CN112668674A - 一种基于信息融合的互联网流量反欺诈方法及装置 - Google Patents

一种基于信息融合的互联网流量反欺诈方法及装置 Download PDF

Info

Publication number
CN112668674A
CN112668674A CN202110287995.4A CN202110287995A CN112668674A CN 112668674 A CN112668674 A CN 112668674A CN 202110287995 A CN202110287995 A CN 202110287995A CN 112668674 A CN112668674 A CN 112668674A
Authority
CN
China
Prior art keywords
rule
user
layer
dimension
under
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.)
Pending
Application number
CN202110287995.4A
Other languages
English (en)
Inventor
赵利国
向永清
关涛
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.)
Beijing Smart Technology Co Ltd
Original Assignee
Beijing Smart 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 Beijing Smart Technology Co Ltd filed Critical Beijing Smart Technology Co Ltd
Priority to CN202110287995.4A priority Critical patent/CN112668674A/zh
Publication of CN112668674A publication Critical patent/CN112668674A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Information Transfer Between Computers (AREA)
  • Storage Device Security (AREA)

Abstract

本发明提出了一种基于信息融合的互联网流量反欺诈方法，所述方法包括：根据使用场景和用户信息对用户流量进行划分获得规则维度下的规则层和用户维度下的用户层，并将所述规则维度下的规则层和所述用户维度下的用户层进行整合后生成用户层在规则层中所对应的划分内容；在规则维度下，在每一个规则层选择至少一个划分内容作为规则模块；调用规则引擎，将每个所述规则模块嵌入至所述规则引擎中，对规则引擎输入的用户流量进行判别，输出每个规则模块所对应的判别结果；将所述每个规则模块所对应的判别结果进行融合后输出最终判定结果。本发明能够保证高效的开发业务和甄别欺诈流量。

Description

一种基于信息融合的互联网流量反欺诈方法及装置
技术领域
本申请涉及互联网安全领域，尤其涉及一种基于信息融合的互联网流量反欺诈方法及装置。
背景技术
近年来国内互联网发展迅速，网民人数不断增多。伴随着网民的增多，用户产生的流量更是庞大。在这其中，一些不法人员在应用背后通过各种手段制造虚假用户和流量，欺骗提供服务的企业，违法获利。
针对互联网流量的反欺诈，一种简单且有效的方案是制定规则系统，通过提前设定的规则对流量进行甄别，以此实现流量的反欺诈。传统的规则系统通常是嵌入到正常的开发业务逻辑中的，随后出现的规则引擎将规则和正常业务分离，很大程度上简化了开发和维护的难度，为规则的更改和后期的迭代提供了便利。但是，在利用规则进行反欺诈的过程中，仍然存在着信息繁杂冗余，规则制定困难，代码耦合度高，以及企业合作与隐私保护难以平衡等问题。
发明内容
为解决上述技术问题之一，本发明提供了一种基于信息融合的互联网流量反欺诈方法及装置。
本发明实施例第一方面提供了一种基于信息融合的互联网流量反欺诈方法，所述方法包括：
根据使用场景和用户信息对用户流量进行划分获得规则维度下的规则层和用户维度下的用户层，并将所述规则维度下的规则层和所述用户维度下的用户层进行整合后生成用户层在规则层中所对应的划分内容；
在规则维度下，在每一个规则层选择至少一个划分内容作为规则模块；
调用规则引擎，将每个所述规则模块嵌入至所述规则引擎中，对规则引擎输入的用户流量进行判别，输出每个规则模块所对应的判别结果；
将所述每个规则模块所对应的判别结果进行融合后输出最终判定结果。
优选地，所述根据使用场景和用户信息对用户流量进行划分获得规则维度下的规则层和用户维度下的用户层，并将所述规则维度下的规则层和所述用户维度下的用户层进行整合后生成用户层在规则层中所对应的划分内容的过程为：
建立笛卡尔坐标系，分别建立规则维度和用户维度；
将用户流量映射至所述笛卡尔坐标系中，根据使用场景和用户信息对用户流量进行划分获得规则维度下的规则层和用户维度下的用户层；
根据预设的坐标系对所述笛卡尔坐标系中获得的规则维度下的规则层和用户维度下的用户层进行二维平面划分获得用户层在规则层中所对应的划分内容。
优选地，所述规则维度下的规则层包括：
用于服务侧在所有场景下的管理和开发，对服务侧的技术性保护的基本规则层；
用于服务侧在特定场景下与用户侧制定隐私协议的领域规则层；
用于用户侧自行制定场景的特殊规则层。
优选地，所述用户维度下的用户层包括：
用于描述用户侧信息的信息层；
用于描述用户侧在任意场景下的行为的行为层。
优选地，所述将所述每个规则模块所对应的判别结果进行融合后输出最终判定结果的过程为：
根据
Figure 839131DEST_PATH_IMAGE001
获得将所述每个规则模块所对应的判别结果进行融合后的融合结果
Figure 690412DEST_PATH_IMAGE002
，其中，
Figure 448153DEST_PATH_IMAGE003
为选用的规则模块的数量，
Figure 752095DEST_PATH_IMAGE004
为选用的规则模块对应的输出结果，
Figure 110440DEST_PATH_IMAGE005
表示权重，取值范围为0至1，并有约束：
Figure 81807DEST_PATH_IMAGE006
根据
Figure 744870DEST_PATH_IMAGE007
获得最终判定结果
Figure 303152DEST_PATH_IMAGE008
，其中，
Figure 709863DEST_PATH_IMAGE009
为阈值，1表示输入的用户流量属于欺诈流量，0表示输入的用户流量不属于欺诈流量。
本发明实施例第二方面提供了一种基于信息融合的互联网流量反欺诈装置，所述装置包括处理器，所述处理器，其被配置有处理器可执行的操作指令，以执行如下操作：
根据使用场景和用户信息对用户流量进行划分获得规则维度下的规则层和用户维度下的用户层，并将所述规则维度下的规则层和所述用户维度下的用户层进行整合后生成用户层在规则层中所对应的划分内容；
在规则维度下，在每一个规则层选择至少一个划分内容作为规则模块；
调用规则引擎，将每个所述规则模块嵌入至所述规则引擎中，对规则引擎输入的用户流量进行判别，输出每个规则模块所对应的判别结果；
将所述每个规则模块所对应的判别结果进行融合后输出最终判定结果。
优选地，所述处理器，其被配置有处理器可执行的操作指令，以执行如下操作：
建立笛卡尔坐标系，分别建立规则维度和用户维度；
将用户流量映射至所述笛卡尔坐标系中，根据使用场景和用户信息对用户流量进行划分获得规则维度下的规则层和用户维度下的用户层；
根据预设的坐标系对所述笛卡尔坐标系中获得的规则维度下的规则层和用户维度下的用户层进行二维平面划分获得用户层在规则层中所对应的划分内容。
优选地，所述规则维度下的规则层包括：
用于服务侧在所有场景下的管理和开发，对服务侧的技术性保护的基本规则层；
用于服务侧在特定场景下与用户侧制定隐私协议的领域规则层；
用于用户侧自行制定场景的特殊规则层。
优选地，所述用户维度下的用户层包括：
用于描述用户侧信息的信息层；
用于描述用户侧在任意场景下的行为的行为层。
优选地，所述处理器，其被配置有处理器可执行的操作指令，以执行如下操作：
根据
Figure 535737DEST_PATH_IMAGE010
获得将所述每个规则模块所对应的判别结果进行融合后的融合结果
Figure 871165DEST_PATH_IMAGE011
，其中，
Figure 415279DEST_PATH_IMAGE012
为选用的规则模块的数量，
Figure 625680DEST_PATH_IMAGE013
为选用的规则模块对应的输出结果，
Figure 541946DEST_PATH_IMAGE014
表示权重，取值范围为0至1，并有约束：
Figure 812390DEST_PATH_IMAGE006
根据
Figure 578221DEST_PATH_IMAGE007
获得最终判定结果
Figure 326734DEST_PATH_IMAGE015
，其中，
Figure 363086DEST_PATH_IMAGE016
为阈值，1表示输入的用户流量属于欺诈流量，0表示输入的用户流量不属于欺诈流量。
本发明的有益效果如下：本发明所提出的基于信息融合的互联网流量反欺诈方法在融合多种信息的同时，根据使用场景和用户信息对用户流量进行划分获得规则维度下的规则层和用户维度下的用户层，并将所述规则维度下的规则层和所述用户维度下的用户层进行整合后生成用户层在规则层中所对应的划分内容，并在规则维度下，选择任意一个所述规则层中至少一个划分内容作为规则模块，能够保证高效的开发业务和甄别欺诈流量。同时，在规则中还可以将涉及用户侧的隐私数据进行有效保护，在满足各种场景的需求的同时，提高了隐私的安全性。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本发明实施例1所述的一种基于信息融合的互联网流量反欺诈方法的流程图；
图2为本发明实施例所述的笛卡尔坐标系下的用户流量的二维划分示意图。
具体实施方式
为了使本申请实施例中的技术方案及优点更加清楚明白，以下结合附图对本申请的示例性实施例进行进一步详细的说明，显然，所描述的实施例仅是本申请的一部分实施例，而不是所有实施例的穷举。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
实施例1
如图1所示，本实施例提出了一种基于信息融合的互联网流量反欺诈方法，所述方法包括：
S101、根据使用场景和用户信息对用户流量进行划分获得规则维度下的规则层和用户维度下的用户层，并将所述规则维度下的规则层和所述用户维度下的用户层进行整合后生成用户层在规则层中所对应的划分内容。
在实际工作中，规则制定是十分重要的环节，规则的好坏很大程度上决定了方法的效果。同时，规则的制定也是一项需要专业知识和不断协商的过程。为了快速准确的制定规则，将用户流量进行划分，可以发挥参与人员的各自的专业优势，并为不同的工作人员/团队分配细致的任务和明晰的责任，大大减小了规则制定的难度并提高了规则的专业性。
具体的，本实施例中，从两个维度对用户流量进行划分并制定规则，使得信息更加明了且更易于制定规则。首先对用户流量进行划分，具体划分过程是以笛卡尔坐标系为基准，分别建立服务侧的使用维度（第一维度）和用户侧的使用维度（第二维度）。然后将用户流量映射至笛卡尔坐标系中，将第一维度划分为三部分：基本规则层、领域规则层和特殊规则层。将第二维度划分为信息层和行为层。用户流量进入后，按照预设的坐标系进行二维平面的划分即可。
针对第一维度划分的说明：
基本规则层：
不针对特定场景下的规则制定。在信息层，是用户流量的基本信息，包括用户最基本的属性。在行为层是用户使用整体应用的情况，不涉及应用中更小模块的使用。
领域规则层：
使用场景的进一步细化，为其定义了不同的领域，划分的依据是企业的业务领域可以进行划分。因为在特定领域下用户流量是有共同的特征的，因此作为一种划分。同时其中不应包括受用企业的隐私。
特殊规则层：
该部分提供给使用本发明的企业公开的平台，由其进行自行制定，会涉及企业自身的用户隐私数据，该部分可以满足企业对某次特定场景下的独特要求。在完善了规则系统的制定，满足了各种场景的需求的同时，大大提高了企业的隐私保护。
针对第二维度划分的说明：
信息层中，主要是用户自身的信息，是对用户本身的描述。
行为层中，是用户在提供的应用上具体行为的描述。
图2所示即为笛卡尔坐标系下的用户流量的二维划分示意图，如图所示，用户流量被分为六个划分内容，本实施例对以下六个划分内容进行说明：
（1）基本信息：属于用户最基本的描述，从面向对象编程的角度其被解释为类。其中包括了本类所共有的属性，如年龄、性别、学历、职业、偏好、设备等基础信息。但不应包括用户的姓名，身份证，电话，住址等敏感的信息。
（2）领域信息：因本发明是可应用于互联网中具体场景下的，更进一步来说，可应用具体的App或网站。这就涉及到了具体的领域，如在金融领域下的信用等级、账户余额、理财情况等。因此本发明针对此引入了领域信息这一划分方式。
（3）特殊信息：针对互联网流量的反欺诈，受用本实施例的企业可能会有自己的反欺诈规则或用户数据库，且这部分设计企业的机密和用户隐私。如失信人员名单，违法犯罪记录等。规则系统为本部分提供接口，指定规则的同时保护了企业和用户的隐私。
（4）基本行为：基本行为指的是用户对应用的使用情况，这部分不会因不同的应用有大的差异。如在线（使用）时间、点击频率等。在每个应用中都会存在这些数据。
（5）领域行为：在（2）中已经对领域信息进行了说明，在特定领域下的应用中，会存在属于该领域的行为信息。如在社交应用中的好友人数、添加好友行为等。故本部分将领域行为进行分离。
特殊行为：和（3）中的目的类似，方便企业使用开放接口来为不同场景下指定专属的规则，同时保护受用本发明企业的和隐私。
S102、在规则维度下，在每一个规则层选择至少一个划分内容作为规则模块。
具体的，在S102中完成划分后，以第一维度进行选择，即在每一个规则层中进行选择，这样做的好处是规则的约束更好，对欺诈流量的甄别更加准确。在每个规则层中至少选择一个的划分内容的具体说明：
在基本规则层选择其中一个或者同时选择两个，共有3种情况；
在领域规则层选择其中一个或者同时选择两个，共有3种情况；
在特殊规则层选择其中一个或者同时选择两个，共有3种情况；
在至少选择一个的情况下：共有3*3*3=27种组合情况。实际工作中还存在某些规则模块不选择情况，组合情况更灵活，方案更多样。
S103、调用规则引擎，将每个所述规则模块嵌入至所述规则引擎中，对规则引擎输入的用户流量进行判别，输出每个规则模块所对应的判别结果。
具体的，在选定组合方式后，根据组合的规则模块，调用现有的规则引擎，并将规则模块嵌入至规则引擎中。使用规则引擎后，可实现需要与业务代码分离。每一个规则模块都会单独输出各自对流入的用户流量的判别结果。
S104、将所述每个规则模块所对应的判别结果进行融合后输出最终判定结果。
在实际应用中，用户流量中所存在的信息对判定结果的重要程度是不一样的，不同规则下输出的可信度也不一定是完全相同的。本实施例中，对规则模块输出的判别结果进行权重的分配。权重越大代表了信息越重要，输出的可信度越高。反之，则越低。具体实现过程如下：
根据
Figure 538852DEST_PATH_IMAGE010
获得将每个规则模块所对应的判别结果进行融合后的融合结果
Figure 791979DEST_PATH_IMAGE002
，其中，
Figure 845648DEST_PATH_IMAGE003
为选用的规则模块的数量，
Figure 766199DEST_PATH_IMAGE004
为选用的规则模块对应的输出结果，
Figure 644025DEST_PATH_IMAGE005
表示权重，取值范围为0至1,
Figure 885913DEST_PATH_IMAGE017
的值越大代表结果越重要，并有约束：
Figure 976229DEST_PATH_IMAGE006
根据
Figure 485708DEST_PATH_IMAGE007
获得最终判定结果
Figure 770321DEST_PATH_IMAGE008
，其中，
Figure 998040DEST_PATH_IMAGE009
为阈值，1表示输入的用户流量属于欺诈流量，0表示输入的用户流量不属于欺诈流量。
本实施例对于隐私的保护如下：
基本规则层：由开发人员管理和开发，实现了对开发方的技术性保护。
领域规则层：提供开发技术的企业和受服务企业进行共同协定，制定隐私协议等。本部分属于共享的，但双方约定了隐私条款，保护了双方的隐私。
特殊规则层：由受服务企业自行制定，不对其他人进行开发，实现了对企业数据隐私的保护。
实施例2
对应实施例1，本实施例提出了一种基于信息融合的互联网流量反欺诈装置，所述装置包括处理器，所述处理器，其被配置有处理器可执行的操作指令，以执行如下操作：
根据使用场景和用户信息对用户流量进行划分获得规则维度下的规则层和用户维度下的用户层，并将所述规则维度下的规则层和所述用户维度下的用户层进行整合后生成用户层在规则层中所对应的划分内容；
在规则维度下，在每一个规则层选择至少一个划分内容作为规则模块；
调用规则引擎，将每个所述规则模块嵌入至所述规则引擎中，对规则引擎输入的用户流量进行判别，输出每个规则模块所对应的判别结果；
将所述每个规则模块所对应的判别结果进行融合后输出最终判定结果。
本实施例在融合多种信息的同时，根据使用场景和用户信息对用户流量进行划分获得规则维度下的规则层和用户维度下的用户层，并将所述规则维度下的规则层和所述用户维度下的用户层进行整合后生成用户层在规则层中所对应的划分内容，并在规则维度下，选择任意一个所述规则层中至少一个划分内容作为规则模块，能够保证高效的开发业务和甄别欺诈流量。同时，在规则中还可以将涉及用户侧的隐私数据进行有效保护，在满足各种场景的需求的同时，提高了隐私的安全性。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

Claims (10)

1.一种基于信息融合的互联网流量反欺诈方法，其特征在于，所述方法包括：
根据使用场景和用户信息对用户流量进行划分获得规则维度下的规则层和用户维度下的用户层，并将所述规则维度下的规则层和所述用户维度下的用户层进行整合后生成用户层在规则层中所对应的划分内容；
在规则维度下，在每一个规则层选择至少一个划分内容作为规则模块；
调用规则引擎，将每个所述规则模块嵌入至所述规则引擎中，对规则引擎输入的用户流量进行判别，输出每个规则模块所对应的判别结果；
将所述每个规则模块所对应的判别结果进行融合后输出最终判定结果。
2.根据权利要求1所述的方法，其特征在于，所述根据使用场景和用户信息对用户流量进行划分获得规则维度下的规则层和用户维度下的用户层，并将所述规则维度下的规则层和所述用户维度下的用户层进行整合后生成用户层在规则层中所对应的划分内容的过程为：
建立笛卡尔坐标系，分别建立规则维度和用户维度；
将用户流量映射至所述笛卡尔坐标系中，根据使用场景和用户信息对用户流量进行划分获得规则维度下的规则层和用户维度下的用户层；
根据预设的坐标系对所述笛卡尔坐标系中获得的规则维度下的规则层和用户维度下的用户层进行二维平面划分获得用户层在规则层中所对应的划分内容。
3.根据权利要求2所述的方法，其特征在于，所述规则维度下的规则层包括：
用于服务侧在所有场景下的管理和开发，对服务侧的技术性保护的基本规则层；
用于服务侧在特定场景下与用户侧制定隐私协议的领域规则层；
用于用户侧自行制定场景的特殊规则层。
4.根据权利要求2所述的方法，其特征在于，所述用户维度下的用户层包括：
用于描述用户侧信息的信息层；
用于描述用户侧在任意场景下的行为的行为层。
5.根据权利要求1所述的方法，其特征在于，所述将所述每个规则模块所对应的判别结果进行融合后输出最终判定结果的过程为：
根据
Figure DEST_PATH_IMAGE002
获得将所述每个规则模块所对应的判别结果进行融合后的融合结果
Figure DEST_PATH_IMAGE003
，其中，
Figure DEST_PATH_IMAGE004
为选用的规则模块的数量，
Figure DEST_PATH_IMAGE005
为选用的规则模块对应的输出结果，
Figure DEST_PATH_IMAGE006
表示权重，取值范围为0至1，并有约束：
Figure DEST_PATH_IMAGE007
根据
Figure DEST_PATH_IMAGE008
获得最终判定结果
Figure DEST_PATH_IMAGE009
，其中，
Figure DEST_PATH_IMAGE010
为阈值，1表示输入的用户流量属于欺诈流量，0表示输入的用户流量不属于欺诈流量。
6.一种基于信息融合的互联网流量反欺诈装置，其特征在于，所述装置包括处理器，所述处理器，其被配置有处理器可执行的操作指令，以执行如下操作：
根据使用场景和用户信息对用户流量进行划分获得规则维度下的规则层和用户维度下的用户层，并将所述规则维度下的规则层和所述用户维度下的用户层进行整合后生成用户层在规则层中所对应的划分内容；
在规则维度下，在每一个规则层选择至少一个划分内容作为规则模块；
调用规则引擎，将每个所述规则模块嵌入至所述规则引擎中，对规则引擎输入的用户流量进行判别，输出每个规则模块所对应的判别结果；
将所述每个规则模块所对应的判别结果进行融合后输出最终判定结果。
7.根据权利要求6所述的装置，其特征在于，所述处理器，其被配置有处理器可执行的操作指令，以执行如下操作：
建立笛卡尔坐标系，分别建立规则维度和用户维度；
将用户流量映射至所述笛卡尔坐标系中，根据使用场景和用户信息对用户流量进行划分获得规则维度下的规则层和用户维度下的用户层；
根据预设的坐标系对所述笛卡尔坐标系中获得的规则维度下的规则层和用户维度下的用户层进行二维平面划分获得用户层在规则层中所对应的划分内容。
8.根据权利要求7所述的装置，其特征在于，所述规则维度下的规则层包括：
用于服务侧在所有场景下的管理和开发，对服务侧的技术性保护的基本规则层；
用于服务侧在特定场景下与用户侧制定隐私协议的领域规则层；
用于用户侧自行制定场景的特殊规则层。
9.根据权利要求7所述的装置，其特征在于，所述用户维度下的用户层包括：
用于描述用户侧信息的信息层；
用于描述用户侧在任意场景下的行为的行为层。
10.根据权利要求6所述的装置，其特征在于，所述处理器，其被配置有处理器可执行的操作指令，以执行如下操作：
根据
Figure DEST_PATH_IMAGE001
获得将所述每个规则模块所对应的判别结果进行融合后的融合结果
Figure 660307DEST_PATH_IMAGE003
，其中，
Figure 165238DEST_PATH_IMAGE004
为选用的规则模块的数量，
Figure 634134DEST_PATH_IMAGE005
为选用的规则模块对应的输出结果，
Figure 693357DEST_PATH_IMAGE006
表示权重，取值范围为0至1，并有约束：
Figure 842DEST_PATH_IMAGE007
根据
Figure 533848DEST_PATH_IMAGE008
获得最终判定结果
Figure 534165DEST_PATH_IMAGE009
，其中，
Figure 549525DEST_PATH_IMAGE010
为阈值，1表示输入的用户流量属于欺诈流量，0表示输入的用户流量不属于欺诈流量。
CN202110287995.4A 2021-03-18 2021-03-18 一种基于信息融合的互联网流量反欺诈方法及装置 Pending CN112668674A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110287995.4A CN112668674A (zh) 2021-03-18 2021-03-18 一种基于信息融合的互联网流量反欺诈方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110287995.4A CN112668674A (zh) 2021-03-18 2021-03-18 一种基于信息融合的互联网流量反欺诈方法及装置

Publications (1)

Publication Number Publication Date
CN112668674A true CN112668674A (zh) 2021-04-16

Family

ID=75399596

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110287995.4A Pending CN112668674A (zh) 2021-03-18 2021-03-18 一种基于信息融合的互联网流量反欺诈方法及装置

Country Status (1)

Country Link
CN (1) CN112668674A (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108093428A (zh) * 2017-11-06 2018-05-29 浙江每日互动网络科技股份有限公司 用于鉴别真实流量的服务器
CN109559149A (zh) * 2018-10-17 2019-04-02 杭州家娱互动网络科技有限公司 一种流量识别处理方法及装置
CN111782735A (zh) * 2020-07-01 2020-10-16 北京深演智能科技股份有限公司 羊毛党流量识别方法及装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108093428A (zh) * 2017-11-06 2018-05-29 浙江每日互动网络科技股份有限公司 用于鉴别真实流量的服务器
CN109559149A (zh) * 2018-10-17 2019-04-02 杭州家娱互动网络科技有限公司 一种流量识别处理方法及装置
CN111782735A (zh) * 2020-07-01 2020-10-16 北京深演智能科技股份有限公司 羊毛党流量识别方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
LEOHOWELL: "陌陌风控系统静态规则引擎", 《HTTPS://GITHUB.COM/PERRYHAU/ASWAN》 *

Similar Documents

Publication Publication Date Title
US10558821B2 (en) Data processing systems for fulfilling data subject access requests and related methods
Hansen et al. Privacy and identity management
CN105763547B (zh) 第三方授权方法和第三方授权系统
Wang et al. Impact and user perception of sandwich attacks in the defi ecosystem
US20180322571A1 (en) System and method for facilitating electronic transactions
CN106452793A (zh) 一种电子签名的方法和系统
Cha et al. A data-driven security risk assessment scheme for personal data protection
US20220222682A1 (en) Data processing systems for identity validation for consumer rights requests and related methods
WO2019028403A1 (en) DATA PROCESSING SYSTEMS FOR MEASURING DATA ACCESS QUERIES AND ASSOCIATED METHODS
Allison et al. Privacy protection framework with defined policies for service-oriented architecture
Ekow Kelly et al. The contribution of government policy and financial security control in Ghana’s mobile money services
KR20210053149A (ko) 간편동의 서비스 시스템 및 방법과, 이를 위한 사용자 장치 및 컴퓨터 프로그램
Bryant Africa in the information age: Challenges, opportunities, and strategies for data protection and digital rights
CN106254226A (zh) 一种信息同步方法及装置
CN112668674A (zh) 一种基于信息融合的互联网流量反欺诈方法及装置
KR102119383B1 (ko) 간편동의 서비스 시스템 및 방법과, 이를 위한 사용자 장치 및 컴퓨터 프로그램
Hasty et al. Data protection law in the USA
EP3859623A1 (en) Risk vertex identification method and apparatus
Voss et al. Privacy, E-commerce, and data security
TWI790985B (zh) 基於區塊鏈及零知識證明機制的資料取用權限控管系統、以及相關的資料服務系統
Vinothkumar et al. Significance of Block Chain in IoTSG‐A Prominent and Reliable Solution
CN112069231B (zh) 用户信息处理方法及装置、存储介质、电子设备
Federal Trade Commission FTC report to congress on privacy and security (2021)
US11907873B1 (en) Systems and methods for business syndicate geolocated skill matching
Khan Survey Of Recent FTC Privacy Enforcement Actions and Developments

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