非正常用户的识别方法、装置、电子设备及存储介质制造方法及图纸

本申请实施例公开了一种非正常用户的识别方法、装置、电子设备及存储介质，该方法包括：获取待识别用户的订单风险识别数据和基本信息，并获取与待识别用户对应的关联用户的风险识别数据；根据订单风险识别数据和基本信息，确定层次分析模型的指标层中各个识别指标的得分；确定层次分析模型的准则层中各个识别准则对应的权重，并根据识别准则与识别指标的对应关系，确定每个识别准则下各个识别指标对应的权重；根据各个识别准则对应的权重，以及每个识别准则下各个识别指标对应的得分和权重，确定待识别用户的目标风险得分。本申请实施例由于通过层次分析法确定权重，而且综合考虑了关联用户的风险识别数据，可以提高识别结果的准确性。

【技术实现步骤摘要】
非正常用户的识别方法、装置、电子设备及存储介质
本申请实施例涉及互联网
，特别是涉及一种非正常用户的识别方法、装置、电子设备及存储介质。
技术介绍
在交易网站中，存在一类通过非正当手段牟取不当利益的用户，即非正常用户。交易网站为了控制风险，需要对非正常用户进行识别，拦截其交易行为。由于各个非正常用户涉及的金额、订单数量等因素有差异，因此各个非正常用户的风险程度不一样。为了确保既能控制风险，也能保持较好的用户体验、避免误伤，需要精确地刻画每个非正常用户的风险程度，对高风险的非正常用户进行严格打击，同时对低风险的非正常用户进行适当的管控。现有技术中，在确定非正常用户的风险程度时，先从订单角度入手，通过策略专家经验，依据交易行为所处的环境(例如IP地址、使用设备等)识别当前订单是否为目标风险类型，之后再根据单笔订单是否存在目标风险类型的识别结果，综合考虑用户的非正常订单金额、订单数量等因素，对用户的目标风险程度进行评分。评分方式通过对各相关因素加权求和得到，而各因素的权重根据专家经验确定。由于各因素的权重是根据专家经验直接确定的，难以做到准确量化，而且只考虑用户的历史识别结果来进行评分，导致非正常用户的识别准确性低，容易对正常用户造成误伤。
技术实现思路
本申请实施例提供一种非正常用户的识别方法、装置、电子设备及存储介质，有助于提高识别结果的准确性，避免误伤正常用户。为了解决上述问题，第一方面，本申请实施例提供了一种非正常用户的识别方法，包括：获取待识别用户的订单风险识别数据和基本信息，并获取与所述待识别用户对应的关联用户的订单风险识别数据，其中，所述关联用户为与所述待识别用户具有相同设备标识、相同手机号或相同支付账号的其他用户；根据所述待识别用户的订单风险识别数据、所述关联用户的订单风险识别数据和所述基本信息，确定预先建立的层次分析模型的指标层中各个识别指标的得分，所述层次分析模型是与目标风险类型相对应的模型；基于层次分析法，确定层次分析模型的准则层中各个识别准则对应的权重，并根据识别准则与识别指标的对应关系，确定每个识别准则下各个识别指标对应的权重；根据所述各个识别准则对应的权重，以及每个识别准则下各个识别指标对应的得分和权重，确定所述待识别用户的目标风险得分。第二方面，本申请实施例提供了一种非正常用户的识别装置，包括：数据获取模块，用于获取待识别用户的订单风险识别数据和基本信息，并获取与所述待识别用户对应的关联用户的订单风险识别数据，其中，所述关联用户为与所述待识别用户具有相同设备标识、相同手机号或相同支付账号的其他用户；指标得分确定模块，用于根据所述待识别用户的订单风险识别数据、所述关联用户的订单风险识别数据和所述基本信息，确定预先建立的层次分析模型的指标层中各个识别指标的得分，所述层次分析模型是与目标风险类型相对应的模型；权重确定模块，用于基于层次分析法，确定层次分析模型的准则层中各个识别准则对应的权重，并根据识别准则与识别指标的对应关系，确定每个识别准则下各个识别指标对应的权重；作弊得分确定模块，用于根据所述各个识别准则对应的权重，以及每个识别准则下各个识别指标对应的得分和权重，确定所述待识别用户的目标风险得分。第三方面，本申请实施例还提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在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本申请实施例所述的非正常用户的识别方法。第四方面，本申请实施例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本申请实施例公开的非正常用户的识别方法的步骤。本申请实施例提供的非正常用户的识别方法、装置、电子设备及存储介质，通过获取待识别用户的订单风险识别数据和基本信息，并获取与待识别用户对应的关联用户的订单风险识别数据，根据待识别用户的订单风险识别数据、关联用户的订单风险识别数据和基本信息确定预先建立的层次分析模型的指标层中各个识别指标的得分，基于层次分析法，确定层次分析模型的准则层中各个识别准则对应的权重，并根据识别准则与识别指标的对应关系，确定每个识别准则下各个识别指标对应的权重，根据各个识别准则对应的权重以及每个识别准则下各个识别指标对应的得分和权重，确定待识别用户的目标风险得分，由于通过层次分析法确定各个识别指标和识别准则的权重，而不是采用专家经验直接设定，从而权重设置的更加合理，而且不仅考虑了待识别用户的历史识别结果，还结合了待识别用户对应的关联用户的历史识别结果，使得待识别用户的目标风险得分更加准确，可以提高识别结果的准确性，避免误伤正常用户。附图说明为了更清楚地说明本申请实施例的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1是本申请实施例一的非正常用户的识别方法的流程图；图2是本申请实施例二的非正常用户的识别方法的流程图；图3是本申请实施例中的层次分析模型的结构示意图；图4是本申请实施例三的非正常用户的识别装置的结构示意图。具体实施方式下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。实施例一本实施例提供的一种非正常用户的识别方法，如图1所示，该方法包括：步骤110至步骤140。步骤110，获取待识别用户的订单风险识别数据和基本信息，并获取与所述待识别用户对应的关联用户的订单风险识别数据，其中，所述关联用户为与所述待识别用户具有相同设备标识、相同手机号或相同支付账号的其他用户。其中，所述订单风险识别数据包括订单日志数据和对应的订单风险识别结果。所述订单日志数据包括用户标识、设备标识、手机号、支付账号、订单标识、商家标识、订单所属业务线以及订单金额等，订单所属业务线例如可以是外卖、打车或酒店等业务线。所述订单风险识别结果包括当前订单的风险类型和对应的识别结果，所述风险类型包括作弊、刷单和骗赔等中的至少一种，所述风险类型对应的识别结果为存在或不存在，如存在作弊、不存在刷单等。所述作弊是指刻意套取营销补贴、牟取不当利益，所述刷单是指通过不当手段提高订单量，所述骗赔是指非法骗取赔偿。所述基本信息包括用户标识和注册时间等。所述基本信息包括待识别用户的用户标识和注册时间等。可以将所有用户分别作为待识别用户，从而确定每个用户的作弊风险得分。首先根据待识别用户的用户标识从存储订单日志数据的数据库中获取待识别用户的订单日志数据，并基于订单日志数据中的订单标识从存储订单风险识别结果的数据库中获取与订单标识对应的订单本文档来自技高网...

【技术保护点】
1.一种非正常用户的识别方法，其特征在于，包括：/n获取待识别用户的订单风险识别数据和基本信息，并获取与所述待识别用户对应的关联用户的订单风险识别数据，其中，所述关联用户为与所述待识别用户具有相同设备标识、相同手机号或相同支付账号的其他用户；/n根据所述待识别用户的订单风险识别数据、所述关联用户的订单风险识别数据和所述基本信息，确定预先建立的层次分析模型的指标层中各个识别指标的得分，所述层次分析模型是与目标风险类型相对应的模型；/n基于层次分析法，确定层次分析模型的准则层中各个识别准则对应的权重，并根据识别准则与识别指标的对应关系，确定每个识别准则下各个识别指标对应的权重；/n根据所述各个识别准则对应的权重，以及每个识别准则下各个识别指标对应的得分和权重，确定所述待识别用户的目标风险得分。/n

【技术特征摘要】
1.一种非正常用户的识别方法，其特征在于，包括：
获取待识别用户的订单风险识别数据和基本信息，并获取与所述待识别用户对应的关联用户的订单风险识别数据，其中，所述关联用户为与所述待识别用户具有相同设备标识、相同手机号或相同支付账号的其他用户；
根据所述待识别用户的订单风险识别数据、所述关联用户的订单风险识别数据和所述基本信息，确定预先建立的层次分析模型的指标层中各个识别指标的得分，所述层次分析模型是与目标风险类型相对应的模型；
基于层次分析法，确定层次分析模型的准则层中各个识别准则对应的权重，并根据识别准则与识别指标的对应关系，确定每个识别准则下各个识别指标对应的权重；
根据所述各个识别准则对应的权重，以及每个识别准则下各个识别指标对应的得分和权重，确定所述待识别用户的目标风险得分。


2.根据权利要求1所述的方法，其特征在于，所述识别准则包括待识别用户的目标风险类型特征和关联用户的目标风险类型特征。


3.根据权利要求1所述的方法，其特征在于，所述基于层次分析法，确定层次分析模型的准则层中各个识别准则对应的权重，并根据识别准则与识别指标的对应关系，确定每个识别准则下各个识别指标对应的权重，包括：
基于层次分析法，构建所述准则层对应的判断矩阵，作为准则判断矩阵，并根据识别准则与识别指标的对应关系，分别构建每个识别准则对应的识别指标的判断矩阵，作为指标判断矩阵；
根据所述准则判断矩阵，确定所述准则层中各个识别准则对应的权重；
根据所述指标判断矩阵，确定每个识别准则下各个识别指标对应的权重。


4.根据权利要求3所述的方法，其特征在于，所述根据所述准则判断矩阵，确定所述准则层中各个识别准则对应的权重，包括：
若所述准则判断矩阵满足一致性条件，则对所述准则判断矩阵进行规范列平均计算，得到所述准则层中各个识别准则对应的权重。


5.根据权利要求3所述的方法，其特征在于，所述根据所述指标判断矩阵，确定每个识别准则下各个识别指标对应的权重，包括：
若一个识别准则对应的识别指标的指标判断矩阵满足一致性条件，则对所述指标判断矩阵进行规范列平均计算，得到该识别准则下各个识别指标对应的权重。

【专利技术属性】
技术研发人员：牛志向，邓锦君，刁士涵，
申请(专利权)人：北京三快在线科技有限公司，
类型：发明
国别省市：北京;11