CN113365113A

CN113365113A - 目标节点识别方法及装置

Info

Publication number: CN113365113A
Application number: CN202110597905.1A
Authority: CN
Inventors: 王璐
Original assignee: Wuhan Douyu Network Technology Co Ltd
Current assignee: Wuhan Douyu Network Technology Co Ltd
Priority date: 2021-05-31
Filing date: 2021-05-31
Publication date: 2021-09-07
Anticipated expiration: 2041-05-31
Also published as: CN113365113B

Abstract

本发明实施例公开了一种目标节点识别方法及装置，该方法包括：确定目标用户以及所述目标用户所观看的观看直播间，以所述目标用户和所述观看直播间为节点构建目标识别总图，并确定与所述目标识别总图对应的至少一个目标识别子图；确定与所述目标识别总图对应的至少一个目标随机总图，并确定与所述目标随机总图对应的至少一个目标随机子图；基于所述目标识别子图以及所述目标随机子图，确定各子图模式的显著性；基于所述显著性确定所述目标识别总图中各节点的风险值，并基于所述风险值确定所述目标识别总图各节点中的目标节点。通过本发明实施例的技术方案，实现了对存在盗流风险的节点进行准确识别的技术效果。

Description

目标节点识别方法及装置

技术领域

本发明实施例涉及大数据风险控制技术领域，尤其涉及一种目标节点识别方法及装置。

背景技术

在直播平台上，存在内容分发网络(Content Delivery Network，CDN)盗流的风险。CDN盗流的具体表现为通过刷人气、挂贵宾等非法手段产生虚假流量，占用公司网络宽带。

对于直播平台而言，CDN盗流会导致网络宽带的浪费，甚至会造成公司的巨大损失。因此，CDN盗流对直播平台的危害性极大，需要及时并且准确的识别，并采取相应措施来维护直播平台的权益。

发明内容

本发明实施例提供了一种目标节点识别方法及装置，以实现对存在盗流风险的节点进行准确识别的技术效果。

第一方面，本发明实施例提供了一种目标节点识别方法，该方法包括：

确定目标用户以及所述目标用户所观看的观看直播间，以所述目标用户和所述观看直播间为节点构建目标识别总图，并确定与所述目标识别总图对应的至少一个目标识别子图；

确定与所述目标识别总图对应的至少一个目标随机总图，并确定与所述目标随机总图对应的至少一个目标随机子图；

基于所述目标识别子图以及所述目标随机子图，确定各子图模式的显著性；

基于所述显著性确定所述目标识别总图中各节点的风险值，并基于所述风险值确定所述目标识别总图各节点中的目标节点。

第二方面，本发明实施例还提供了一种目标节点识别装置，该装置包括：

目标识别子图确定模块，用于确定目标用户以及所述目标用户所观看的观看直播间，以所述目标用户和所述观看直播间为节点构建目标识别总图，并确定与所述目标识别总图对应的至少一个目标识别子图；

目标随机子图确定模块，用于确定与所述目标识别总图对应的至少一个目标随机总图，并确定与所述目标随机总图对应的至少一个目标随机子图；

显著性确定模块，用于基于所述目标识别子图以及所述目标随机子图，确定各子图模式的显著性；

识别模块，用于基于所述显著性确定所述目标识别总图中各节点的风险值，并基于所述风险值确定所述目标识别总图各节点中的目标节点。

第三方面，本发明实施例还提供了一种电子设备，所述电子设备包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明实施例任一所述的目标节点识别方法。

第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例任一所述的目标节点识别方法。

本发明实施例的技术方案，通过确定目标用户以及目标用户所观看的观看直播间，以目标用户和观看直播间为节点构建目标识别总图，并确定与目标识别总图对应的至少一个目标识别子图，进而，确定与目标识别总图对应的至少一个目标随机总图，并确定与目标随机总图对应的至少一个目标随机子图，基于目标识别子图以及目标随机子图，确定各子图模式的显著性，基于显著性确定目标识别总图中各节点的风险值，并基于风险值确定目标识别总图各节点中的目标节点，解决了无法准确对复杂模式下的具有CDN盗流风险的节点进行识别的问题，实现了通过子图模式对存在CDN盗流风险的节点进行准确识别的技术效果。

附图说明

为了更加清楚地说明本发明示例性实施例的技术方案，下面对描述实施例中所需要用到的附图做一简单介绍。显然，所介绍的附图只是本发明所要描述的一部分实施例的附图，而不是全部的附图，对于本领域普通技术人员，在不付出创造性劳动的前提下，还可以根据这些附图得到其他的附图。

图1为本发明实施例一所提供的一种目标节点识别方法的流程示意图；

图2为本发明实施例一所提供的目标识别子图的示意图；

图3为本发明实施例二所提供的一种目标节点识别方法的流程示意图；

图4为本发明实施例二所提供的一种目标识别总图的示意图；

图5为本发明实施例二所提供的另一种目标识别总图的示意图；

图6为本发明实施例二所提供的节点辐射示意图；

图7为本发明实施例二所提供的目标随机总图的示意图；

图8为本发明实施例三所提供的一种目标节点识别方法的流程示意图；

图9为本发明实施例四所提供的一种目标节点识别装置的结构示意图；

图10为本发明实施例五所提供的一种电子设备的结构示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

实施例一

图1为本发明实施例一所提供的一种目标节点识别方法的流程示意图，本实施例可适用于在直播平台上对盗流风险进行识别的情况，该方法可以由目标节点识别装置来执行，该装置可以通过软件和/或硬件的形式实现，该硬件可以是电子设备，可选的，电子设备可以是移动终端，PC端等。

如图1所述，本实施例的方法具体包括如下步骤：

S110、确定目标用户以及目标用户所观看的观看直播间，以目标用户和观看直播间为节点构建目标识别总图，并确定与目标识别总图对应的至少一个目标识别子图。

其中，目标用户可以是在直播平台上可以观看直播的用户。观看直播间可以是各目标用户观看的直播间。目标识别总图可以是根据目标用户和目标用户之间的关联以及目标用户和观看直播间之间的关联构建的与各目标用户观看行为相关图。目标识别子图可以是目标识别总图中的由预设数量节点构成的子图。

具体的，根据各目标用户的观看行为可以确定目标用户所观看的观看直播间。每个目标用户对应的观看直播间的数量可以是任意数量的，例如：目标用户A是新用户，并未进行对直播间的观看行为；目标用户B只观看直播间X，观看直播间X就是目标用户B所观看的观看直播间；目标用户C经常浏览各类直播间，这些直播间都可以看作是目标用户C所对应的观看直播间。在确定目标用户以及观看直播间后，可以根据观看行为构建目标识别总图，进而，从目标识别总图中确定出目标识别子图。

示例性的，如图2所示，显示了三种由三个节点以及节点之间的边构成的目标识别子图。可以看出，即使节点类型相同，目标识别子图也可能不同，即使边相同，目标识别子图也可能不同。

S120、确定与目标识别总图对应的至少一个目标随机总图，并确定与目标随机总图对应的至少一个目标随机子图。

其中，目标随机总图可以是与目标识别总图具有相同节点和相同节点度的图，目标随机子图可以是目标随机总图中的由预设数量节点构成的子图。

具体的，在确定目标识别总图后，可以确定其中的各节点以及与各节点所对应的度。基于各节点以及各节点的度，可以构建除目标识别总图之外的图，并将这些图都作为目标随机总图。进而，根据目标识别子图的确定方式，可以从目标随机总图中确定出目标随机子图。

S130、基于目标识别子图以及目标随机子图，确定各子图模式的显著性。

其中，子图模式可以是具有相同节点类型以及相同边的子图构成的模式。显著性可以是用于衡量目标识别总图中各子图模式是否显著的参数值。

具体的，如果某一种子图模式的显著性较高，则可以表现为这种子图模式在目标识别总图中的出现次数与在目标随机总图中的出现次数具有明显不同。因此，可以根据子图模式在目标识别总图和各目标随机总图中的出现次数，通过统计学计算方式，确定各子图模式的显著性。

可选的，可以预先设定显著性阈值，如果某一子图模式的显著性高于显著性阈值，那么可以将该子图模式作为显著子图模式，并将显著子图模式集合记为M，m∈M，m是任意一个显著子图模式。

S140、基于显著性确定目标识别总图中各节点的风险值，并基于风险值确定目标识别总图各节点中的目标节点。

其中，风险值可以是用于衡量各节点存在盗流风险的数值。目标节点可以是从目标识别总图中的所有节点中，识别出的具有盗流风险的节点。目标节点可以对应目标用户或观看直播间。

具体的，可以根据目标识别总图中符合各子图模式中的各节点的概率确定各子图模式的风险概率，进而可以基于各子图模式的显著性以及风险概率，确定出各节点的风险值。进而，可以基于预设风险阈值，确定风险值大于预设风险阈值的节点为目标节点。

本发明实施例的技术方案，通过确定目标用户以及目标用户所观看的观看直播间，以目标用户和观看直播间为节点构建目标识别总图，并确定与目标识别总图对应的至少一个目标识别子图，进而，确定与目标识别总图对应的至少一个目标随机总图，并确定与目标随机总图对应的至少一个目标随机子图，基于目标识别子图以及目标随机子图，确定各子图模式的显著性，基于显著性确定目标识别总图中各节点的风险值，并基于风险值确定目标识别总图各节点中的目标节点，解决了无法准确对复杂模式下的具有盗流风险的节点进行识别的问题，实现了通过子图模式对存在盗流风险的节点进行准确识别的技术效果。

实施例二

图3为本发明实施例二所提供的一种目标节点识别方法的流程示意图，本实施例在上述各实施例的基础上，针对目标识别总图的构建方式以及目标随机总图的构建方式可参见本实施例的技术方案。其中，与上述各实施例相同或相应的术语的解释在此不再赘述。

如图3所述，本实施例的方法具体包括如下步骤：

S210、确定目标用户以及目标用户所观看的观看直播间。

S220、构建目标用户和观看直播间之间的边，基于目标用户、观看直播间以及边构建目标识别总图。

其中，边包括有向边和/或无向边，用于表示各节点之间的连接关系。

具体的，根据目标用户在各观看直播间中的观看行为，可以生成连接目标用户与观看直播间的边，根据具有相同观看行为或相同付费行为的两个目标用户，可以生成连接两个目标用户的边。在确定各目标用户和观看直播间的节点，以及各节点之间的连接关系，构建目标识别总图。

可选的，可以基于下述步骤，构建目标用户和观看直播间之间的边：

若目标用户在观看直播间的观看时长达到预设时长，则生成一条由目标用户指向观看直播间的有向边；若两个目标用户的相同标签数量大于或等于预设标签数量，则生成一条在两个目标用户之间的无向边。

其中，预设时长可以是用于衡量目标用户是否通过观看直播间占用网络流量的时长，例如：5分钟等，具体数值可以根据实际需求设定。标签可以是根据目标用户的某些行为生成的标签，例如：观看时长满足条件时生成的标签，为直播间充值金额满足条件时生成的标签，或者是通过虚拟货币购买的粉丝标签等。预设标签数量可以是用于衡量两个目标用户的关联性的数值，例如：2个等，具体数值可以根据实际需求设定。

具体的，针对目标用户在各观看直播间的观看时长可以确定与目标用户相关联的观看直播间，进而，生成有目标用户指向这些观看直播间的有向边，以完成各目标用户与观看直播间之间的连接。若两个目标用户具有相同标签的数量大于或等于预设标签数量，则可以认为这两个目标用户具有较强的关联性，可以通过无向边连接这两个目标用户。

需要说明的是，建立目标用户与观看直播间之间的有向边的原理是：与盗流相关的行为是通过目标用户对观看直播间的观看行为实现的，因此，通过目标用户对各观看直播间的观看行为来建边，能够直接对观看行为进行刻画。建立目标用户与目标用户之间的无向边的原理是：挂虚假标签是一种直播平台上较为常见的风险行为，若两个目标用户的标签之间存在若干相同的直播间对应的标签，那么说明这两个目标用户之间具有较强的联系，因此，可以通过建边来刻画这一联系。

S230、确定与目标识别总图对应的至少一个目标识别子图。

具体的，可以从目标随机总图中使用穷举法或其他方法来确定与目标识别总图对应的至少一个目标随机总图。

可选的，为了减少确定目标识别子图的时间，可以根据下述步骤来确定与目标识别总图对应的至少一个目标识别子图：

步骤一、针对目标识别总图中的各节点进行依次编号。

具体的，可以为目标识别总图中的各节点进行编号，编号的原则可以是大小不同的数字。为了编号过程简洁，且便于后续构建目标识别子图，可以是：从1开始，从小到大依次进行编号。

步骤二、基于目标识别总图中各节点的编号以及各节点之间是否有边分别确定各节点的候选节点集合。

其中，候选节点集合可以是与任一节点对应的集合，集合中存放的可以是大于该节点编号的邻居节点。

具体的，针对每个节点都可以确定该节点的邻居节点，并根据邻居节点中大于该节点编号的节点构建与该节点对应的候选节点集合。

步骤三、基于各节点以及与各节点对应的候选节点集合构建目标识别子图。

具体的，针对每个节点，可以从与起始节点对应的候选节点集合中确定一个候选节点，与起始节点构成一个中间子图集合，并从根据中间子图集合确定中间子图集合的邻居节点中大于起始节点编号的节点作为该中间子图集合的候选节点集合。依据上述步骤，可以以每个节点作为起始节点，构建包含预设数量节点的目标识别子图。

示例性的，目标识别总图的示意图如图4所示，可以为各节点进行1-5的编号处理，并预先设置目标识别子图中的节点数量为3。根据各节点的编号以及各节点之间是否有边，可以构建各节点的候选节点集合。节点1对应的候选节点集合ext＝{3}，节点2对应的候选节点集合ext＝{3}，节点3对应的候选节点集合ext＝{4,5}，节点4对应的候选节点集合ext＝{5}，节点5对应的候选节点集合

进一步，确定节点1对应的目标识别子图：中间子图集合{1,3}，对应的候选节点集合ext＝{2,4,5}，可以将节点1,3,2，节点1,3,4和节点1,3,5构成的图作为与节点1对应的目标识别子图。确定节点2对应的目标识别子图：中间子图集合{2,3}，对应的候选节点集合ext＝{4,5}，可以将节点2,3,4和节点2,3,5构成的图作为与节点2对应的目标识别子图。确定节点3对应的目标识别子图：中间子图集合{3,4}和{3,5}两种情况。针对中间子图集合{3,4}，对应的候选节点集合ext＝{5}，针对中间子图集合{3,5}，对应的候选节点集合

因此，可以将节点3,4,5构成的图作为与节点3对应的目标识别子图。确定节点4对应的目标识别子图：中间子图集合{4,5}，对应的候选节点集合

不存在与节点4对应的目标识别子图。由于节点5所对应的

也就不存在与节点5对应的目标识别子图。综上所述，可以确定目标识别子图包括：节点1,3,2，节点1,3,4，节点1,3,5，节点2,3,4，节点2,3,5和节点3,4,5构成的图。

S240、确定与目标识别总图对应的至少一个目标随机总图。

具体的，可以确定目标识别总图中的各节点以及与各节点所对应的度。基于各节点以及各节点的度，可以构建由这些节点和节点的度组成的图，将这些图中除目标识别总图之外的图，都作为目标随机总图。

可选的，可以基于下述步骤确定与目标识别总图对应的至少一个目标随机总图：

步骤一、确定目标识别总图的各节点以及与各节点对应的节点度数。

其中，节点度数可以包括出度度数以及入度度数，可以将两各节点之间的无向边简化的认为是两个节点之间互相指向的有向边。

需要说明的是，通过将无向边转化为有向边，可以将目标识别总图转化为一个有向图。对于有向图来说，将节点的出边条数作为该节点的出度，节点的入边条数称为该节点的入度。进而，将出度的数值作为出度度数，将入度的数值作为入度度数。

具体的，可以根据目标识别总图依次确定各节点以及各节点对应的节点的出度度数和入度度数。

步骤二、基于各节点以及节点度数分别生成各节点的节点辐射。

其中，节点辐射可以是以节点为中心，根据节点的出度和入度构建的辐射线而生成的。

具体的，可以基于各节点以及节点度数分别构建各节点的辐射线，将节点和与节点相关的辐射线进行组合确定与该节点对应的节点辐射。

步骤三、分别将不同的两个节点的节点辐射相连，生成目标随机总图。

具体的，将不同的两个节点的辐射线根据入度和出度之间的匹配进行连接，直至全部的节点辐射的辐射线都被连接，则可以确定连接后的图。再进行其他形式的连接，直至将可以连接的情况被列举完毕，此时，从这些得到的图中剔除目标识别总图，将剩余的图作为目标随机总图。

示例性的，图5为另一种目标识别总图的示意图，根据目标识别总图可以确定目标识别总图的各节点为A，B，C，D和E。节点A的节点度数为4，其中，出度度数为3，入度度数为1；节点B的节点度数为1，其中，出度度数为0，入度度数为1；节点C的节点度数为4，其中，出度度数为3，入度度数为1；节点D的节点度数为2，其中，出度度数为0，入度度数为2；节点E的节点度数为1，其中，出度度数为0，入度度数为1。根据上述信息，可以构建如图6所示的节点辐射示意图。进而，分别将不同的两个节点的节点辐射相连，可以生成如图7所示的目标随机总图。

S250、确定与目标随机总图对应的至少一个目标随机子图。

可选的，可以是根据如S230记载的确定与目标识别总图对应的至少一个目标识别子图的方式，类似的确定与目标随机总图对应的至少一个目标随机子图。

S260、基于目标识别子图以及目标随机子图，确定各子图模式的显著性。

S270、基于显著性确定目标识别总图中各节点的风险值，并基于风险值确定目标识别总图各节点中的目标节点。

本发明实施例的技术方案，通过确定目标用户以及目标用户所观看的观看直播间，构建目标用户和观看直播间之间的边，基于目标用户、观看直播间以及边构建目标识别总图，以准确的构建目标识别总图，确定与目标识别总图对应的至少一个目标识别子图，确定与目标识别总图对应的至少一个目标随机总图并确定与目标随机总图对应的至少一个目标随机子图，基于目标识别子图以及目标随机子图，确定各子图模式的显著性，基于显著性确定目标识别总图中各节点的风险值，并基于风险值确定目标识别总图各节点中的目标节点，解决了无法准确对具有盗流风险的模式类型进行合理划分，以及无法准确识别各模式类型下的具有风险的节点的问题，实现了对目标识别总图和目标随机总图的构建，以及对目标识别子图和目标随机子图的确定，进而，对各子图模式中存在盗流风险的节点进行准确识别的技术效果。

实施例三

图8为本发明实施例三所提供的一种目标节点识别方法的流程示意图，本实施例在上述各实施例的基础上，针对显著性的确定方式以及风险值的确定方式可参见本实施例的技术方案。其中，与上述各实施例相同或相应的术语的解释在此不再赘述。

如图8所述，本实施例的方法具体包括如下步骤：

S310、确定目标用户以及目标用户所观看的观看直播间，以目标用户和观看直播间为节点构建目标识别总图，并确定与目标识别总图对应的至少一个目标识别子图。

S320、确定与目标识别总图对应的至少一个目标随机总图，并确定与目标随机总图对应的至少一个目标随机子图。

S330、针对每一种子图模式，根据子图模式的目标识别子图在各目标随机总图中的出现次数以及子图模式的目标识别子图在目标识别总图中的出现次数，确定子图模式的显著性。

具体的，针对每一种子图模式可以确定该子图模式的目标识别子图在各目标随机总图中的出现次数，即确定各目标随机总图中与该子图模式具有相同结构的目标随机子图的数量。针对每一种子图模式可以确定该子图模式的目标识别子图在目标识别总图中的出现次数，即确定目标识别总图中与该子图模式具有相同结构的目标识别子图的数量。进而，可以确定与各子图模式对应的显著性。

可选的，可以按照如下公式确定子图模式的显著性：

其中，Z_i表示第i种子图模式的显著性，

表示第i种子图模式的目标识别子图在各目标随机总图中的出现次数，

表示第i种子图模式的目标识别子图在目标识别总图中的出现次数，

表示第i种子图模式的目标识别子图在各目标随机总图中的出现次数的平均值，

表示第i种子图模式的目标识别子图在各目标随机总图中的出现次数的标准差。

上述公式的含义是：如果目标识别总图中某一个子图模式是一个非常显著的模式，那么，该子图模式在目标识别总图中的出现次数和在目标随机总图中的出现次数是具有明显不同的。因此，通过目标识别总图中的该子图模式的出现次数和该子图模式在目标随机总图中出现的平均次数的差值，可以确定目标识别总图中该子图模式的偏离值。进而，将偏离值除以该子图模式的目标识别子图在目标随机总图中出现次数的标准差，可以确定目标识别总图中该子图模式的显著性。

示例性的，若某一子图模式的目标识别子图在各目标随机总图中的出现次数分别是5,7,9,2,6次，在目标识别总图中的出现次数为8次，此时，可以计算确定该子图模式的目标识别子图在各目标随机总图中的出现次数的平均值为

进而，还可以计算确定该子图模式的目标识别子图在各目标随机总图中的出现次数的标准差为

那么，进一步可以确定该子图模式的显著性为

S340、针对目标识别总图中的每一个节点，根据各子图模式的显著性，节点具有各子图模式的数量，目标识别总图中包含各子图模式的节点数量以及目标识别总图中的节点总数，确定目标识别总图中各节点的风险值。

其中，节点具有各子图模式的数量可以是节点属于不同子图模式的总数，例如：某一节点属于第一子图模式2次，属于第二子图模式4次，属于第三子图模式0次，属于第四子图模式2次等。

具体的，针对目标识别总图中的每一个节点，节点具有某种子图模式1次的概率可以根据目标识别总图中包含该子图模式的节点数量以及目标识别总图中的节点总数的商值来确定。再根据该节点具有该子图模式的数量，可以确定该子图模式的概率为该节点具有该子图模式的数量各上述商值的乘积。针对每个子图模式，都可以根据上述方式确定该节点对应的每个子图模式的概率。进而，可以将每个子图模式的显著性作为权重信息，以确定该节点的风险值。

可选的，若需要预先设定显著性阈值，则为了方便设定阈值，可以对显著性进行归一化处理，具体可以是将各子图模式的显著性除以全部子图模式的显著性之和。

具体的，可以按照下述公式对子图模式的显著性进行归一化处理，得到子图模式归一化后的显著性：

其中，sp_i表示第i种子图模式的标准化显著性，Z_i表示第i种子图模式的显著性，Z_j表示第j种子图模式的显著性，I表示子图模式集合。

需要说明的是，由于目标识别总图中的节点分为目标用户和观看直播间，在进行盗流风险值确定时，就需要分节点类型进行计算。

若节点为目标用户，则基于如下公式确定目标用户的风险值：

其中，ms_k表示目标用户k的风险值，sp_i表示第i种子图模式的归一化后的显著性，I表示子图模式集合，N_ik表示目标用户k具有第i种子图模式的数量，NU_i表示目标识别总图中包含第i种子图模式的目标用户数量，NU表示目标识别总图中的目标用户总数。

若节点为观看直播间，则基于如下公式确定观看直播间的风险值：

其中，ms_k表示观看直播间k的风险值，sp_i表示第i种子图模式的归一化后的显著性，I表示子图模式集合，N_ik表示观看直播间k具有第i种子图模式的数量，NR_i表示目标识别总图中包含第i种子图模式的观看直播间数量，NR表示目标识别总图中的观看直播间总数。

以节点为目标用户为例，说明上述公式的原理是：目标用户k具有第i种子图模式1次的概率为

计算方法是目标识别总图中包含第i种子图模式的目标用户数量除以目标识别总图中的目标用户总数。于是，由于目标用户k具有第i种子图模式的数量为N_ik，则可以确定目标用户k具有第i种子图模式N_ik次的概率为

这个概率通常会比较小，为了便于计算，可以对这个概率进行求对数处理，即

需要说明的是，求对数处理只是一种简化处理，并非必要处理。具有第i种子图模式的理论概率越小，说明目标用户k相对于目标识别总图来说是越稀缺的，即对于目标识别总图来说是越异常的。由于每种子图模式的显著性不同，越显著的子图模式可以给予更高的权重，因此，对上述概率进行加权求和，权重可以是各子图模式的显著性。

需要说明的是，上述计算结果为负，可以通过取反将结果变为正。这样可以更符合风险值的含义，即风险值越大，风险性越大，以便后续进行判别和处置时使用。因此，取反的结果越大，说明目标用户的风险值越大。

还需要说明的是，若节点为观看直播间，也可以根据上述说明类似的理解确定观看直播间的风险值的公式的原理。

S350、基于风险值确定目标识别总图各节点中的目标节点。

具体的，针对目标用户和观看直播间可以分别设定用户风险值阈值和直播间风险阈值。基于预设风险阈值，确定风险值大于预设风险阈值的节点为目标节点。也就是，针对目标用户，若目标用户的风险值大于预设的用户风险值，则可以将目标用户所对应的节点作为目标节点；针对观看直播间，若观看直播间的风险值大于预设的直播间风险值，则可以将观看直播就所对应的节点作为目标节点。

可选的，可以针对不同类型的目标节点进行相应的处理。例如：目标节点对应的是观众用户，那么可以实时拦截该用户的拉流请求；目标节点对应的是直播间，那么可以对主播用户进行警告，或其他形式的处罚。

本实施例的技术方案，通过确定目标用户以及目标用户所观看的观看直播间，以目标用户和观看直播间为节点构建目标识别总图，并确定与目标识别总图对应的至少一个目标识别子图，确定与目标识别总图对应的至少一个目标随机总图，并确定与目标随机总图对应的至少一个目标随机子图，针对每一种子图模式，根据子图模式的目标识别子图在各目标随机总图中的出现次数以及子图模式的目标识别子图在目标识别总图中的出现次数，确定子图模式的显著性，针对目标识别总图中的每一个节点，根据各子图模式的显著性，节点具有各子图模式的数量，目标识别总图中包含各子图模式的节点数量以及目标识别总图中的节点总数，确定目标识别总图中各节点的风险值，基于风险值确定目标识别总图各节点中的目标节点，解决了无法准确识别具有盗流风险的各模式类型下的具有风险的节点的问题，实现了对各节点的风险值的衡量，进而，对各子图模式中存在盗流风险的节点进行准确识别的技术效果。

实施例四

图9为本发明实施例四所提供的一种目标节点识别装置的结构示意图，该装置包括：目标识别子图确定模块410，目标随机子图确定模块420，显著性确定模块430和识别模块440。

可选的，目标识别子图确定模块410，用于确定目标用户以及所述目标用户所观看的观看直播间，以所述目标用户和所述观看直播间为节点构建目标识别总图，并确定与所述目标识别总图对应的至少一个目标识别子图；目标随机子图确定模块420，用于确定与所述目标识别总图对应的至少一个目标随机总图，并确定与所述目标随机总图对应的至少一个目标随机子图；显著性确定模块430，用于基于所述目标识别子图以及所述目标随机子图，确定各子图模式的显著性；识别模块440，用于基于所述显著性确定所述目标识别总图中各节点的风险值，并基于所述风险值确定所述目标识别总图各节点中的目标节点。

可选的，目标识别子图确定模块410，还用于构建所述目标用户和所述观看直播间之间的边，基于所述目标用户、所述观看直播间以及所述边构建目标识别总图，其中，所述边包括有向边和/或无向边；所述构建所述目标用户和所述观看直播间之间的边，包括：若目标用户在观看直播间的观看时长达到预设时长，则生成一条由所述目标用户指向所述观看直播间的有向边；若两个目标用户的相同标签数量大于或等于预设标签数量，则生成一条在所述两个目标用户之间的无向边。

可选的，目标识别子图确定模块410，还用于针对所述目标识别总图中的各节点进行依次编号；基于所述目标识别总图中各节点的编号以及所述各节点之间是否有边分别确定所述各节点的候选节点集合；基于所述各节点以及与所述各节点对应的候选节点集合构建目标识别子图。

可选的，目标随机子图确定模块420，还用于确定所述目标识别总图的各节点以及与所述各节点对应的节点度数；基于所述各节点以及所述节点度数分别生成所述各节点的节点辐射；分别将不同的两个节点的节点辐射相连，生成目标随机总图。

可选的，显著性确定模块430，还用于针对每一种子图模式，根据所述子图模式的目标识别子图在各目标随机总图中的出现次数以及所述子图模式的目标识别子图在所述目标识别总图中的出现次数，确定所述子图模式的显著性。

可选的，显著性确定模块430，还用于按照如下公式确定所述子图模式的显著性：

其中，Z_i表示第i种子图模式的显著性，

表示第i种子图模式的目标识别子图在所述各目标随机总图中的出现次数，

表示第i种子图模式的目标识别子图在所述目标识别总图中的出现次数，

表示第i种子图模式的目标识别子图在所述各目标随机总图中的出现次数的平均值，

表示第i种子图模式的目标识别子图在所述各目标随机总图中的出现次数的标准差。

可选的，识别模块440，还用于针对所述目标识别总图中的每一个节点，根据所述各子图模式的显著性，所述节点具有所述各子图模式的数量，所述目标识别总图中包含所述各子图模式的节点数量以及所述目标识别总图中的节点总数，确定所述目标识别总图中各节点的风险值。

可选的，若所述节点为目标用户，则识别模块440，还用于基于如下公式确定所述目标用户的风险值：

其中，ms_k表示目标用户k的风险值，sp_i表示第i种子图模式的归一化后的显著性，I表示子图模式集合，N_ik表示目标用户k具有第i种子图模式的数量，NU_i表示所述目标识别总图中包含第i种子图模式的目标用户数量，NU表示所述目标识别总图中的目标用户总数。

可选的，若所述节点为观看直播间，则识别模块440，还用于基于如下公式确定所述观看直播间的风险值：

其中，ms_k表示观看直播间k的风险值，sp_i表示第i种子图模式的归一化后的显著性，I表示子图模式集合，N_ik表示观看直播间k具有第i种子图模式的数量，NR_i表示所述目标识别总图中包含第i种子图模式的观看直播间数量，NR表示所述目标识别总图中的观看直播间总数。

本发明实施例所提供的目标节点识别装置可执行本发明任意实施例所提供的目标节点识别方法，具备执行方法相应的功能模块和有益效果。

值得注意的是，上述装置所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明实施例的保护范围。

实施例五

图10为本发明实施例五所提供的一种电子设备的结构示意图。图10示出了适于用来实现本发明实施例实施方式的示例性电子设备50的框图。图10显示的电子设备50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10所示，电子设备50以通用计算设备的形式表现。电子设备50的组件可以包括但不限于：一个或者多个处理器或者处理单元501，系统存储器502，连接不同系统组件(包括系统存储器502和处理单元501)的总线503。

总线503表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。

电子设备50典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备50访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。

系统存储器502可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)504和/或高速缓存存储器505。电子设备50可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统506可以用于读写不可移动的、非易失性磁介质(图10未显示，通常称为“硬盘驱动器”)。尽管图10中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线503相连。系统存储器502可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。

具有一组(至少一个)程序模块507的程序/实用工具508，可以存储在例如系统存储器502中，这样的程序模块507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。程序模块507通常执行本发明所描述的实施例中的功能和/或方法。

电子设备50也可以与一个或多个外部设备509(例如键盘、指向设备、显示器510等)通信，还可与一个或者多个使得用户能与该电子设备50交互的设备通信，和/或与使得该电子设备50能与一个或多个其它计算设备进行通信的任何设备(例如网卡，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511进行。并且，电子设备50还可以通过网络适配器512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512通过总线503与电子设备50的其它模块通信。应当明白，尽管图10中未示出，可以结合电子设备50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。

处理单元501通过运行存储在系统存储器502中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的目标节点识别方法。

实施例六

本发明实施例六还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种目标节点识别方法，该方法包括：

本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——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。计算机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、便携式计算机磁盘、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、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机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。

计算机可读的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，其中承载了计算机可读的程序代码。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。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、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。

计算机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、电线、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或其组合来编写用于执行本发明实施例操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言——诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、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)。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。