恶意订单识别方法、装置、电子设备及存储介质制造方法及图纸

本公开提供了一种恶意订单识别方法、恶意订单识别装置、电子设备以及计算机可读存储介质，涉及电子商务技术领域，该方法包括：在接收到当前订单请求时，获取所述当前订单地址信息以及多个历史订单地址信息；计算所述当前订单地址信息与多个所述历史订单地址信息的公共字符串；构建一订单识别模型并根据所述订单识别模型和所述公共字符串对所述当前订单进行预测和识别。该方法可以提高恶意订单识别的效率和准确率。

Malicious Order Recognition Method, Device, Electronic Equipment and Storage Media

The present disclosure provides a malicious order recognition method, a malicious order recognition device, an electronic device and a computer readable storage medium, which relates to the technical field of electronic commerce. The method includes: obtaining the current order address information and multiple historical order address information when receiving the current order request; calculating the current order address information and multiple historical orders. A common string of single address information; an order recognition model is constructed and the current order is predicted and identified according to the order recognition model and the common string. This method can improve the efficiency and accuracy of malicious order recognition.

【技术实现步骤摘要】
恶意订单识别方法、装置、电子设备及存储介质
本公开涉及电子商务
，具体而言，涉及一种恶意订单识别方法、恶意订单识别装置、电子设备以及计算机可读存储介质。
技术介绍
随着互联网技术的快速发展，出现了大量的电商平台。在各电商平台中，经常会出现大量刷单的恶意订单。现有技术中，一般结合收货地址信息进行恶意订单识别，主要有两种方式：第一种方式涉及对地址做层级处理，具体而言，首先对地址做分词处理，即按照省、市、县、区、镇、街道、路等标准地址等级进行切分，然后基于地址等级并结合其它订单维度进行数据加工，加工特征，进而在已加工特征的基础上基于分类模型进行恶意订单识别；第二种方式涉及对恶意地址添加黑名单处理。上述基于地址标准层级进行恶意订单识别的方法中，由于在地址中可能存在很难按照省、市、县、区、镇等标准地址等级来区分的内容，这些不能按照标准地址等级区分的内容会对模型识别造成干扰，从而造成漏识别；将恶意地址添加至黑名单库的方法，是在出现恶意地址的基础上才将该地址加入黑名单库，在时间上存在一定的滞后性，且维护成本较大，不利于恶意地址的动态识别。需要说明的是，在上述
技术介绍
部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
本公开的目的在于提供一种恶意订单识别方法、恶意订单识别装置、电子设备以及计算机可读存储介质，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的一个或者多个问题。本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。根据本公开的一个方面，提供一种恶意订单识别方法，包括：在接收到当前订单请求时，获取所述当前订单地址信息以及多个历史订单地址信息；计算所述当前订单地址信息与多个所述历史订单地址信息的公共字符串；构建一订单识别模型并根据所述订单识别模型和所述公共字符串对所述当前订单进行预测和识别。在本公开的一种示例性实施例中，计算所述当前订单地址信息与多个所述历史订单地址信息的公共字符串包括：采用动态规划算法计算所述当前订单地址信息与预设时长内的多个所述历史订单地址信息的所述公共字符串。在本公开的一种示例性实施例中，采用动态规划算法计算所述当前订单地址信息与预设时长内的多个所述历史订单地址信息的所述公共字符串包括：获取与所述当前订单地址信息相似的预设时长内的所有所述历史订单地址信息；利用最大公共序列算法计算所述当前订单地址信息与各所述历史订单地址信息的最长公共字符串。在本公开的一种示例性实施例中，对所述当前订单进行预测和识别包括：采用随机森林算法对所述订单识别模型进行离线训练；根据离线训练后的所述订单识别模型对所述当前订单进行在线预测和识别。在本公开的一种示例性实施例中，采用随机森林算法对所述订单识别模型进行离线训练包括：获取与所述订单识别模型对应的训练数据和测试数据，并生成与所述订单识别模型特征对应的特征数据；基于各所述历史订单的所述训练数据对所述订单识别模型的特征数据进行离线训练；基于各所述历史订单的所述测试数据对离线训练后的所述订单识别模型进行交叉验证，并输出所述订单识别模型。在本公开的一种示例性实施例中，在采用随机森林算法对所述订单识别模型进行离线训练之前，所述方法还包括：根据所述公共字符串以及所述历史订单的维度信息生成数据特征宽表。在本公开的一种示例性实施例中，获取与所述当前订单地址信息相似的所有所述历史订单地址信息包括：在缓存中查询并获取与所述当前订单请求地址信息中的预设信息相同的所有所述历史订单地址信息。根据本公开的一个方面，提供一种恶意订单识别装置，包括：地址信息获取模块，用于在接收到当前订单请求时，获取所述当前订单地址信息以及多个历史订单地址信息；公共字符串计算模块，用于计算所述当前订单地址信息与多个所述历史订单地址信息的公共字符串；订单识别模块，用于构建一订单识别模型并根据所述订单识别模型和所述公共字符串对所述当前订单进行预测和识别。根据本公开的一个方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一项所述的恶意订单识别方法。根据本公开的一个方面，提供一种电子设备，包括：处理器；以及存储器，用于存储所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行上述任意一项所述的恶意订单识别方法。本示例性实施例中中提供的恶意订单识别方法、恶意订单识别装置、电子设备及计算机可读存储介质中，通过获取当前订单与历史订单地址信息的公共字符串，可以发现当前订单与历史订单地址信息之间的关联性，避免了现有技术中地址信息中特殊字符对恶意订单识别的干扰，从而可以有效且准确地识别恶意订单；另一方面，可以实时对当前订单进行预测和识别，避免了通过黑名单的方式识别恶意订单的滞后性，提高了恶意订单识别的效率，进而保证了电子订单的真实性和安全性。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。附图说明此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本公开的一种应用场景的示意图；图2示意性示出本公开示例性实施例中一种恶意订单识别系统平台的结构示意图；图3示意性示出本公开示例性实施例中一种恶意订单识别方法的示意图；图4示意性示出本公开示例性实施例中恶意订单识别的具体流程示意图；图5示意性示出本公开示例性实施例中一种恶意订单识别装置的框图；图6示意性示出本公开示例性实施例中一种电子设备；图7示意性示出本公开示例性实施例中一种程序产品。具体实施方式现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本公开的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。首先对本示例实施方式中的应用场景予以说明。参考图1所示，本示例中的恶意订单识别方法可以应用于终端110和服务器120之间，该终端110可以通过有线网络或者无线网络与该服务器120之间建立通信连接。其中，用户可以通过该终端110中运行的浏览器或者客户端的形式登录本文档来自技高网...

【技术保护点】
1.一种恶意订单识别方法，其特征在于，包括：在接收到当前订单请求时，获取所述当前订单地址信息以及多个历史订单地址信息；计算所述当前订单地址信息与多个所述历史订单地址信息的公共字符串；构建一订单识别模型并根据所述订单识别模型和所述公共字符串对所述当前订单进行预测和识别。

【技术特征摘要】
1.一种恶意订单识别方法，其特征在于，包括：在接收到当前订单请求时，获取所述当前订单地址信息以及多个历史订单地址信息；计算所述当前订单地址信息与多个所述历史订单地址信息的公共字符串；构建一订单识别模型并根据所述订单识别模型和所述公共字符串对所述当前订单进行预测和识别。2.根据权利要求1所述的恶意订单识别方法，其特征在于，计算所述当前订单地址信息与多个所述历史订单地址信息的公共字符串包括：采用动态规划算法计算所述当前订单地址信息与预设时长内的多个所述历史订单地址信息的所述公共字符串。3.根据权利要求2所述的恶意订单识别方法，其特征在于，采用动态规划算法计算所述当前订单地址信息与预设时长内的多个所述历史订单地址信息的所述公共字符串包括：获取与所述当前订单地址信息相似的预设时长内的所有所述历史订单地址信息；利用最大公共序列算法计算所述当前订单地址信息与各所述历史订单地址信息的最长公共字符串。4.根据权利要求1所述的恶意订单识别方法，其特征在于，对所述当前订单进行预测和识别包括：采用随机森林算法对所述订单识别模型进行离线训练；根据离线训练后的所述订单识别模型对所述当前订单进行在线预测和识别。5.根据权利要求4所述的恶意订单识别方法，其特征在于，采用随机森林算法对所述订单识别模型进行离线训练包括：获取与所述订单识别模型对应的训练数据和测试数据，并生成与所述订单识别模型特征对应的特征数据；基于各所述...

【专利技术属性】
技术研发人员：王晓勤，游正朋，
申请(专利权)人：北京京东尚科信息技术有限公司，北京京东世纪贸易有限公司，
类型：发明
国别省市：北京,11