CN117609974B - 一种用于技术交易平台的服务管理系统及方法 - Google Patents
一种用于技术交易平台的服务管理系统及方法 Download PDFInfo
- Publication number
- CN117609974B CN117609974B CN202410095737.XA CN202410095737A CN117609974B CN 117609974 B CN117609974 B CN 117609974B CN 202410095737 A CN202410095737 A CN 202410095737A CN 117609974 B CN117609974 B CN 117609974B
- Authority
- CN
- China
- Prior art keywords
- registration
- account
- information
- robot
- marked
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000007726 management method Methods 0.000 claims description 63
- 230000003993 interaction Effects 0.000 claims description 44
- 238000012795 verification Methods 0.000 claims description 36
- 230000008569 process Effects 0.000 claims description 28
- 230000000694 effects Effects 0.000 claims description 21
- 230000002159 abnormal effect Effects 0.000 claims description 19
- 238000004458 analytical method Methods 0.000 claims description 18
- 238000012544 monitoring process Methods 0.000 claims description 17
- 230000035772 mutation Effects 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 11
- 230000001788 irregular Effects 0.000 claims description 11
- 238000002372 labelling Methods 0.000 claims description 11
- 238000012549 training Methods 0.000 claims description 6
- 239000013598 vector Substances 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 5
- 238000013507 mapping Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000002452 interceptive effect Effects 0.000 claims description 3
- 238000012732 spatial analysis Methods 0.000 claims description 2
- 230000006399 behavior Effects 0.000 description 49
- 238000012706 support-vector machine Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 206010000117 Abnormal behaviour Diseases 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000013515 script Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Computer Security & Cryptography (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Hardware Design (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种用于技术交易平台的服务管理系统及方法,具体涉及服务管理技术领域,用于解决技术交易平台中过多恶意注册账号区分不准确的问题,本发明通过采集技术交易平台的历史真实用户以及机器人账号的数据,对真实用户和机器人账号在注册阶段的注册详情信息进行分析,异常注册账号在注册过程中被初步标注,通过获取标注为机器人账号的注册重合信息和特征相似信息进行准确性验证,对生成信号进行调整,若生成资源限制信号,则标记并限制机器人账号,并在后续监控其行为,当标记机器人账号的行为异常时,进行相应管理,从而实现了提前发现潜在机器人账号,降低技术交易平台风险,提升真实用户体验,减少欺诈,增强平台信誉和用户信任度。
Description
技术领域
本发明涉及服务管理技术领域,更具体地说,本发明涉及一种用于技术交易平台的服务管理系统及方法。
背景技术
技术交易平台是指一个专门用于促使技术服务提供者与技术需求方之间进行技术交易的在线平台。这些平台通常提供一个数字化的市场环境,使技术相关的服务、技术产品或技术解决方案能够被有效地买卖、交换或合作,技术交易平台的目标是促使技术创新和知识分享,使得技术资源能够更广泛地流通和应用。
现有技术存在的不足:
技术交易平台中存在用户的账号注册需求,不良用户会进行机器人账号的大量注册,通过大量机器人账号进行相关虚假活动,使得信息滥用和市场不公平竞争,操纵机器人账号进行大量的自动化交易活动来影响服务需求和供给的平衡,而现有的验证机制通过用户的反馈举报数量来对不良账号进行处理封禁,处理速率较慢,而机器人账号通过脚本对平台用户发送私信交流,不良用户可能试图通过虚假信息或欺骗手段获得用户的信任,然后进行不当的交易,造成用户损失,进而使得用户对技术交易平台的信任产生负面影响。
发明内容
为了克服现有技术的上述缺陷,本发明的实施例提供一种用于技术交易平台的服务管理系统及方法,先通过历史真实用户和机器人账号数据采集,分析注册阶段的用户信息,初步标注异常账号,并通过验证注册重合信息和特征相似性提高标注准确性,对生成信号进行调整,如生成资源限制信号,则标记和限制机器人账号,并随后监控其行为,当标记机器人账号出现异常行为时,进行相应管理,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
一种用于技术交易平台的服务管理方法,包括如下步骤:
获取历史的真实用户账号和机器人账号的数据信息,对真实用户账号和机器人账号的注册阶段中的注册详情信息进行分析,确定注册情况;
对注册过程阶段中异常的注册账号进行初步标注,获取标注为机器人账号的注册详情信息中的注册重合信息、特征相似信息进行初始分析;
根据初始分析得到的结果对初步标注的机器人账号进行判断,确定初步标注的准确性;
若生成资源限制信号,则对机器人账号进行标记并进行账号限制,并对进行标记机器人账号后续行为继续监控,确认是否为恶意注册机器人账号;
获取行为监控期间的交互行为信息、发布活跃信息,对标记的机器人账号进行分析,当标记机器人账号的行为操作出现问题时,对机器人账号进行管理。
在一个优选的实施方式中,对注册过程阶段中异常的注册账号进行初步标注,具体过程如下:
从已知的机器人账号和真实用户的数据中选择特征,包括注册时提供的信息、活动历史、交易模式、使用的设备;
将选定的特征与相应的标签配对,标签为机器人账号或真实用户,并对特征进行归一化;
使用高斯径向基核函数来映射数据到高维空间分析特征信息;
将已标记的数据输入到SVM模型中进行训练,模型在特征空间中找到一个最优的超平面;
训练完成后,SVM生成一个决策边界,在特征空间中将机器人账号和真实用户划分开,标注注册账号为机器人账号或真实用户。
在一个优选的实施方式中,获取标注为机器人账号的注册详情信息中的注册重合信息、特征相似信息进行初始分析,具体过程如下:
注册重合信息包括注册密集区间指数并标定为ZCM,特征相似信息包括注册信息特征相似值并标定为ZCX;
注册密集区间指数的获取方式为:
获取各初步标注为机器人账号的注册账号的注册时间戳,将注册时间戳按照设定的时间窗口进行划分,统计每个时间窗口内的标注为机器人账号的数量,建立区间数量集合:,n为时间窗口数,获取预设密度阈值,将超出预设密度阈值的区间数量进行数量求和得到num,获取对应时间窗口的历史真实用户注册数量平均值/>,计算得到注册密集区间指数,计算的表达式为:;
注册信息特征相似值的获取方式为:
获取初步标注为机器人账号的注册账号的用户名U、电子邮件地址E、IP地址信息特征IP,将数据进行格式标准化为文本格式处理、大小写转换、去除空格,将注册信息的特征转换为向量表示:,计算各注册信息之间相似度,计算表达式为:,A、B分别表示不同注册账号,建立各注册账号注册信息的总相似度集合/>,m为正整数,获取相似度集合的平均值/>,计算注册信息特征相似值,计算表达式为:。
在一个优选的实施方式中,根据初始分析得到的结果对初步标注的机器人账号进行判断,确定初步标注的准确性,具体过程如下:
将获取到注册密集区间指数ZCM、注册信息特征相似值ZCX进行综合计算后得到注册初判系数;
将生成的注册初判系数与初判阈值进行对比,对初步标注的机器人账号的准确性进行判断;
若注册初判系数大于或等于初判阈值,则生成资源限制信号;
若注册初判系数小于初判阈值,则生成正常注册信号。
在一个优选的实施方式中,获取行为监控期间的交互行为信息、发布活跃信息,对标记的机器人账号进行分析,具体过程如下:
交互行为信息包括交互频率反馈值并标定为FKP,发布活跃信息包括非常规活跃变异指数并标定为FCG;
交互频率反馈值的获取方式为:获取标记的机器人账号的交互行为,获取单位时间t内机器人账号交互行为中的发布内容次数NC、发送私信次数SC,获取连续发送同一类信息的次数TC,计算得到交互频率反馈值,计算的表达式为:;
非常规活跃变异指数的获取方式如下:
获取历史真实用户在技术交易平台上的相关行为数据,包括历史真实用户在发布信息的时间段上的平均值和历史真实用户在完成发布内容所用时间上的平均值,获取标记的机器人账号在技术交易平台上的发布信息的时间段/>和完成发布内容所用的时间/>,计算真实发布时间段差异值:/>,计算完成发布时长差异值:/>,计算非常规活跃变异指数,计算表达式为:。
在一个优选的实施方式中,对标记的机器人账号进行分析,当标记机器人账号的行为操作出现问题时,对机器人账号进行管理,具体过程如下:
将获取到交互频率反馈值、非常规活跃变异指数进行综合计算后得到控制管理系数,表达式为:,式中,/>为控制管理系数,/>、/>为交互频率反馈值FKP、非常规活跃变异指数FCG的预设比例系数,且/>、/>均大于零;
将生成的控制管理系数与管理阈值进行对比。
在一个优选的实施方式中,将生成的控制管理系数与管理阈值进行对比,具体过程如下:
将控制管理系数与管理阈值进行对比;
若控制管理系数小于管理阈值,继续对该账号进行正常的监控;
若控制管理系数大于或等于管理阈值,对标记的机器人账号进行重点标记,并进行额外的验证。
在一个优选的实施方式中,对标记的机器人账号进行重点标记,并进行额外的验证是指获取被标记的机器人账号的详细信息,包括注册信息、交互记录、发布内容,进行多因素验证,包括要求上传身份证明文件、通过电子邮件或短信进行验证;
确认是否为真实用户,若用户成功通过身份验证,则账号维持正常权限,并获得标记为已验证用户的状态;
若用户未能提供有效的身份验证,则缩小账号权限、对账号进行更频繁的监控。
一种用于技术交易平台的服务管理系统,用于上述一种用于技术交易平台的服务管理方法,包括:
平台信息采集模块,用于采集技术交易平台的历史真实用户账号和机器人账号的数据信息;
账号信息分析模块,用于对真实用户账号和机器人账号的注册阶段中的注册详情信息进行分析,再对注册过程阶段中异常的注册账号进行初步标注,通过获取标注为机器人账号的注册详情信息中的注册重合信息、特征相似信息进行初始分析,确定初步标注的准确性;
调整模块,用于对不同的生成信号进行调整,若生成资源限制信号,则对机器人账号进行标记并进行账号限制,并对进行标记机器人账号后续行为继续监控;
账号管理模块,用于对标记的机器人账号进行分析,当标记机器人账号的行为操作出现问题时,对机器人账号进行管理。
本发明的技术效果和优点:
本发明通过采集技术交易平台的历史真实用户和机器人账号的数据,对真实用户和机器人账号在注册阶段的注册详情信息进行分析,异常注册账号在注册过程中被初步标注,通过获取标注为机器人账号的注册重合信息和特征相似信息进行准确性验证,对生成信号进行调整,若生成资源限制信号,则标记并限制机器人账号,并在后续监控其行为,当标记机器人账号的行为异常时,进行相应管理,从而实现了提前发现潜在机器人账号,降低了技术交易平台风险,提升真实用户体验,减少欺诈,增强平台信誉和用户信任度。
附图说明
图1为本发明一种用于技术交易平台的服务管理方法流程图。
图2为本发明一种用于技术交易平台的服务管理系统的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,一种用于技术交易平台的服务管理方法,所述方法包括:
技术交易平台的账号注册验证过程是确保用户身份真实性和减少恶意注册的关键环节,通过注册过程对注册账号进行初步标注,并用于后续确认是否为恶意批量注册的机器人账号,对初步标注账号进行分析管理,具体过程如下:
基本信息输入,用户通过平台提供的注册页面输入基本信息,包括姓名、电子邮件地址、手机号码等;
验证电子邮件地址或手机号码,用户提交注册信息后,系统向用户提供的电子邮件地址或手机号码发送验证链接或验证码,用户需要点击链接或输入验证码,以确认其拥有并能够访问所提供的联系方式;
用户通过输入收到的验证码进行身份验证,验证码可以通过短信、电子邮件或者在注册页面直接显示等方式发送给用户,用户在注册过程中输入图形验证码,从而减少自动机器人注册;
引入人机验证工具,例如reCAPTCHA等,以识别并减少自动化程序或机器人的注册行为;
平台可以要求用户上传身份证明文件,如身份证扫描件或其他证明文件,以进一步验证其身份真实性,引入多因素身份验证,例如通过用户手机应用生成的动态口令,提供额外的层级来确保用户身份的安全性,但是繁琐的验证手续,容易造成潜在用户的流失,在注册阶段并不采用过多的身份结合验证。
获取历史的真实用户账号和机器人账号的数据信息,对真实用户账号和机器人账号的注册阶段中的注册详情信息进行分析,确定注册情况,对注册过程阶段中异常的注册账号进行初步标注;
首先,从已知的机器人账号和真实用户的数据中选择特征,这些特征可以包括注册时提供的信息、活动历史、交易模式、使用的设备等,越多的特征信息筛选时的准确性越高;
将选定的特征与相应的标签配对,标签可为机器人账号或真实用户,并对特征进行归一化,确保在相同的尺度上,以避免某些特征对模型的影响过大;
支持向量机(SVM)使用核函数来映射数据到高维空间,从而使得数据可线性可分或更容易分割,具体使用的为高斯径向基核函数(RBF)来分析特征信息,RBF核函数公式为:,/>表示以常数e为底的指数函数,/>表示向量x和y之间的欧氏距离,/>是RBF核函数的一个调整参数,控制了数据映射到高维空间的幅度,越小,映射的影响越广泛;
将已标记的数据输入到SVM模型中进行训练,模型在特征空间中找到一个最优的超平面,以将机器人账号和真实用户的注册特征分隔开,SVM有一些超参数,如惩罚项(C)和核函数参数,通过交叉验证等方法调优以提高模型性能;
训练完成后,SVM生成一个决策边界,该边界在特征空间中将机器人账号和真实用户划分开,对新注册用户时,将其特征输入训练好的SVM模型进行预测,模型会输出一个分类标签,初步判断出该注册账号是机器人账号还是真实用户,并进行对应标注。
获取进行注册阶段中的注册重合信息、特征相似信息;
注册重合信息包括注册密集区间指数并标定为ZCM,特征相似信息包括注册信息特征相似值并标定为ZCX;
注册重合信息中的注册密集区间指数表示通过SVM模型进行注册信息筛选后,将注册用户初步标注为机器人账号,机器人账号注册在时间或空间范围内的密集程度,高注册密集区间指数表明极有可能存在异常行为,如机器人账号的批量注册,通过监测密集区间,可以更及时地发现潜在的注册风险,采取相应的安全措施,例如强化验证码、实施人机验证等;
冲突检测和解决:高密集注册区间更可能与恶意机器人账号的注册行为等异常活动相关,监测密集区间可以帮助及早发现这些异常活动,从而采取适当的措施,减少安全风险。
注册密集区间指数的获取方式为:
获取各初步标注为机器人账号的注册账号的注册时间戳,将注册时间戳按照设定的时间窗口进行划分,统计每个时间窗口内的标注为机器人账号的数量,建立区间数量集合:,n为时间窗口数,获取预设密度阈值,将超出预设密度阈值的区间数量进行数量求和得到num,获取对应时间窗口的历史真实用户注册数量平均值/>,计算得到注册密集区间指数,计算的表达式为:。
需要说明的是,历史时间窗口的真实用户注册数量是对历史注册用户进行一段时间观察分析后,确认为真实用户后,并进行相应注册时间溯源确定在此历史时间窗口注册账号的真实用户注册数,例如,历史时间窗口中注册了100个账号,经过分析观察后,排除掉40个机器人账号,剩下的60个账号,即为此历史时间窗口的真实用户注册数量。
特征相似信息中的注册信息特征相似值表示注册信息之间的相似程度,可以通过比较注册信息的各个特征来计算得到,即注册信息特征相似值可以帮助判断注册信息是否相似或重复,从而识别潜在的机器人账号注册情况;
账号安全性:高注册信息特征相似值可能暗示着潜在的账号安全风险,例如被恶意用户尝试注册多个相似账号,对于账号安全性的评估和监控是非常重要的。
注册信息特征相似值的获取方式如下:
获取初步标注为机器人账号的注册账号的用户名U、电子邮件地址E、IP地址信息特征IP,将数据进行格式标准化为文本格式处理、大小写转换、去除空格,将注册信息的特征转换为向量表示:,计算各注册信息之间相似度,计算表达式为:,A、B分别表示不同注册账号,建立各注册账号注册信息的总相似度集合/>,m为正整数,获取相似度集合的平均值/>,计算注册信息特征相似值,计算表达式为:。
需要说明的是,将每个注册信息的特征转换为向量表示,例如,对于用户名、电子邮件地址、IP地址,可以分别构建一个特征向量,将初步标注的机器人账号的注册信息进行相似度计算,将得到相似度汇总得到各注册信息的总相似度,例如,有三个注册信息A、B、C,则将AB、AC、BC结合计算相似度。
将获取到注册密集区间指数ZCM、注册信息特征相似值ZCX进行综合计算后得到注册初判系数,表达式:,式中,/>为注册初判系数,/>、/>为注册密集区间指数ZCM、注册信息特征相似值ZCX的预设比例系数,且/>、/>均大于0。
需要说明的是,预设比例系数的大小是为了将各个参数进行量化得到的一个具体的数值,其为了便于后续比较,关于系数的大小,取决于样本数据的多少及本领域技术人员对每一组样本数据初步设定对应的预设比例系数;并不唯一,如注册信息特征相似值与注册初判系数正比关系。
注册密集区间指数越大、注册信息特征相似值越大,即注册初判系数的表现值越大,表明注册信息之间在时间或空间上更为密集相似,进行初步标注的机器人账号为存在批量注册的机器人账号可能越高,注册密集区间指数越小、注册信息特征相似值越小,即注册初判系数的表现值越小,表明注册信息之间在时间或空间上较为分散,没有明显的密集相似性,更符合正常用户的注册模式。
将生成的注册初判系数与初判阈值进行对比,对初步标注的机器人账号的准确性进行判断,具体过程如下;
获取到注册初判系数后,将注册初判系数与初判阈值进行对比;
若注册初判系数大于或等于初判阈值,则生成资源限制信号,对此时间窗口内所有的机器人账号进行二次标记,表明初步标注的机器人账号很可能存在恶意批量注册,需要进行功能限制与加强监控,以防用于造成过多恶意活动;
若注册初判系数小于初判阈值,则生成正常注册信号,表明初步标注的机器人账号处于为正常状态,技术交易平台的功能可正常使用并保持正常监控。
对生成资源限制信号的机器人账号标记后,对标记的机器人账号限制的登录次数或频率,防止其在短时间内进行大量操作,例如尝试密码、发送消息等,设置功能冷却时间,限制机器人账号在短时间内执行某些敏感操作,以减缓其活动速度,并对操作进行行为分析,二次确定是否为恶意注册机器人账号,如下:
对标记的机器人账号进行分析,获取行为监控期间的行为信息,行为信息包括交互行为信息、发布活跃信息,交互行为信息包括交互频率反馈值并标定为FKP,发布活跃信息包括非常规活跃变异指数并标定为FCG;
交互行为信息中的交互频率反馈值是指机器人账号在一定时间内进行各种交互的次数,包括文章、图片、视频、评论内容的发布,机器人账号发送和接收私信的次数,交互频率反馈值主要用于评估用户或账号在一定时间内的活跃度和交互模式,可以反映账号在平台上的参与程度,而机器人账号通常会表现出模式化的、异常的交互频率,在短时间内执行大量操作,通过检测交互频率反馈值,可以更容易地识别潜在的机器人账号,例如在短时间内频繁执行相似或相同的操作,这种规律性的行为模式会在交互频率中体现出来,使得系统能够通过分析频率值来检测这一模式,与真实用户不同,机器人账号的交互行为通常缺乏自然的变化和适度的波动,真实用户的行为可能受到时间、兴趣变化等因素的影响,而机器人账号的行为往往呈现出连续、机械的特征,反映在交互频率上。
交互频率反馈值的获取方式如下:
获取标记的机器人账号的交互行为,获取单位时间t内机器人账号交互行为中的发布内容次数NC、发送私信次数SC,获取连续发送同一类信息的次数TC,计算得到交互频率反馈值,计算的表达式为:。
需要说明的是,机器人账号的交互行为会被平台系统记录,这些记录存储在系统日志中,这包括用户的登录、发布内容、发送私信、点击广告、评论等各种交互行为,连续发送同一类信息是指机器人账号在发送私信或发布内容时,连续多次发送相同或相似类型的信息,这包括文本内容、链接、媒体文件等,对于每条私信或发布的内容,检查是否与前一条相似,如果相似,计数器加一;如果不相似,重置计数器。
发布活跃信息中的非常规活跃变异指数表示在技术交易平台上发布信息的时间段以及完成各类发布内容所用时间,与历史真实用户相比,体现了一种活跃行为的不寻常程度,这指标可以反映出机器人账号可能表现出的异常或规律性的活跃模式,因为机器人账号的行为往往缺乏真实用户的自然变化和适度波动。较高的非常规活跃变异指数可能表明机器人账号在活跃行为方面存在某种不寻常的模式或异常活动。
非常规活跃变异指数的获取方式如下:
获取历史真实用户在技术交易平台上的相关行为数据,包括历史真实用户在发布信息的时间段上的平均值和历史真实用户在完成发布内容所用时间上的平均值,获取标记的机器人账号在技术交易平台上的发布信息的时间段/>和完成发布内容所用的时间/>,计算真实发布时间段差异值:/>,计算完成发布时长差异值:/>,计算非常规活跃变异指数,计算表达式为:。
需要说明的是,考虑真实用户发布信息时间段的分布特征,例如是否呈正态分布、偏斜度等,描述真实用户的行为模式,根据真实用户的行为模式,获取历史真实用户在技术交易平台上发布信息的相关数据,包括发布信息的时间戳,从历史真实用户的数据中提取发布信息的时间段,对所有历史真实用户的发布信息时间段进行求和,然后除以历史真实用户的数量,即可得到平均值,也可以使用统计方法,如中位数、百分位数等,而不仅仅是平均值,降低对异常值的敏感性,更好地反映真实用户活跃行为的中心趋势。
将交互行为信息、发布活跃信息进行汇总分析,将获取到交互频率反馈值FKP、非常规活跃变异指数FCG进行综合计算后得到控制管理系数,将控制管理系数标定为,表达式为:/>,式中,/>为控制管理系数,/>、/>为交互频率反馈值FKP、非常规活跃变异指数FCG的预设比例系数,且/>、/>均大于零。
交互频率反馈值越大、非常规活跃变异指数越大,即控制管理系数的表现值越大,表明标记的机器人账号为恶意注册的账号可能性越大,进行行为操作是对技术交易平台产生危害的概率越大,交互频率反馈值越小、非常规活跃变异指数越小,即控制管理系数的表现值越小,表明标记的机器人账号为恶意注册的账号可能性越小,标记的机器人账号的行为越趋向正常,非恶意注册账号。
在控制管理系数方面,通过综合考虑这两个指标,可以更全面地评估机器人账号的行为是否对技术交易平台产生潜在危害,控制管理系数的表现值越大,可能性越大是恶意注册的账号,需要进行相应的管理和限制。反之,表现值越小,恶意注册的账号的可能性越小,可以更灵活地对待这些账号
获取到控制管理系数后,将控制管理系数与管理阈值进行对比;
若控制管理系数大于或等于管理阈值,则对标记的机器人账号再进行重点标记,表明对此机器人账号判定为恶意注册账号,需要进行更多的验证手段确定是否为真实用户;
若控制管理系数小于管理阈值,继续对该账号进行正常的监控,而不需要采取额外的验证步骤。
当对机器人账号进行重点标记时,按照以下步骤进行处理:
获取被标记的机器人账号的详细信息,包括注册信息、交互记录、发布内容,从而深入了解账号的行为模式,进行多因素验证,通过不同的验证手段确认账号的真实性,包括要求上传身份证明文件、通过电子邮件或短信进行验证,或者其他可靠的身份验证方法,确认是否为真实用户,如果用户成功通过身份验证,其账号可以维持正常权限,并获得标记为已验证用户的状态,如果用户未能提供有效的身份验证信息,可能需要采取一些操作,如缩小其权限、进行更频繁的监控,或者在情况严重时考虑封禁账号。
需要说明的是,本实施例中各阈值设定是根据实际情况进行设定的,并非固定值,在此不进行过多分析。
本发明通过采集技术交易平台的历史真实用户和机器人账号的数据,对真实用户和机器人账号在注册阶段的注册详情信息进行分析,异常注册账号在注册过程中被初步标注,通过获取标注为机器人账号的注册重合信息和特征相似信息进行准确性验证,对生成信号进行调整,若生成资源限制信号,则标记并限制机器人账号,并在后续监控其行为,当标记机器人账号的行为异常时,进行相应管理,从而实现了提前发现潜在机器人账号,降低了技术交易平台风险,提升真实用户体验,减少欺诈,增强平台信誉和用户信任度。
实施例2,本实施例为实施例1的系统实施例,用于实现实施例1中介绍的一种用于技术交易平台的服务管理方法,如图2所示,具体包括:
平台信息采集模块,用于采集技术交易平台的历史真实用户账号和机器人账号的数据信息;
账号信息分析模块,用于对真实用户账号和机器人账号的注册阶段中的注册详情信息进行分析,再对注册过程阶段中异常的注册账号进行初步标注,通过获取标注为机器人账号的注册详情信息中的注册重合信息、特征相似信息进行初始分析,确定初步标注的准确性;
调整模块,用于对不同的生成信号进行调整,若生成资源限制信号,则对机器人账号进行标记并进行账号限制,并对进行标记机器人账号后续行为继续监控;
账号管理模块,用于对标记的机器人账号进行分析,当标记机器人账号的行为操作出现问题时,对机器人账号进行管理。
上述公式均是去量纲取其数值计算,具体去量纲可采用标准化等多种手段,在此不进行赘述,公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式,公式中的预设参数由本领域的技术人员根据实际情况进行设置。
上述实施例,可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时,上述实施例可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以为通用计算机、专用计算机、计算机网络,或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如,软盘、ATA硬盘、磁带)、光介质(例如,DVD),或者半导体介质。半导体介质可以是固态ATA硬盘。
应理解,在本申请的各种实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件,或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其他的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其他的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,既可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (6)
1.一种用于技术交易平台的服务管理方法,其特征在于,包括如下步骤:
获取历史的真实用户账号和机器人账号的数据信息,对真实用户账号和机器人账号的注册阶段中的注册详情信息进行分析,确定注册情况;
对注册过程阶段中异常的注册账号进行初步标注,获取标注为机器人账号的注册详情信息中的注册重合信息、特征相似信息进行初始分析;
根据初始分析得到的结果对初步标注的机器人账号进行判断,确定初步标注的准确性;
若生成资源限制信号,则对机器人账号进行标记并进行账号限制,并对进行标记机器人账号后续行为继续监控,确认是否为恶意注册机器人账号;
获取行为监控期间的交互行为信息、发布活跃信息,对标记的机器人账号进行分析,当标记机器人账号的行为操作出现问题时,对机器人账号进行管理;
对注册过程阶段中异常的注册账号进行初步标注,具体过程如下:
从已知的机器人账号和真实用户的数据中选择特征,包括注册时提供的信息、活动历史、交易模式、使用的设备;
将选定的特征与相应的标签配对,标签为机器人账号或真实用户,并对特征进行归一化;
使用高斯径向基核函数来映射数据到高维空间分析特征信息;
将已标记的数据输入到SVM模型中进行训练,模型在特征空间中找到一个最优的超平面;
训练完成后,SVM生成一个决策边界,在特征空间中将机器人账号和真实用户划分开,标注注册账号为机器人账号或真实用户;
获取标注为机器人账号的注册详情信息中的注册重合信息、特征相似信息进行初始分析,具体过程如下:
注册重合信息包括注册密集区间指数并标定为ZCM,特征相似信息包括注册信息特征相似值并标定为ZCX;
注册密集区间指数的获取方式为:
获取各初步标注为机器人账号的注册账号的注册时间戳,将注册时间戳按照设定的时间窗口进行划分,统计每个时间窗口内的标注为机器人账号的数量,建立区间数量集合:,n为时间窗口数,获取预设密度阈值,将超出预设密度阈值的区间数量进行数量求和得到num,获取对应时间窗口的历史真实用户注册数量平均值/>,计算得到注册密集区间指数,计算的表达式为:;
注册信息特征相似值的获取方式为:
获取初步标注为机器人账号的注册账号的用户名U、电子邮件地址E、IP地址信息特征IP,将数据进行格式标准化为文本格式处理、大小写转换、去除空格,将注册信息的特征转换为向量表示:,计算各注册信息之间相似度,计算表达式为:,A、B分别表示不同注册账号,建立各注册账号注册信息的总相似度集合/>,m为正整数,获取相似度集合的平均值/>,计算注册信息特征相似值,计算表达式为:;
根据初始分析得到的结果对初步标注的机器人账号进行判断,确定初步标注的准确性,具体过程如下:
将获取到注册密集区间指数ZCM、注册信息特征相似值ZCX进行综合计算后得到注册初判系数;
将生成的注册初判系数与初判阈值进行对比,对初步标注的机器人账号的准确性进行判断;
若注册初判系数大于或等于初判阈值,则生成资源限制信号;
若注册初判系数小于初判阈值,则生成正常注册信号。
2.根据权利要求1所述的一种用于技术交易平台的服务管理方法,其特征在于:获取行为监控期间的交互行为信息、发布活跃信息,对标记的机器人账号进行分析,具体过程如下:
交互行为信息包括交互频率反馈值并标定为FKP,发布活跃信息包括非常规活跃变异指数并标定为FCG;
交互频率反馈值的获取方式为:获取标记的机器人账号的交互行为,获取单位时间t内机器人账号交互行为中的发布内容次数NC、发送私信次数SC,获取连续发送同一类信息的次数TC,计算得到交互频率反馈值,计算的表达式为:;
非常规活跃变异指数的获取方式如下:
获取历史真实用户在技术交易平台上的相关行为数据,包括历史真实用户在发布信息的时间段上的平均值和历史真实用户在完成发布内容所用时间上的平均值/>,获取标记的机器人账号在技术交易平台上的发布信息的时间段/>和完成发布内容所用的时间/>,计算真实发布时间段差异值:/>,计算完成发布时长差异值:/>,计算非常规活跃变异指数,计算表达式为:。
3.根据权利要求2所述的一种用于技术交易平台的服务管理方法,其特征在于:对标记的机器人账号进行分析,当标记机器人账号的行为操作出现问题时,对机器人账号进行管理,具体过程如下:
将获取到交互频率反馈值、非常规活跃变异指数进行综合计算后得到控制管理系数,表达式为:,式中,/>为控制管理系数,/>、/>为交互频率反馈值FKP、非常规活跃变异指数FCG的预设比例系数,且/>、/>均大于零;
将生成的控制管理系数与管理阈值进行对比。
4.根据权利要求3所述的一种用于技术交易平台的服务管理方法,其特征在于:将生成的控制管理系数与管理阈值进行对比,具体过程如下:
将控制管理系数与管理阈值进行对比;
若控制管理系数小于管理阈值,继续对该账号进行正常的监控;
若控制管理系数大于或等于管理阈值,对标记的机器人账号进行重点标记,并进行额外的验证。
5.根据权利要求4所述的一种用于技术交易平台的服务管理方法,其特征在于:对标记的机器人账号进行重点标记,并进行额外的验证是指获取被标记的机器人账号的详细信息,包括注册信息、交互记录、发布内容,进行多因素验证,包括要求上传身份证明文件、通过电子邮件或短信进行验证;
确认是否为真实用户,若用户成功通过身份验证,则账号维持正常权限,并获得标记为已验证用户的状态;
若用户未能提供有效的身份验证,则缩小账号权限、对账号进行更频繁的监控。
6.一种用于技术交易平台的服务管理系统,用于实现权利要求1-5任一项所述的一种用于技术交易平台的服务管理方法,其特征在于:包括:
平台信息采集模块,用于采集技术交易平台的历史真实用户账号和机器人账号的数据信息;
账号信息分析模块,用于对真实用户账号和机器人账号的注册阶段中的注册详情信息进行分析,再对注册过程阶段中异常的注册账号进行初步标注,通过获取标注为机器人账号的注册详情信息中的注册重合信息、特征相似信息进行初始分析,确定初步标注的准确性;
调整模块,用于对不同的生成信号进行调整,若生成资源限制信号,则对机器人账号进行标记并进行账号限制,并对进行标记机器人账号后续行为继续监控;
账号管理模块,用于对标记的机器人账号进行分析,当标记机器人账号的行为操作出现问题时,对机器人账号进行管理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410095737.XA CN117609974B (zh) | 2024-01-24 | 2024-01-24 | 一种用于技术交易平台的服务管理系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410095737.XA CN117609974B (zh) | 2024-01-24 | 2024-01-24 | 一种用于技术交易平台的服务管理系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117609974A CN117609974A (zh) | 2024-02-27 |
CN117609974B true CN117609974B (zh) | 2024-04-19 |
Family
ID=89952073
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410095737.XA Active CN117609974B (zh) | 2024-01-24 | 2024-01-24 | 一种用于技术交易平台的服务管理系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117609974B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117910025B (zh) * | 2024-03-20 | 2024-05-24 | 神州数码融信云技术服务有限公司 | 一种金融服务数据安全存储保护方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106851633A (zh) * | 2017-02-15 | 2017-06-13 | 上海交通大学 | 基于用户隐私保护的电信欺诈检测系统及方法 |
CN109726533A (zh) * | 2018-12-24 | 2019-05-07 | 北京百度网讯科技有限公司 | 用户账号判断方法和装置 |
CN111835730A (zh) * | 2020-06-18 | 2020-10-27 | 北京嘀嘀无限科技发展有限公司 | 服务账号处理方法、装置、电子设备及可读存储介质 |
CN111860644A (zh) * | 2020-07-20 | 2020-10-30 | 北京百度网讯科技有限公司 | 一种异常账号的识别方法、装置、设备和存储介质 |
CN113014566A (zh) * | 2021-02-19 | 2021-06-22 | 腾讯科技(深圳)有限公司 | 恶意注册的检测方法、装置、计算机可读介质及电子设备 |
CN114881651A (zh) * | 2022-05-09 | 2022-08-09 | 北京梦蓝杉科技有限公司 | 一种大数据服务智慧金融用异常交易识别系统及方法 |
CN114978602A (zh) * | 2022-04-25 | 2022-08-30 | 沈莲 | 一种基于大数据的云安全账户管理方法及安全平台 |
CN115017491A (zh) * | 2022-03-28 | 2022-09-06 | 北京来也网络科技有限公司 | 结合rpa和ai的异常函件监控方法、装置及电子设备 |
CN115907027A (zh) * | 2022-11-03 | 2023-04-04 | 中国人民解放军国防科技大学 | 一种机器学习的自适应调整方法和系统 |
CN116167029A (zh) * | 2023-04-23 | 2023-05-26 | 汕头市林百欣科学技术中等专业学校 | 一种基于云计算的计算机系统账户管理方法 |
CN117078256A (zh) * | 2023-08-21 | 2023-11-17 | 广西师范大学 | 基于区块链和账户映射的智能电网电力交易隐私保护方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8069210B2 (en) * | 2008-10-10 | 2011-11-29 | Microsoft Corporation | Graph based bot-user detection |
WO2013152311A1 (en) * | 2012-04-06 | 2013-10-10 | Live Nation Entertainment, Inc. | Methods and systems of inhibiting automated scripts from accessing a ticket site |
-
2024
- 2024-01-24 CN CN202410095737.XA patent/CN117609974B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106851633A (zh) * | 2017-02-15 | 2017-06-13 | 上海交通大学 | 基于用户隐私保护的电信欺诈检测系统及方法 |
CN109726533A (zh) * | 2018-12-24 | 2019-05-07 | 北京百度网讯科技有限公司 | 用户账号判断方法和装置 |
CN111835730A (zh) * | 2020-06-18 | 2020-10-27 | 北京嘀嘀无限科技发展有限公司 | 服务账号处理方法、装置、电子设备及可读存储介质 |
CN111860644A (zh) * | 2020-07-20 | 2020-10-30 | 北京百度网讯科技有限公司 | 一种异常账号的识别方法、装置、设备和存储介质 |
CN113014566A (zh) * | 2021-02-19 | 2021-06-22 | 腾讯科技(深圳)有限公司 | 恶意注册的检测方法、装置、计算机可读介质及电子设备 |
CN115017491A (zh) * | 2022-03-28 | 2022-09-06 | 北京来也网络科技有限公司 | 结合rpa和ai的异常函件监控方法、装置及电子设备 |
CN114978602A (zh) * | 2022-04-25 | 2022-08-30 | 沈莲 | 一种基于大数据的云安全账户管理方法及安全平台 |
CN114881651A (zh) * | 2022-05-09 | 2022-08-09 | 北京梦蓝杉科技有限公司 | 一种大数据服务智慧金融用异常交易识别系统及方法 |
CN115907027A (zh) * | 2022-11-03 | 2023-04-04 | 中国人民解放军国防科技大学 | 一种机器学习的自适应调整方法和系统 |
CN116167029A (zh) * | 2023-04-23 | 2023-05-26 | 汕头市林百欣科学技术中等专业学校 | 一种基于云计算的计算机系统账户管理方法 |
CN117078256A (zh) * | 2023-08-21 | 2023-11-17 | 广西师范大学 | 基于区块链和账户映射的智能电网电力交易隐私保护方法 |
Non-Patent Citations (6)
Title |
---|
Research of Absolute Joint Position Measurement for Robot Based on DSP;Qiang, Yanhui等;2018 INTERNATIONAL SEMINAR ON COMPUTER SCIENCE AND ENGINEERING TECHNOLOGY (SCSET 2018);20190701;第1176卷;全文 * |
Software-Based Instrumentation for Localization of Faults Caused by Electrostatic Discharge;Pratik Maheshwari等;2011 IEEE 13th International Symposium on High-Assurance Systems Engineering;20111229;全文 * |
园区网风险账号评估方法;曾煌尧等;浙江大学学报(工学版);20201015;第54卷(第9期);全文 * |
温侠.构建智能化涉诈短信监测发现能力,助力不良短信精准治理.数字通信世界.2023,第2023卷(第1期),全文. * |
社交机器人驱动的计算宣传:社交机器人识别及其行为特征分析;卢林艳等;中国传媒大学学报(自然科学版);20210420;第28卷(第2期);全文 * |
统一身份认证日志集中管理与账号风险检测;章思宇;黄保青;姜开达;;东南大学学报(自然科学版);20171120;第47卷(第z1期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117609974A (zh) | 2024-02-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110399925B (zh) | 账号的风险识别方法、装置及存储介质 | |
JP6732806B2 (ja) | アカウント盗難リスクの識別方法、識別装置、及び防止・制御システム | |
CN117609974B (zh) | 一种用于技术交易平台的服务管理系统及方法 | |
USRE42382E1 (en) | Volume mount authentication | |
CN107122669B (zh) | 一种评估数据泄露风险的方法和装置 | |
CN103679031B (zh) | 一种文件病毒免疫的方法和装置 | |
CN103593609B (zh) | 一种可信行为识别的方法和装置 | |
CN109327439B (zh) | 业务请求数据的风险识别方法、装置、存储介质及设备 | |
CN108377241A (zh) | 基于访问频率的监测方法、装置、设备和计算机存储介质 | |
WO2008041915A2 (en) | Security system and method for detecting intrusion in a computerized system | |
CN113111951B (zh) | 数据处理方法以及装置 | |
CN111931047B (zh) | 基于人工智能的黑产账号检测方法及相关装置 | |
CN111783073A (zh) | 黑产识别方法、装置及可读存储介质 | |
CN115204733A (zh) | 数据审计方法、装置、电子设备及存储介质 | |
CN109995751B (zh) | 上网设备标记方法、装置及存储介质、计算机设备 | |
CN114780358A (zh) | 异常操作行为的检测方法和检测装置 | |
CN112330355B (zh) | 消费券交易数据处理方法、装置、设备及存储介质 | |
TWI778411B (zh) | 學習模型應用系統、學習模型應用方法及程式產品 | |
CN117609992A (zh) | 一种数据泄密检测方法、装置及存储介质 | |
CN117370548A (zh) | 用户行为风险识别方法、装置、电子设备及介质 | |
CN111651500A (zh) | 用户身份识别方法、电子设备及存储介质 | |
CN114363082B (zh) | 网络攻击检测方法、装置、设备及计算机可读存储介质 | |
CN115270137A (zh) | 风险状态的确定方法、装置及电子设备 | |
CN115296872A (zh) | 一种网络安全风险评估系统 | |
CN114757757A (zh) | 一种风控方法 |
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 |