注册风险识别方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术的实施例提供了一种注册风险识别方法、装置、电子设备及存储介质，涉及网络安全技术领域。该方法包括：接收注册请求，并提取所述注册请求的特征；根据所述注册请求的特征，通过风险预测模型对所述注册请求的风险进行预测，得到预测结果；基于所述预测结果选择对应的验证方式对所述注册请求进行验证，得到验证结果；基于所述验证结果调整所述风险预测模型。本发明专利技术实施例的技术方案能够自动调整风险识别策略，从而能够准确识别并防止恶意注册，同时能够保证正常注册用户的使用体验。

【技术实现步骤摘要】
注册风险识别方法、装置、电子设备及存储介质
本专利技术涉及网络安全
，具体而言，涉及一种注册风险识别方法、注册风险识别装置、电子设备以及计算机可读存储介质。
技术介绍
电子商务平台建立了商家和消费者之间的纽带，为广大消费者和商家提供了诸多便利。随着电子商务平台日趋繁荣以及互联网技术的发展，一些黑产(即黑色产业)利用互联网技术批量领取优惠券，批量抢购低价商品、首发商品，损害了消费者、商家以及电商平台的利益。黑产一般使用软件批量生成大量垃圾账号，然后将这些垃圾账号用于批量领取优惠券、下单。打击网络黑产的重要环节就是控制黑产的注册，控制黑产的注册能够在源头制止黑产作恶的可能。目前，主要通过提高验证难度来防止黑产的垃圾注册。提高验证难度是指在用户发起注册请求时需要通过图像验证码验证、短信验证以及语音验证等。随着计算机视觉技术的发展，图像验证码已经很容易被机器破解，很难形成防止黑产的垃圾注册的有效屏障。短信验证也逐步被黑产攻破，黑产通过使用“猫池”手机全自动接收短信验证码，然后完成验证。语音验证是指向用户注册所使用的手机发送一段语音，需要用户成功输入语音验证码后方能完成注册。语音验证虽然是一种非常有效的防止垃圾注册的拦截手段，但其缺陷在于会降低正常注册用户的使用体验并且成本较高。同时，若采用一成不变的风险控制策略，那么会由于黑产的技术升级而导致无法实现有效防止垃圾注册的问题。因此，如何能够有效防止黑产的垃圾注册成为亟待解决的技术问题。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专利技术背景的理解，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
本专利技术的目的在于提供一种注册风险识别方法、注册风险识别装置、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。根据本专利技术实施例的第一方面，提供了一种注册风险识别方法，包括：接收注册请求，并提取所述注册请求的特征；根据所述注册请求的特征，通过风险预测模型对所述注册请求的风险进行预测，得到预测结果；基于所述预测结果选择对应的验证方式对所述注册请求进行验证，得到验证结果；基于所述验证结果调整所述风险预测模型。在本专利技术的一些实施例中，基于前述方案，基于所述预测结果选择对应的验证方式对所述注册请求进行验证，包括：在所述预测结果为有风险时，通过第一验证方式对所述注册请求进行验证；在所述预测结果为无风险时，通过第二验证方式对所述注册请求进行验证。在本专利技术的一些实施例中，基于前述方案，所述第一验证方式包括语音验证方式，所述第二验证方式包括短信验证方式。在本专利技术的一些实施例中，基于前述方案，所述注册请求的特征包括：注册IP地址部分相同或全部相同的注册请求的请求时间间隔均值以及请求时间间隔方差；和/或注册手机号部分相同或全部相同的注册请求的请求时间间隔均值以及请求时间间隔方差。在本专利技术的一些实施例中，基于前述方案，在通过风险预测模型对所述注册请求的风险进行预测之前，还包括：获取历史注册请求和所述历史注册请求的风险情况；提取所述历史注册请求的特征；根据所述历史注册请求的风险情况，将所述历史注册请求的特征分为正样本和负样本；通过所述正样本和所述负样本对所述风险预测模型进行训练。在本专利技术的一些实施例中，基于前述方案，根据所述注册请求的特征，通过风险预测模型对所述注册请求的风险进行预测，包括：根据所述注册请求的特征，通过贝叶斯模型对所述注册请求的风险进行预测。在本专利技术的一些实施例中，基于前述方案，基于所述验证结果调整所述风险预测模型，包括：基于所述验证结果调整所述贝叶斯模型的先验概率以及似然概率。在本专利技术的一些实施例中，基于前述方案，基于所述验证结果调整所述贝叶斯模型的先验概率，包括：基于所述验证结果，通过下式调整所述贝叶斯模型的先验概率：其中，c表示所述注册请求是否有风险的标签，i为标签c的取值，P(c＝i)表示总体样本中标签为i的注册请求数量与总体样本数量的比值，ni表示标签为i的注册请求的样本数量，n0表示无风险的样本数量，n1表示有风险的样本数量。在本专利技术的一些实施例中，基于前述方案，基于所述验证结果调整所述贝叶斯模型的似然概率，包括：基于所述验证结果，通过下式调整所述贝叶斯模型的似然概率的特征均值和特征方差：其中，xjnew表示第j个注册请求的特征，μji表示特征xj在样本标签ci下的均值，σji表示特征xj在样本标签ci下的标准方差，sumij表示特征xj在样本标签ci下的和，sum2ij表示特征xj在样本标签ci下的平方和。根据本专利技术实施例的第二方面，提供一种注册风险识别装置，包括：特征提取单元，用于接收注册请求，并提取所述注册请求的特征；预测单元，用于根据所述注册请求的特征，通过风险预测模型对所述注册请求的风险进行预测，得到预测结果；验证单元，用于基于所述预测结果选择对应的验证方式对所述注册请求进行验证，得到验证结果；调整单元，用于基于所述验证结果调整所述风险预测模型。根据本专利技术实施例的第三方面，提供了一种电子设备，包括：处理器；以及存储器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时实现如上述第一方面所述的注册风险识别方法。根据本专利技术实施例的第四方面，提供了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如上述第一方面所述的注册风险识别方法。在本专利技术的一些实施例所提供的技术方案中，根据注册请求的特征通过风险预测模型对注册请求的风险进行预测；根据预测结果选择对应的验证方式对注册请求进行验证；基于验证结果调整风险预测模型。一方面，根据注册请求的特征通过风险预测模型对注册请求的风险进行预测，能够对注册请求是否为黑产注册进行预测；另一方面，根据预测结果选择对应的验证方式对注册请求进行验证，能够针对不同的注册请求采用不同的验证策略，从而能够提高正常注册用户的使用体验，降低验证成本；再一方面，基于验证结果调整风险预测模型，可以使风险预测模型能够自动适应黑产的对抗和变化，从而能够准确识别并有效防止黑产的垃圾注册。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，并不能限制本专利技术。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，示出了符合本专利技术的实施例，并与说明书一起用于解释本专利技术的原理。显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，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。在附图中：图1示出了根据本专利技术的第一个示例性实施例的注册风险识别方法的流程示意图；图2示出了根据本专利技术的示例性实施例的对风险预测模型进行训练的流程示意图；图3示出了根据本专利技术的第二个示例性实施例的注册风险识别方法的流程示意图；图4示出了根据本专利技术的一示例性实施例的注册风险识别装置的示意框图；图5示出了适于用来实现本专利技术实施例的电子设备的计算机系统的结构示意图。具体实施方式现在将参考附图更全面地描述示例实施例。然而，示例实施例能够以多种形式实施，且不应被理解为限于在此阐述的实施例；相反，提供这些实施例使得本专利技术将全面和完整，并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记本文档来自技高网...

【技术保护点】
1.一种注册风险识别方法，其特征在于，包括：接收注册请求，并提取所述注册请求的特征；根据所述注册请求的特征，通过风险预测模型对所述注册请求的风险进行预测，得到预测结果；基于所述预测结果选择对应的验证方式对所述注册请求进行验证，得到验证结果；基于所述验证结果调整所述风险预测模型。

【技术特征摘要】
1.一种注册风险识别方法，其特征在于，包括：接收注册请求，并提取所述注册请求的特征；根据所述注册请求的特征，通过风险预测模型对所述注册请求的风险进行预测，得到预测结果；基于所述预测结果选择对应的验证方式对所述注册请求进行验证，得到验证结果；基于所述验证结果调整所述风险预测模型。2.根据权利要求1所述的注册风险识别方法，其特征在于，基于所述预测结果选择对应的验证方式对所述注册请求进行验证，包括：在所述预测结果为有风险时，通过第一验证方式对所述注册请求进行验证；在所述预测结果为无风险时，通过第二验证方式对所述注册请求进行验证。3.根据权利要求2所述的注册风险识别方法，其特征在于，所述第一验证方式包括语音验证方式，所述第二验证方式包括短信验证方式。4.根据权利要求1所述的注册风险识别方法，其特征在于，所述注册请求的特征包括：注册IP地址部分相同或全部相同的注册请求的请求时间间隔均值以及请求时间间隔方差；和/或注册手机号部分相同或全部相同的注册请求的请求时间间隔均值以及请求时间间隔方差。5.根据权利要求1所述的注册风险识别方法，其特征在于，在通过风险预测模型对所述注册请求的风险进行预测之前，还包括：获取历史注册请求和所述历史注册请求的风险情况；提取所述历史注册请求的特征；根据所述历史注册请求的风险情况，将所述历史注册请求的特征分为正样本和负样本；通过所述正样本和所述负样本对所述风险预测模型进行训练。6.根据权利要求1至5中任一项所述的注册风险识别方法，其特征在于，根据所述注册请求的特征，通过风险预测模型对所述注册请求的风险进行预测，包括：根据所述注册请求的特征，通过贝叶斯模型对所述注册请求的风险进行预测。7.根据权利要求6所述的注册风险识别方法，其特征在于，基于所述验证结果调整所述风险预测模...

【专利技术属性】
技术研发人员：李川，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