时，所请求的车辆所在的不同位置节点的数量。
该实施例中，通过获得目标账号对于每一特征的特征值，便获得了目标账号对于该特征向量X的向量值，即，该向量值由获得的N个特征值组成。
关于第一特征x1，对于目标账号而言，登录该目标账号的终端设备在发出用车请求时，会主动上报自身在发出用车请求时连接的IP地址，或者根据服务器的请求提供自身在发出用车请求时连接的IP地址，这样，服务器通过查询对应该目标账号的所有IP地址，便可获得不同IP地址的数量，例如，服务器查询到目标账号发出55次用车请求，对应15个不同的IP地址，则目标账号对于第一特征的特征值为15。
关于第二特征x2，对于目标账号而言，登录该目标账号的终端设备在发出用车请求时，会主动上报自身在发出用车请求时所在的位置坐标，或者根据服务器的请求提供自身在发出用车请求时所在的位置坐标，这样，服务器通过查询登录该目标账号的终端设备在发出用车请求时提供的所有位置坐标，便可获得终端设备在发出用车请求时所在的不同位置节点的数量，其中，位于同一位置区域内的位置坐标可以对应同一个位置节点。
关于第三特征x3，对于目标账号而言，登录该目标账号的终端设备在发出用车请求时，所请求车辆会在解锁后主动上报自身在发出用车请求时所在的位置坐标，或者根据服务器的请求提供自身在发出用车请求时所在的位置坐标，这样，服务器通过查询登录该目标账号的终端设备在发出用车请求时，所请求车辆所在的位置坐标，便可获得所请求车辆所在的不同位置节点的数量，其中，位于同一位置区域内的位置坐标可以对应同一个位置节点。
该实施例中，目标账号对于三个特征x1、x2、x3的特征值的取值越大，说明目标账号的行驶路线越分散，而在同一账号由同一用户使用的正常情况下，该账号的行驶路线应该收敛在特定位置节点上，例如收敛在家与公司对应的位置节点上，这时，该账号的行驶路线应该相对比较集中，因此，在第一实施例中，通过获取目标账号对于该目标账号存在异常的可能性越高。因此，可以通过目标账号对于三个特征x1、x2、x3的特征值，可以较为准确地反映目标账号是否存在被多人刷单使用的情况。
该实施例中，通过设置特征向量X包括以上第一特征、第二特征和第三特征中的至少一个特征，使得该特征向量X能够通过尽可能少的特征维度，较为准确地反映目标账号是否具有被多人使用的刷单行为，提高了识别异常账号效率和识别准确率。
在获取目标账号对于特征向量X的向量值时，由于用户在使用车辆时，会随机使用位于当前所在位置区域的一车辆，因此，用户即使多次在同一位置区域使用车辆，用户和/或车辆的位置坐标也很可能不同，但这些位置坐标在实际上却均指向同一位置区域。因此，为了能够根据终端设备和/或车辆的位置坐标，锁定目标账号的使用区域，在一个实施例中，可以通过划分位置区域对目标账号的行驶路线端点进行归一化处理，进而有效减少对应目标账号的位置节点的数量，这不仅可以减少数据的处理量，还有利于提高识别准确性。
该实施例中，可以将车辆的运营区域，例如**市，划分为多个位置区域，一个位置区域对应一个位置节点，这样，对应同一位置区域的位置坐标即属于相同的位置信息，这些位置坐标将对应同一位置节点。例如，一份订单数据显示登录目标账号的移动终端在发出用车请求时所在的位置坐标为P1，另一份订单数据显示登录目标账号的移动终端在发出用车请求时所在的位置坐标为P2，虽然位置坐标P1与位置坐标P2不同，但二者确同属于预先划分出的一个位置区域，则，位置坐标P1与位置坐标P2对应相同的位置节点。
该实施例中，例如，该特征向量X包括上述第二特征x2，目标账号对于该特征向量X的向量值包括目标账号对于该第二特征x2的特征值，该步骤S2100中获取目标账号对于所述特征向量的向量值，可以包括：
步骤S2111，获取预先划分出的各位置区域，其中，一个位置区域对应一个位置节点。
该实施例中，在划分位置区域时，可以将运营区域划分为100m*100m的网格，即，每个网格呈正方形，网格的边长为100m等，一个网格即对应一个位置区域。
步骤S2112，获取登录该目标账号的终端设备在发出用车请求时所在的位置坐标。
该位置坐标由终端设备的定位装置提供，并由终端设备提供给服务器。
步骤S2113，根据终端设备在发出用车请求时所在的每一位置坐标对应的位置区域，获得该目标账号对于第二特征的特征值。
同理，该实施例中，例如特征向量X包括上述第三特征x3，目标账号对于该特征向量X的向量值包括目标账号对于第三特征x3的特征值，该步骤S2100中获取目标账号对于该特征向量的向量值，可以包括：
步骤S2121，获取预先划分出的各位置区域，其中，一个位置区域对应一个位置节点。
步骤S2122，获取登录所述目标账号的终端设备在发出用车请求时，所请求的车辆所在的位置坐标。
该位置坐标由车辆的定位装置提供，并由车辆提供给服务器。
步骤S2123，根据每一所述位置坐标对应的位置区域，获得该目标账号对于该第三特征的特征值。
步骤S2200，根据通过步骤S2100获得的向量值和预设的异常识别模型，判断该目标账号是否属于异常账号，其中，该异常识别模型反映特征向量与是否属于异常账号的识别结果间的映射关系。
该异常识别模型可以是一个映射规则，例如是一个映射对照表，对照表中记录由该特征向量的不同向量值与对应的识别结果。
该异常识别模型也可以是一个映射函数F(x)，该映射函数F(x)的自变量即为特征向量X，因变量F(x)即为由特征向量X决定的识别结果。
通过该步骤S2200，将目标账号对于该特征向量X的向量值输入至异常识别模型，便可以获得相应的识别结果。
例如，异常识别模型可以是任意的二分类模型，例如逻辑回归模型等，在此不做限定。该异常识别模型可以通过训练样本训练得到。
步骤S2300，在该目标账号属于异常账号的情况下，进行设定的异常处理。
该设定的异常处理可以包括以下至少一项：第一项：向所述目标账号绑定的移动终端发送警告信息，其中，所述警告信息包括发现该目标账号被多人使用刷单的信息；第二项：向该目标账号提供惩罚值；第三项：关闭该目标账号；第四项：禁止通过来自该目标账号的用车请求。通过对异常账号进行异常处理，可以提高作弊风险，进而有利于降低作弊量。
关于第一项，可以通过向目标账号绑定的移动终端发送警告信息，来通知目标用户已发现其存在使用刷单行为，以使用户及时停止刷单。
该警告信息还可以包括将对目标账号进行的处罚事项，该处罚事项例如包括第二项、第三项和第四项中的至少一项。
关于第二项，该惩罚值可以是罚金，也可以是需要减少的优惠额度，还可以是增加用车费用等。
关于第三项，关闭该目标账号即为在数据库中清除该账号，并禁止通过该账号绑定的手机号重新注册新的账号。
关于第四项，在禁止通过来自该目标账号的用车请求后，服务器在再次接收到来自该目标账号的用车请求时，将禁止根据该用车请求对所请求的车辆解锁。
该第四项也可以是禁止在设定时间长度内通过来自该目标账号的用车请求，例如，在发现目标账号属于异常账号后，禁止在未来的一个月内通过来自该目标账号的用车请求。
根据以上步骤S2100～S2300，本实施例的异常账号识别方法根据目标账号使用车辆的行驶路线的位置分布特征，分析目标账号是否具有反映被多人使用刷单的特征，即，随机分布在较多位置节点上的特征，进而实现对目标账号的是否属于异常账号的自动识别，这样便可对识别出的异常账号进行及时的处理，实现对共享车辆的风险控制，减少运营商损失。
在一个实施例中，本发明方法还可以包括获取目标账号的步骤。
该实施例中，可以将任意注册账号作为目标账号进行异常识别。
该实施例中，也可以基于异常举报确定目标账号，一方面可以缩小排查范围，另一方面还可以确定异常举报的准确性。对此，获取目标账号的步骤可以包括：响应于接收到关于异常账号的举报事件，获取该举报事件针对的账号作为目标账号。
该实施例中，还可以响应于用车请求，将发出该用车请求的账号作为目标账号，以跟随账号的活动状态不断的进行异常识别，以及时发现账号的异常使用情况，并进行及时的处理。
该实施例中，还可以维护一个监控清单，该监控清单中包含待监控的账号，这样，在将发出用车请求的账号作为目标账号之后，还可以查找该目标账号是否位于该监控清单中，在位于该监控清单中的情况下，再执行上述步骤S2100中的获取目标账号对于该特征向量的向量值的操作，以缩小排查范围，提高异常账号识别的靶向性。
该监控清单可以包括异常举报的账号，还可以包括订单起点所在的不同位置节点的数量超过设定数据的账号等。
在一个实施例中，本发明方法还可以包括如下步骤：获取目标账号领取的奖励金额；根据奖励金额，获得对于所述目标账号的惩罚值；
该实施例中，上述步骤S2300中进行设定的异常处理可以包括：向该目标账户提供该惩罚值。
该奖励金额包括目标账号领取的补贴、领取的优惠券、享受的优惠折扣等。
根据本实施例的方法，可以根据目标账号领取的奖励金额，合理地确定对于目标账号的惩罚值，以对不同的刷单程度提供不同的惩罚值。
在一个实施例中，本发明方法还可以包括生成步骤S2200中使用的异常识别模型的步骤。
生成该异常识别的步骤可以包括：获取训练样本，其中，不同训练样本对应不同的账号，每一训练样本包括对应样本对于上述特征向量的向量值、及对应样本是否为异常账号的识别结果；以及，根据训练样本，训练得到该异常识别模型。
该训练样本包括正样本和负样本，正样本即为识别结果为异常账号的样本，负样本即为识别结果为正常账号的样本。
该正样本可以来源于运营人员上报的异常账号，也可以来自于用户举报的异常账号。
本实施例中，训练指训练模型表达式，该模型表达式可以是任意类型的二分类模型的表达式，例如是逻辑回归表达式，通过训练可以确定该模型表达式的所有待定系数，进而生成一个异常识别模型。
在一个实施例中，根据训练样本训练得到异常识别模型的步骤可以包括：
步骤S3100，以异常识别模型的函数表达式的待定系数为变量，分别根据每一训练样本对于该特征向量的向量值，确定每一训练样本的预测结果表达式。
以逻辑回归模型为例，假设映射函数中特征向量X包括n个特征x1,x2,......,xn，在确定第k个训练样本对于n个特征的取值
Figure BDA0002389266270000151
后，以待定系数集合中包括一个常数权重b以及n个特征权重a1,a2,......,an为变量，可以获取第k个训练样本的预测结果表达式是Yk:
Figure BDA0002389266270000152
Yk可以表示第k个训练样本属于异常账号的概率。
步骤S3200，根据每一训练样本的预测结果表达式以及每一训练样本的实际识别结果，构建损失函数。
在本实施例中，该步骤S3200中构建损失函数可以进一步包括如下步骤S3210～S3220：
步骤S3210，对于每一训练样本，根据预测结果表达式以及实际识别结果，确定对应的损失表达式。
假设收集到的训练样本数为m，对其中第k个训练样本，获取的实际识别结果是yk，预测结果表达式以为Yk，对应的损失表达式为(yk-Yk)2(k＝1,...,m)；其中，
Figure BDA0002389266270000153
在实际的识别结果为属于异常账号时，yk等于1，即，第k个训练样本属于异常账号的实际概率为1。在实际的识别结果为不属于异常账号时，yk等于0，即，第k个训练样本属于异常账号的实际概率为0。
步骤S3220，将每一训练样本的损失表达式求和，得到损失函数。
本实施例中，损失函数可以为：
Figure BDA0002389266270000154
其中，
Figure BDA0002389266270000155
步骤S3300，根据损失函数确定待定系数，完成本次对异常识别模型的训练。
在本实施例中，该步骤S3300中根据损失函数确定待定系数，完成本次对异常识别模型的训练可以进一步包括步骤S3310～S3330：
步骤S3310，设置待定系数集合中的常数权重以及每个特征权重的初始值为预设数值范围内的随机数。
假设待定系数集合{b,a1,a2,......,an}包括一个常数权重b以及n个特征权重a1,a2,......,an，可以设置初始值为预设数值范围的随机数。该预设数值范围可以根据应用场景或者应用需求设置，例如，设置预设数值范围为0-1，使得常数权重b以及n个特征权重a1,a2,......,an的初始值均是0-1之间的随机数。
步骤S3320，将设置初始值后的常数权重以及每个特征权重代入损失函数中，进行迭代处理。
步骤S3330，当迭代处理得到的待定系数集合符合收敛条件时，终止迭代处理，确定待定系数集合的常数权重以及每个特征权重的取值，否则，继续迭代处理。
收敛条件可以根据具体的应用场景或者应用需求设置。
例如，收敛条件是迭代处理的次数大于预设的次数阈值。该预设的次数阈值可以根据工程经验或者实验仿真结果设置，例如，可以设置为300。
又例如，收敛条件是迭代处理得到的待定系数集合的迭代结果值小于预设的结果阈值。该迭代结果值是根据迭代处理得到的待定系数集合代入的损失函数与对应的常数权重或者每个特征权重求偏导的结果确定。
在一个例子中，收敛条件可以是满足上述两个例子中任意一个收敛条件。
假设第k+1次迭代处理得到的待定系数集合{b,a1,a2,...,an}(k+1)符合收敛条件时，终止迭代处理，得到对应所有ai (k+1)(i＝1,...,n)以及b(k+1)取值，否则，继续迭代处理，直到待定系数集合符合收敛条件。
该异常识别模型可以应用于以上第一实施例，也可以应用于以上第二实施例，在此不做限定。
根据本发明该实施例，其可以根据大量的训练样本训练得到异常识别模型，从而利用该异常识别模型识别异常账号时，可以提高获得的识别结果的准确性。
<装置实施例>
在本实施例中，如图3所示，还提供一种异常账号识别装置3000，该异常账号识别装置3000包括特征提取模块3100、异常识别模块3200和异常处理模块3300。
该特征提取模块3100用于根据设定的特征向量，获取目标账号对于所述特征向量的向量值，其中，该特征向量反映同一账号的行驶路线的位置分布特征。
该异常识别模块3200用于根据该向量值和预设的异常识别模型，判断该目标账号是否属于异常账号，其中，该异常识别模型反映该特征向量与是否属于异常账号的识别结果间的映射关系。
该异常处理模块3300用于在该目标账号属于异常账号的情况下，进行设定的异常处理。
在一个实施例中，该特征向量包括以下至少一个特征：第一特征：登录同一账号的终端设备在发出用车请求时连接的不同IP地址的数量；第二特征：登录同一账号的终端设备在发出用车请求时所在的不同位置节点的数量；第三特征：登录同一账号的终端设备在发出用车请求时，所请求的车辆所在的不同位置节点的数量。
在一个实施例中，该特征向量包括以上第二特征，该向量值包括该目标账号对于该第二特征的特征值，该特征提取模块3100在获取目标账号对于该特征向量的向量值时，可以用于：获取预先划分出的各位置区域，其中，一个位置区域对应一个位置节点；获取登录该目标账号的终端设备在发出用车请求时所在的位置坐标；以及，根据每一位置坐标对应的位置区域，获得该目标账号对于该第二特征的特征值。
在一个实施例中，该特征向量包括所述第三特征，该向量值包括该目标账号对于所述第三特征的特征值，该特征提取模块3100在获取目标账号对于该特征向量的向量值时，可以用于：获取预先划分出的各位置区域，其中，一个位置区域对应一个位置节点；获取登录所述目标账号的终端设备在发出用车请求时，所请求的车辆所在的位置坐标；以及，根据每一位置坐标对应的位置区域，获得该目标账号对于该第三特征的特征值。
在一个实施例中，该异常账号识别装置3000还可以包括目标账号获取模块，该目标账号获取模块用于响应于用车请求，获取发出该用车请求的账号作为目标账号，并将所述目标账号提供至所述特征提取模块3100，以供特征提取模块3100获取目标账号对于设定的特征向量的向量值。
在一个实施例中，该目标账号获取模块还可以用于：查找目标账号是否位于监控清单中；以及，在位于该监控清单中的情况下，再将该目标账号特征提供至特征提取模块3100，以执行获取该目标账号对于所述特征向量的向量值的操作。
在一个实施例中，该目标账号获取模块还可以用于：响应于发生关于异常账号的举报事件，获取举报事件针对的账号作为目标账号，并将所述目标账号提供至所述特征提取模块3100，以供特征提取模块3100获取目标账号对于设定的特征向量的向量值。
在一个实施例中，该异常账号识别装置3000还可以包括模型生成模块，该模型生成模块用于生成异常识别模型，并在生成该异常识别模型时，用于：获取训练样本，其中，不同训练样本对应不同的账号，每一训练样本包括对应样本对于所述特征向量的向量值及对应样本是否为异常账号的识别结果；以及，根据该训练样本，训练得到该异常识别模型。
在一个实施例中，该异常处理模块3300在进行设定的异常处理时，可以用于执行以下至少一项：第一项：向所述目标账号绑定的移动终端发送警告信息，其中，所述警告信息包括发现所述目标账号被多人使用刷单的信息；第二项：向所述目标账号提供惩罚值；第三项：关闭所述目标账号；第四项：禁止通过来自所述目标账号的用车请求。
<设备实施例>
在本实施例中，还提供一种电子设备4000，其可以包括根据本发明任意实施例的异常账号识别装置4000，用于实施本发明任意实施例的异常账号识别方法。
在另外的实施例中，如图4所示，该电子设备4000还可以包括处理器4100和存储器4200，该存储器4200用于存储可执行的计算机指令；该处理器4200用于根据该指令的控制运行电子设备4000，以执行根据本发明任意实施例的异常账号识别方法。
该电子设备4000例如可以是图1中的服务器1000，也可以是其他终端设备，在此不做限定。
本发明可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本发明的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、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)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本发明操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令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)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本发明的各个方面。
这里参照根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本发明的多个实施例的系统、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、程序段或指令的一部分，所述模块、程序段或指令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。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，两个连续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动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。对于本领域技术人员来说公知的是，通过硬件方式实现、通过软件方式实现以及通过软件和硬件结合的方式实现都是等价的。
以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。本发明的范围由所附权利要求来限定。

Claims (11)

1.一种异常账号识别方法，包括：
根据设定的特征向量，获取目标账号对于所述特征向量的向量值，其中，所述特征向量反映同一账号的行驶路线的位置分布特征；
根据所述向量值和预设的异常识别模型，判断所述目标账号是否属于异常账号，其中，所述异常识别模型反映所述特征向量与是否属于异常账号的识别结果间的映射关系；
在所述目标账号属于异常账号的情况下，进行设定的异常处理。
2.根据权利要求1所述的方法，其中，所述特征向量包括以下至少一个特征：
第一特征：登录同一账号的终端设备在发出用车请求时连接的不同IP地址的数量；
第二特征：登录同一账号的终端设备在发出用车请求时所在的不同位置节点的数量；
第三特征：登录同一账号的终端设备在发出用车请求时，所请求的车辆所在的不同位置节点的数量。
3.根据权利要求2所述的方法，其中，所述特征向量包括所述第二特征，所述向量值包括所述目标账号对于所述第二特征的特征值，所述获取目标账号对于所述特征向量的向量值包括：
获取预先划分出的各位置区域，其中，一个位置区域对应一个位置节点；
获取登录所述目标账号的终端设备在发出用车请求时所在的位置坐标；
根据每一所述位置坐标对应的位置区域，获得所述目标账号对于所述第二特征的特征值。
4.根据权利要求2所述的方法，其中，所述特征向量包括所述第三特征，所述向量值包括所述目标账号对于所述第三特征的特征值，所述获取目标账号对于所述特征向量的向量值包括：
获取预先划分出的各位置区域，其中，一个位置区域对应一个位置节点；
获取登录所述目标账号的终端设备在发出用车请求时，所请求的车辆所在的位置坐标；
根据每一所述位置坐标对应的位置区域，获得所述目标账号对于所述第三特征的特征值。
5.根据权利要求1所述的方法，其中，所述方法在获取目标账号对于所述特征向量的向量值之前，还包括：
响应于用车请求，获取发出所述用车请求的账号作为所述目标账号。
6.根据权利要求5所述的方法，其中，所述方法还包括：
查找所述目标账号是否位于监控清单中；
在位于所述监控清单中的情况下，再执行所述获取目标账号对于所述特征向量的向量值的操作。
7.根据权利要求1所述的方法，其中，所述方法在获取目标账号对于所述特征向量的向量值之前，还包括：
响应于发生关于异常账号的举报事件，获取所述举报事件针对的账号作为所述目标账号。
8.根据权利要求1至7中任一项所述的方法，其中，所述方法还包括生成所述异常识别模型的步骤，包括：
获取训练样本，其中，不同训练样本对应不同的账号，每一训练样本包括对应样本对于所述特征向量的向量值及对应样本是否为异常账号的识别结果；
根据所述训练样本，训练得到所述异常识别模型。
9.根据权利要求1至7中任一项所述的方法，其中，所述进行设定的异常处理，包括以下至少一项：
第一项：向所述目标账号绑定的移动终端发送警告信息，其中，所述警告信息包括发现所述目标账号被多人使用刷单的信息；
第二项：向所述目标账号提供惩罚值；
第三项：关闭所述目标账号；
第四项：禁止通过来自所述目标账号的用车请求。
10.一种异常账号识别装置，包括：
特征提取模块，用于根据设定的特征向量，获取目标账号对于所述特征向量的向量值，其中，所述特征向量反映同一账号的行驶路线的位置分布特征；
异常识别模块，用于根据所述向量值和预设的异常识别模型，判断所述目标账号是否属于异常账号，其中，所述异常识别模型反映所述特征向量与是否属于异常账号的识别结果间的映射关系；以及，
异常处理模块，用于在所述目标账号属于异常账号的情况下，进行设定的异常处理。
11.一种电子设备，包括权利要求10所述的异常账号识别装置；或者，
所述电子设备包括存储器和处理器，所述存储器用于存储可执行的计算机程序；处理器，用于根据所述计算机程序的控制运行所述电子设备，以执行根据权利要求1至9中任一项所述的方法。
CN202010108874.4A 2020-02-21 2020-02-21 异常账号识别方法、装置及电子设备 Withdrawn CN111369280A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010108874.4A CN111369280A (zh) 2020-02-21 2020-02-21 异常账号识别方法、装置及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010108874.4A CN111369280A (zh) 2020-02-21 2020-02-21 异常账号识别方法、装置及电子设备

Publications (1)

Publication Number Publication Date
CN111369280A true CN111369280A (zh) 2020-07-03

Family

ID=71212440

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010108874.4A Withdrawn CN111369280A (zh) 2020-02-21 2020-02-21 异常账号识别方法、装置及电子设备

Country Status (1)

Country Link
CN (1) CN111369280A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
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
CN111126774A (zh) * 2019-11-26 2020-05-08 北京摩拜科技有限公司 异常用车识别方法、装置及电子设备
CN113722197A (zh) * 2021-08-31 2021-11-30 上海观安信息技术股份有限公司 移动终端异常识别方法、系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180176241A1 (en) * 2016-12-21 2018-06-21 Hewlett Packard Enterprise Development Lp Abnormal behavior detection of enterprise entities using time-series data
CN110224992A (zh) * 2019-05-14 2019-09-10 北京百度网讯科技有限公司 共享资源限制复用的方法、设备、系统及计算机可读介质
CN110362999A (zh) * 2019-06-25 2019-10-22 阿里巴巴集团控股有限公司 用于检测账户使用异常的方法及装置
CN110430245A (zh) * 2019-07-17 2019-11-08 北京达佳互联信息技术有限公司 一种异常账户识别的控制方法、装置、设备及介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180176241A1 (en) * 2016-12-21 2018-06-21 Hewlett Packard Enterprise Development Lp Abnormal behavior detection of enterprise entities using time-series data
CN110224992A (zh) * 2019-05-14 2019-09-10 北京百度网讯科技有限公司 共享资源限制复用的方法、设备、系统及计算机可读介质
CN110362999A (zh) * 2019-06-25 2019-10-22 阿里巴巴集团控股有限公司 用于检测账户使用异常的方法及装置
CN110430245A (zh) * 2019-07-17 2019-11-08 北京达佳互联信息技术有限公司 一种异常账户识别的控制方法、装置、设备及介质

Cited By (5)

* Cited by examiner, † Cited by third party
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
CN111126774A (zh) * 2019-11-26 2020-05-08 北京摩拜科技有限公司 异常用车识别方法、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
CN113722197A (zh) * 2021-08-31 2021-11-30 上海观安信息技术股份有限公司 移动终端异常识别方法、系统
CN113722197B (zh) * 2021-08-31 2023-10-17 上海观安信息技术股份有限公司 移动终端异常识别方法、系统

Similar Documents

Publication Publication Date Title
CN111428881B (zh) 识别模型的训练方法、装置、设备及可读存储介质
CN111369280A (zh) 异常账号识别方法、装置及电子设备
CN109118160B (zh) 一种信息共享方法、装置、终端设备和介质
US20170289172A1 (en) Request authentication from message content
CN111126773B (zh) 异常车辆识别方法、装置及电子设备
CN110222893B (zh) 共享交通资源的投放地点推荐方法、装置与电子设备
CN109597643A (zh) 应用灰度发布方法、装置、电子设备及存储介质
CN107634947A (zh) 限制恶意登录或注册的方法和装置
CN107392801A (zh) 控制扰乱订单的方法及其装置、存储介质、电子设备
CN104168316A (zh) 一种网页访问控制方法、网关
CN111126774A (zh) 异常用车识别方法、装置及电子设备
CN109284321A (zh) 数据加载方法、装置、计算设备和计算机可读存储介质
JP2017516202A (ja) プロモーション状況データの監視方法、装置、デバイス及び非発揮性コンピューター記憶媒体
CN104539516A (zh) 一种客服服务方法和一种客服服务器
CN111091393B (zh) 异常账号识别方法、装置及电子设备
CN109840757A (zh) 一种还款方法及还款管理设备
CN111127224B (zh) 信息处理方法、装置、电子设备及存储介质
Zhang et al. Software defined security architecture with deep learning-based network anomaly detection module
KR20190127134A (ko) 텍스트 기반 상담 품질 관리 시스템 및 방법
CN109905435A (zh) 资源订阅方法及系统、存储介质、电子设备
CN105512208B (zh) 一种信息发布方法、装置及系统
CN111062622A (zh) 电力市场交易系统
CN110515975A (zh) 风险检测系统、方法以及装置
CN110363638A (zh) 金融业务中非目标用户的业务处理方法、装置和电子设备
CN112163066B (zh) 人工智能模型训练方法、知识点推送方法、装置和介质

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
WW01 Invention patent application withdrawn after publication

Application publication date: 20200703

WW01 Invention patent application withdrawn after publication