CN113806555A - 用于app的运营异常识别方法、系统、装置及存储介质 - Google Patents

用于app的运营异常识别方法、系统、装置及存储介质 Download PDF

Info

Publication number
CN113806555A
CN113806555A CN202111075500.8A CN202111075500A CN113806555A CN 113806555 A CN113806555 A CN 113806555A CN 202111075500 A CN202111075500 A CN 202111075500A CN 113806555 A CN113806555 A CN 113806555A
Authority
CN
China
Prior art keywords
risk
entity
knowledge graph
time
data
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
Application number
CN202111075500.8A
Other languages
English (en)
Other versions
CN113806555B (zh
Inventor
张芊
李岳东
石会燕
马万里
贾佳
林璐
王明胜
金沛辞
安子豪
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.)
State Grid Corp of China SGCC
State Grid Beijing Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
State Grid Beijing Electric Power 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 State Grid Corp of China SGCC, State Grid Beijing Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202111075500.8A priority Critical patent/CN113806555B/zh
Publication of CN113806555A publication Critical patent/CN113806555A/zh
Application granted granted Critical
Publication of CN113806555B publication Critical patent/CN113806555B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
    • G06F16/367—Ontology
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Databases & Information Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Educational Administration (AREA)
  • Computational Linguistics (AREA)
  • General Engineering & Computer Science (AREA)
  • Animal Behavior & Ethology (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种用于APP的运营异常识别方法、系统、装置及存储介质，运营异常识别方法包括：获取用于构建知识图谱的运营数据、外部风险数据，建立实体集合和关联关系集合，构建静态知识图谱和时间知识图谱，依据外部风险数据对照静态知识图谱和时间知识图谱进行风险分析，得到外部关联风险清单；基于静态知识图谱和时间知识图谱，识别实体间关系的合理值以及一般值，得到异常识别结果，形成包含用户账号、身份信息的风险黑名单；基于风险黑名单、外部关联风险清单拦截异常风险，提升了运营风险发现能力和智能化水平。

Description

用于APP的运营异常识别方法、系统、装置及存储介质
技术领域
本发明属于网络安全技术领域，具体涉及一种用于APP的运营异常识别方法、系统、装置及存储介质。
背景技术
APP应是用程序，Application的缩写，指手机软件。是通过分析，设计，编码，生成的软件，作用是完善原始系统的不足与个性化，使手机完善其功能，为用户提供更丰富的使用体验的主要手段。
大部分涉及到缴费的APP通常会设立用户积分体系，例如网上国网APP，有很多用户积累了高价值积分资产。但同时也吸引了大量羊毛党、黑产的注意，他们通过大量注册账号、反复绑定用电户号、利用活动规则的漏洞，侵占普通用户积分权益、套取大量活动积分，造成用户权益的损失。
发明内容
本发明的目的在于提供一种用于APP的运营异常识别方法、系统、装置及存储介质，以解决现有技术中，不法分子利用漏洞套取活动积分，造成用户权益的损失等问题。
为了实现上述目的，本发明采用如下技术方案：
第一方面，一种用于APP的运营异常识别方法，包括如下步骤：
S1、获取用于构建知识图谱的运营数据，以及外部风险数据；
S2、依据步骤S1得到的运营数据，建立实体集合和关联关系集合；
S3、依据步骤S2得到的实体集合和关联关系集合构建静态知识图谱和时间知识图谱；
S4、依据外部风险数据对照所述静态知识图谱和时间知识图谱进行风险分析，得到外部关联风险清单；基于所述静态知识图谱和时间知识图谱，识别实体间关系的合理值以及一般值；对于合理值，筛选出超过第一超标系数的合理值作为合理值异常识别结果；对于一般值，筛选出超过第二超标系数的一般值作为一般值异常识别结果；基于异常识别结果，形成包含用户账号、身份信息的风险黑名单；
S5、基于步骤S4得到的风险黑名单、外部关联风险清单拦截异常风险。
具体的，所述运营数据包括网上国网APP运营数据、微信及支付宝渠道运营数据；所述外部风险数据包括从通信公司或者公安部获取的黑产数据。
具体的，所述实体集合包括用户账号、用户手机号、用户身份信息、IP地址、终端设备、用户用电户号、运营活动、运营活动奖品、用户积分、优惠券；所述关联关系集合包括实名认证、手机号注册、用户用电户号绑定/解绑、登录IP地址或终端设备，以及用户账号参加运营活动、获取运营活动奖品、获取/消耗用户积分、兑换/使用优惠券。
具体的，所述构建静态知识图谱的方式如下：
(1)遍历实体集合，获取一个实体；
(2)遍历关系集合，获取一类关系；
(3)根据实体和关系对网上国网APP运营数据进行匹配搜索，搜索到匹配的实体后，构建实体与实体的关联关系；
(4)重复步骤(1)-(3)直至所有的实体和关系都已经被遍历到。
具体的，所述时间知识图谱的方式如下：
(1)对实体和关联关系进行扩展，增加时间关系，将原有三元关系变为实体、关联关系、时间、实体的四元关系；
(2)将实体、关联关系、时间、实体的四元关系扩展为：实体、关联关系、时间，以及时间、关联关系、实体的两层三元关系，构建知识图谱，得到具有时间属性的时间知识图谱。
具体的，将四元关系转换成2个三元关系的方法为：
对于四元关系<实体1，关联关系，实体2，时间t>，根据设定时间t搜索实体1与实体2在时间t范围内满足<实体1，关联关系，实体2>的知识集合；首先生成实体1与时间t的关联关系，然后遍历生成的知识集合，逐条生成t与实体2的多条关联关系。
具体的，得到外部关联风险清单的具体方法为：
(1)利用所述外部风险数据，分别在静态知识图谱和时间知识图谱上匹配并标注风险手机号、身份信息；
(2)基于静态知识图谱和时间知识图谱，以及风险手机号和身份信息，采用图搜索算法遍历知识图谱，发现与风险手机号、身份信息有关联关系的账号、用户户号、用户参与活动行为、奖品核销行为、用户权益兑换及核销行为；
(3)根据与风险手机号、身份证发生关联关系的层级，标记不同风险等级；满足0-1层关联关系的标记为高风险，2-3层及以上的标记为中风险，4层以上标记为低风险；
(4)将风险关联账号、手机号、风险等级、关联外部风险手机号、身份证号记录为外部关联风险清单。
第二方面，一种用于所述用于APP的运营异常识别方法的系统，包括：
数据获取模块，用于获取运营数据，以及外部风险数据；
集合构建模块，用于依据运营数据，建立实体集合和关联关系集合；
知识图谱构建模块，用于依据实体集合和关联关系集合构建静态知识图谱和时间知识图谱；
异常识别模块，用于依据外部风险数据对照所述静态知识图谱和时间知识图谱进行风险分析，得到外部关联风险清单；基于所述静态知识图谱和时间知识图谱，识别实体间关系的合理值以及一般值；对于合理值，筛选出超过第一超标系数的合理值作为合理值异常识别结果；对于一般值，筛选出超过第二超标系数的一般值作为一般值异常识别结果；基于异常识别结果，形成包含用户账号、身份信息的风险黑名单；
异常拦截模块，用于基于风险黑名单、外部关联风险清单拦截异常风险。
第三方面，一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述的用于APP的运营异常识别方法。
第四方面，一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现所述的用于APP的运营异常识别方法。
本发明的有益效果如下：
本发明实施例提供的识别方法，依据相关实体和关联关系创建静态和时间知识图谱，结合外部风险数据，利用静态知识图谱描述实体间静态或者长期关联关系，利用时间知识图谱描述实体间在特定时间范围内的关联关系，基于所建立的知识图谱识别发现运营风险，开展风险拦截，提升了运营风险发现能力和智能化水平。
附图说明
构成本申请的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1为本发明实施例运营异常识别方法的流程图。
图2为本发明实施例中知识图谱构建示意图。
图3为本发明实施例中实体与实体之间的关联关系示意图。
图4为本发明实施例运营异常识别方法的原理图。
具体实施方式
下面将参考附图并结合实施例来详细说明本发明。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。
以下详细说明均是示例性的说明，旨在对本发明提供进一步的详细说明。除非另有指明，本发明所采用的所有技术术语与本申请所属领域的一般技术人员的通常理解的含义相同。本发明所使用的术语仅是为了描述具体实施方式，而并非意图限制根据本发明的示例性实施方式。
第一方面，本发明实施例提供了一种用于APP的运营异常识别方法，以网上国网APP为例，通过构建网上国网APP运营风控数据中心，建立运营过程中的实体和关联关系，并依据相关实体和关联关系创建网上国网APP运营风险静态和时间知识图谱，结合外部风险数据，利用静态知识图谱描述实体间静态或者长期关联关系，利用时间知识图谱描述实体间在特定时间范围内(1分钟或者1小时)的关联关系，基于所建立的知识图谱识别发现网上国网APP运营风险，开展风险拦截，提升运营风险发现能力和智能化水平。
如图1所示，具体包括以下步骤：
步骤1，构建运营风控数据中心。运营风控数据中心包括：内部数据和外部数据。
内部数据主要为网上国网APP运营数据、微信及支付宝渠道运营数据，用于下面步骤中的构建知识图谱使用。具体来说，内部数据是抽取近3年网上国网APP以及微信、支付宝渠道运营数据，包括用户账号数据、用户行为数据、运营活动数据、用户权益派发和使用数据。
外部数据包括通信公司或者公安部关于黑产方面的数据，用于作为风险数据，采用离线导入等方式导入运营风控数据中心并结合构建的知识图谱进行风险分析。具体来说，外部数据主要获取近1年内通信公司或者公安部关于黑产方面的手机号、姓名以及身份证号码等数据。
步骤2，建立实体和关联关系，实体和关联关系用于后续步骤中的知识图谱构建。知识图谱采用图的数据结构进行存储，由实体作为节点，实体与实体之间的关系作为边，连接形成图。
具体来说，是基于步骤1中的网上国网APP运营数据、微信及支付宝渠道运营数据，构建实体集合和关联关系集合。实体集合包括用户账号、用户手机号、用户身份信息、IP地址、终端设备、用户用电户号、运营活动、运营活动奖品、用户积分、优惠券等。关联关系集合包括实名认证、手机号注册、用户用电户号绑定/解绑、登录IP地址或终端设备，以及用户账号参加运营活动、获取运营活动奖品、获取/消耗用户积分、兑换/使用优惠券等。
其中，用户账号、用户手机号、用户身份信息、IP地址、终端数据、用户用电户号，运营活动、运营活动奖品、用户积分、优惠券等为网上国网APP数据。用户手机号、用户用电户号、运营活动、运营活动奖品、用户积分、优惠券等为支付宝和微信数据
步骤3，依据步骤S2得到的实体集合和关联关系集合，构建静态知识图谱和时间知识图谱。
1、基于实体和关联关系，从用户行为、活动参与、用户权益使用等场景构建静态知识图谱，具体方法为：
(1)遍历实体集合，获取一个实体；
(2)遍历关系集合，获取一类关系；
(3)根据实体和关系对网上国网APP运营数据进行匹配搜索，搜索到匹配的实体后，构建实体与实体的关联关系；
(4)重复步骤(1)-(3)直至所有的实体和关系都已经被遍历到。
2、基于实体和关联关系构建时间知识图谱，具体方法为：
对实体和关联关系进行扩展，增加时间关系，将原有三元关系变为实体、关联关系、时间、实体的四元关系，然后将实体、关联关系、时间、实体的四元关系扩展为：实体、关联关系、时间，以及时间、关联关系、实体的两层三元关系，再构建时间知识图谱，构建时间知识图谱的实现方式与上述静态知识图谱构建步骤一致。从而展现一定时间内(分钟级、小时级)动态关联关系，发掘这段时间内的风险。
具体来说，将4元关系转换成2个三元关系的方法为：对于<实体1，关联关系，实体2，时间t>这样的四元关系，根据设定时间t(如分钟级就是一分钟之内，小时级就是一小时之内)搜索实体1与实体2在时间t范围内满足<实体1，关联关系，实体2>的知识集合。构建时间知识图谱时，首先生成实体1与时间t的关联关系，然后遍历生成的知识集合，逐条生成t与实体2的多条关联关系。
步骤4，导入外部风险数据开展风险分析，得到外部关联风险清单。具体如下：
(1)导入步骤1中获取的外部风险数据，分别在静态知识图谱和时间知识图谱上匹配并标注风险手机号、身份信息等。
(2)基于知识图谱和风险手机号、身份信息，采用图搜索算法遍历知识图谱，发现与风险手机号、身份信息有关联关系的账号、用户户号、用户参与活动行为、奖品核销行为、用户权益兑换及核销行为等。
(3)根据与风险手机号、身份证发生关联关系的层级，标记不同风险等级。满足0-1层关联关系的标记为高风险，2-3层及以上的标记为中风险，4层以上标记为低风险。
关联关系的层级划分方式为：直接产生关联关系的为0层，通过1层关联关系扩展找到的为1层，通过2层关联关系扩展找到的为2层，以此类推。
(4)将风险关联账号、手机号、风险等级、关联外部风险手机号、身份证号记录为外部关联风险清单，并导出。
步骤5，基于知识图谱识别运营风险。
(1)基于静态知识图谱和大数据分析，识别实体间关系的合理值，并根据该值，识别用户账号风险，对于合理值，筛选出超过第一超标系数的合理值作为合理值异常识别结果；用户账号风险包括手机号为虚拟手机号码、同号段手机号参与活动、账号关联用户户号异常、用户获取活动权益、用户权益兑换异常等风险。
例如，同一用户连续绑定户号，且户号尾数连续，9000001,9000002，9000003，9000004，9000005，9000006........超过5个户号，即为有风险，5位超标系数。
(2)基于时间知识图谱和大数据分析，识别用户短时间内发生事件数量的一般值，并根据该一般值，识别用户短时间内，大量绑定/解绑用户户号、获取活动权益、用户权益等风险。
根据该一般值，识别风险的方法为：筛选出超过第二超标系数的一般值作为一般值异常识别结果；例如，1分钟内，同一户号被10个账户绑定，10为超标系数，即为有风险。
(3)基于风险识别结果，形成包含用户账号、身份信息的风险黑名单。
步骤6，基于风险黑名单、外部关联风险清单开展风险拦截。
具体来说，是基于步骤5得到的风险黑名单以及步骤4得到的外部关联风险清单，及时冻结相关用户网上国网APP积分、权益等资产，拦截用户登录，积分权益核销等行为。
第二方面，一种用于所述用于APP的运营异常识别方法的系统，包括：
数据获取模块，用于获取运营数据，以及外部风险数据；
集合构建模块，用于依据运营数据，建立实体集合和关联关系集合；
知识图谱构建模块，用于依据实体集合和关联关系集合构建静态知识图谱和时间知识图谱；
异常识别模块，用于依据外部风险数据对照所述静态知识图谱和时间知识图谱进行风险分析，得到外部关联风险清单；基于所述静态知识图谱和时间知识图谱，识别实体间关系的合理值以及一般值；对于合理值，筛选出超过第一超标系数的合理值作为合理值异常识别结果；对于一般值，筛选出超过第二超标系数的一般值作为一般值异常识别结果；基于异常识别结果，形成包含用户账号、身份信息的风险黑名单；
异常拦截模块，用于基于风险黑名单、外部关联风险清单拦截异常风险。
第三方面，一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述的用于APP的运营异常识别方法。
第四方面，一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现所述的用于APP的运营异常识别方法。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
由技术常识可知，本发明可以通过其它的不脱离其精神实质或必要特征的实施方案来实现。因此，上述公开的实施方案，就各方面而言，都只是举例说明，并不是仅有的。所有在本发明范围内或在等同于本发明的范围内的改变均被本发明包含。

Claims (10)

1.一种用于APP的运营异常识别方法，其特征在于，包括如下步骤：
获取用于构建知识图谱的运营数据，以及外部风险数据；
依据所述运营数据，建立实体集合和关联关系集合；
依据所述实体集合和关联关系集合构建静态知识图谱和时间知识图谱；
依据外部风险数据对照所述静态知识图谱和时间知识图谱进行风险分析，得到外部关联风险清单；基于所述静态知识图谱和时间知识图谱，识别实体间关系的合理值以及一般值；对于合理值，筛选出超过第一超标系数的合理值作为合理值异常识别结果；对于一般值，筛选出超过第二超标系数的一般值作为一般值异常识别结果；基于异常识别结果，形成包含用户账号、身份信息的风险黑名单；
基于所述风险黑名单、外部关联风险清单拦截异常风险。
2.根据权利要求1所述的用于APP的运营异常识别方法，其特征在于，所述运营数据包括网上国网APP运营数据、微信及支付宝渠道运营数据；所述外部风险数据包括从通信公司或者公安部获取的黑产数据。
3.根据权利要求1所述的用于APP的运营异常识别方法，其特征在于，所述实体集合包括用户账号、用户手机号、用户身份信息、IP地址、终端设备、用户用电户号、运营活动、运营活动奖品、用户积分、优惠券；所述关联关系集合包括实名认证、手机号注册、用户用电户号绑定/解绑、登录IP地址或终端设备，以及用户账号参加运营活动、获取运营活动奖品、获取/消耗用户积分、兑换/使用优惠券。
4.根据权利要求1所述的用于APP的运营异常识别方法，其特征在于，所述构建静态知识图谱的方式如下：
(1)遍历实体集合，获取一个实体；
(2)遍历关系集合，获取一类关系；
(3)根据实体和关系对网上国网APP运营数据进行匹配搜索，搜索到匹配的实体后，构建实体与实体的关联关系；
(4)重复步骤(1)-(3)直至所有的实体和关系都已经被遍历到。
5.根据权利要求1所述的用于APP的运营异常识别方法，其特征在于，所述时间知识图谱的方式如下：
(1)对实体和关联关系进行扩展，增加时间关系，将原有三元关系变为实体、关联关系、时间、实体的四元关系；
(2)将实体、关联关系、时间、实体的四元关系扩展为：实体、关联关系、时间，以及时间、关联关系、实体的两层三元关系，构建知识图谱，得到具有时间属性的时间知识图谱。
6.根据权利要求5所述的用于APP的运营异常识别方法，其特征在于，将四元关系转换成2个三元关系的方法为：
对于四元关系<实体1，关联关系，实体2，时间t>，根据设定时间t搜索实体1与实体2在时间t范围内满足<实体1，关联关系，实体2>的知识集合；首先生成实体1与时间t的关联关系，然后遍历生成的知识集合，逐条生成t与实体2的多条关联关系。
7.根据权利要求1所述的用于APP的运营异常识别方法，其特征在于，得到外部关联风险清单的具体方法为：
(1)利用所述外部风险数据，分别在静态知识图谱和时间知识图谱上匹配并标注风险手机号、身份信息；
(2)基于静态知识图谱和时间知识图谱，以及风险手机号和身份信息，采用图搜索算法遍历知识图谱，发现与风险手机号、身份信息有关联关系的账号、用户户号、用户参与活动行为、奖品核销行为、用户权益兑换及核销行为；
(3)根据与风险手机号、身份证发生关联关系的层级，标记不同风险等级；满足0-1层关联关系的标记为高风险，2-3层及以上的标记为中风险，4层以上标记为低风险；
(4)将风险关联账号、手机号、风险等级、关联外部风险手机号、身份证号记录为外部关联风险清单。
8.一种用于权利要求1所述用于APP的运营异常识别方法的系统，其特征在于，包括：
数据获取模块，用于获取运营数据，以及外部风险数据；
集合构建模块，用于依据运营数据，建立实体集合和关联关系集合；
知识图谱构建模块，用于依据实体集合和关联关系集合构建静态知识图谱和时间知识图谱；
异常识别模块，用于
依据外部风险数据对照所述静态知识图谱和时间知识图谱进行风险分析，得到外部关联风险清单；基于所述静态知识图谱和时间知识图谱，识别实体间关系的合理值以及一般值；对于合理值，筛选出超过第一超标系数的合理值作为合理值异常识别结果；对于一般值，筛选出超过第二超标系数的一般值作为一般值异常识别结果；基于异常识别结果，形成包含用户账号、身份信息的风险黑名单；
异常拦截模块，用于基于风险黑名单、外部关联风险清单拦截异常风险。
9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的用于APP的运营异常识别方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的用于APP的运营异常识别方法。
CN202111075500.8A 2021-09-14 2021-09-14 用于app的运营异常识别方法、系统、装置及存储介质 Active CN113806555B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111075500.8A CN113806555B (zh) 2021-09-14 2021-09-14 用于app的运营异常识别方法、系统、装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111075500.8A CN113806555B (zh) 2021-09-14 2021-09-14 用于app的运营异常识别方法、系统、装置及存储介质

Publications (2)

Publication Number Publication Date
CN113806555A true CN113806555A (zh) 2021-12-17
CN113806555B CN113806555B (zh) 2023-08-08

Family

ID=78895306

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111075500.8A Active CN113806555B (zh) 2021-09-14 2021-09-14 用于app的运营异常识别方法、系统、装置及存储介质

Country Status (1)

Country Link
CN (1) CN113806555B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115730251A (zh) * 2022-12-06 2023-03-03 贝壳找房(北京)科技有限公司 关系识别方法
CN115730251B (zh) * 2022-12-06 2024-06-07 贝壳找房(北京)科技有限公司 关系识别方法

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107463649A (zh) * 2017-07-26 2017-12-12 北京师范大学珠海分校 一种基于具名图的知识图谱时间演化方法
CN108492173A (zh) * 2018-03-23 2018-09-04 上海氪信信息技术有限公司 一种基于双模网络图挖掘算法的信用卡反欺诈预测方法
CN110148001A (zh) * 2019-04-29 2019-08-20 上海欣方智能系统有限公司 一种实现欺诈交易智能预警的系统及方法
CN110647522A (zh) * 2019-09-06 2020-01-03 中国建设银行股份有限公司 一种数据挖掘方法、装置及其系统
CN110956254A (zh) * 2019-11-12 2020-04-03 浙江工业大学 一种基于动态知识表示学习的案件推理方法
CN111090723A (zh) * 2019-11-18 2020-05-01 清远电力规划设计院有限公司 一种基于知识图谱的电网安全生产内容推荐方法
CN111191877A (zh) * 2019-11-15 2020-05-22 国网福建省电力有限公司经济技术研究院 一种电力企业经济活动分析系统
CN111309824A (zh) * 2020-02-18 2020-06-19 中国工商银行股份有限公司 实体关系图谱显示方法及系统
CN112215711A (zh) * 2020-10-13 2021-01-12 中国银行股份有限公司 产品风险评估方法及装置
CN112365171A (zh) * 2020-11-16 2021-02-12 广州杰赛科技股份有限公司 基于知识图谱的风险预测方法、装置、设备及存储介质
CN112926855A (zh) * 2021-02-24 2021-06-08 北京通付盾人工智能技术有限公司 一种基于知识图谱的营销活动风险控制系统及方法
CN113032580A (zh) * 2021-03-29 2021-06-25 浙江星汉信息技术股份有限公司 关联档案推荐方法、系统及电子设备
CN113051404A (zh) * 2021-01-08 2021-06-29 中国科学院自动化研究所 一种基于张量分解的知识推理方法、装置、设备
CN113254549A (zh) * 2021-06-21 2021-08-13 中国人民解放军国防科技大学 人物关系挖掘模型的训练方法、人物关系挖掘方法及装置

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107463649A (zh) * 2017-07-26 2017-12-12 北京师范大学珠海分校 一种基于具名图的知识图谱时间演化方法
CN108492173A (zh) * 2018-03-23 2018-09-04 上海氪信信息技术有限公司 一种基于双模网络图挖掘算法的信用卡反欺诈预测方法
CN110148001A (zh) * 2019-04-29 2019-08-20 上海欣方智能系统有限公司 一种实现欺诈交易智能预警的系统及方法
CN110647522A (zh) * 2019-09-06 2020-01-03 中国建设银行股份有限公司 一种数据挖掘方法、装置及其系统
CN110956254A (zh) * 2019-11-12 2020-04-03 浙江工业大学 一种基于动态知识表示学习的案件推理方法
CN111191877A (zh) * 2019-11-15 2020-05-22 国网福建省电力有限公司经济技术研究院 一种电力企业经济活动分析系统
CN111090723A (zh) * 2019-11-18 2020-05-01 清远电力规划设计院有限公司 一种基于知识图谱的电网安全生产内容推荐方法
CN111309824A (zh) * 2020-02-18 2020-06-19 中国工商银行股份有限公司 实体关系图谱显示方法及系统
CN112215711A (zh) * 2020-10-13 2021-01-12 中国银行股份有限公司 产品风险评估方法及装置
CN112365171A (zh) * 2020-11-16 2021-02-12 广州杰赛科技股份有限公司 基于知识图谱的风险预测方法、装置、设备及存储介质
CN113051404A (zh) * 2021-01-08 2021-06-29 中国科学院自动化研究所 一种基于张量分解的知识推理方法、装置、设备
CN112926855A (zh) * 2021-02-24 2021-06-08 北京通付盾人工智能技术有限公司 一种基于知识图谱的营销活动风险控制系统及方法
CN113032580A (zh) * 2021-03-29 2021-06-25 浙江星汉信息技术股份有限公司 关联档案推荐方法、系统及电子设备
CN113254549A (zh) * 2021-06-21 2021-08-13 中国人民解放军国防科技大学 人物关系挖掘模型的训练方法、人物关系挖掘方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
胡勉宁 等: "社区治安风险多主体关联分析及预警方法研究", 《安全》, vol. 42, no. 06, pages 26 - 34 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115730251A (zh) * 2022-12-06 2023-03-03 贝壳找房(北京)科技有限公司 关系识别方法
CN115730251B (zh) * 2022-12-06 2024-06-07 贝壳找房(北京)科技有限公司 关系识别方法

Also Published As

Publication number Publication date
CN113806555B (zh) 2023-08-08

Similar Documents

Publication Publication Date Title
Phillips et al. Tracing cryptocurrency scams: Clustering replicated advance-fee and phishing websites
CN103346957B (zh) 一种根据联系人消息改变联系人头像表情的系统及方法
CN106575327A (zh) 分析面部识别数据和社交网络数据以供用户鉴别
CN110147967A (zh) 风险防控方法及装置
CN110224859B (zh) 用于识别团伙的方法和系统
CN109828958A (zh) 基于区块链的事件记录方法及记录系统
Akre et al. Smart Digital Marketing of Financial Services to Millennial Generation using emerging technological tools and buyer persona
CN107977678A (zh) 用于输出信息的方法和装置
CN110796269A (zh) 一种生成模型的方法、装置、信息处理的方法及装置
CN110659842A (zh) 快递从业人员诚信共享方法及存储介质
Wu et al. Fraud-agents detection in online microfinance: A large-scale empirical study
CN109451334A (zh) 用户画像生成处理方法、装置及电子设备
CN105988998B (zh) 关系网络构建方法及装置
CN109598208B (zh) 人像验证方法及装置
CN111556148A (zh) 一种数据共享方法、数据共享平台和装置
CN113806555B (zh) 用于app的运营异常识别方法、系统、装置及存储介质
CN113254989B (zh) 目标数据的融合方法、装置和服务器
CN110557351A (zh) 用于生成信息的方法和装置
CN113032823A (zh) 设备id的生成方法及装置
Weber et al. A general method to find highly coordinating communities in social media through inferred interaction links
CN109815393A (zh) 信息处理方法、装置、计算机设备及可读存储介质
CN115730251B (zh) 关系识别方法
CN115022063B (zh) 网空威胁行为体攻击意图分析方法、系统、电子设备及存储介质
CN112560961B (zh) 基于图聚类的目标识别方法、装置、电子设备及存储介质
US20230237492A1 (en) Machine learning fraud cluster detection using hard and soft links and recursive clustering

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