异常定位方法、装置及计算设备制造方法及图纸

本发明专利技术实施例涉及信息安全技术领域，公开了一种异常定位方法、装置及计算设备，该方法包括：获取营销活动数据；根据营销活动数据构建活动关系图，活动关系图包括多个号码节点；从活动关系图中抽取第一号码节点的行为特征；对第一号码节点的行为特征进行识别，得到第一号码节点对应的用户类别；根据各号码节点对应的用户类别确定活动关系图中优惠券领取异常的用户所在的目标连通子图；对目标连通子图进行处理，得到目标连通子图中各号码节点之间的目标关系图；对目标关系图进行划分，得到多个社区；从多个社区中确定异常团伙。通过上述方式，本发明专利技术实施例实现了对优惠券领取异常团伙的定位。

【技术实现步骤摘要】
异常定位方法、装置及计算设备
本专利技术实施例涉及信息安全
，具体涉及一种异常定位方法、装置及计算设备。
技术介绍
在或联网业务的营销活动中，企业为了促销、宣传等商业目标，会面向消费者赠送优惠券。在领取优惠券的用户中，存在一群专门抢券，并将优惠券高价卖出的团伙。这种行为极大的降低了正常用户的优惠活动体验感，也让企业的业务活动无法产生应有的效果。目前，对互联网优惠券领取异常的用户进行识别的方法是基于机器学习的建模方法。该方法可以通过机器学习模型识别异常用户。上述方法仅能够识别异常用户个体。但是当抢券用户为一个团伙时，团伙中的个别用户无法识别。上述方法无法对异常团伙进行定位。
技术实现思路
鉴于上述问题，本专利技术实施例提供了一种异常定位方法、装置及计算设备，用于解决现有技术中存在的无法定位异常团伙的问题。根据本专利技术实施例的一个方面，提供了一种异常定位方法，所述方法包括：获取营销活动数据；根据所述营销活动数据构建活动关系图，所述活动关系图包括多个号码节点，一个号码节点对应于一个参与营销活动的用户；从所述活动关系图中抽取第一号码节点的行为特征，所述第一号码节点为所述多个号码节点中的任意一个号码节点；对所述第一号码节点的行为特征进行识别，得到所述第一号码节点对应的用户类别，所述用户类别包括优惠券领取正常的用户和优惠券领取异常的用户；根据各号码节点对应的用户类别确定所述活动关系图中优惠券领取异常的用户所在的目标连通子图；对所述目标连通子图进行处理，得到所述目标连通子图中各号码节点之间的目标关系图；对所述目标关系图进行划分，得到多个社区；从所述多个社区中确定异常团伙。可选的，所述根据所述营销活动数据构建活动关系图，包括：确定用于构建活动关系图的节点类型和边类型；将所述营销活动数据与所述节点类型匹配，得到多个节点；将所述营销活动数据与所述边类型匹配，得到各节点之间的关系；所述多个节点和各节点之间的关系构成所述活动关系图。可选的，所述行为特征包括所述第一号码节点的深度特征，所述深度特征与所述活动关系图中的边类型对应，所述从所述活动关系图中抽取第一号码节点的行为特征，包括：以所述第一号码节点作为原点，计算按照目标边类型对应的边所能到达的最远距离；将所述距离确定为所述号码节点对应于所述目标边类型的深度特征。可选的，所述节点类型包括设备节点，所述边类型包括设备使用关系，所述第一号码节点的设备共用数量，所述从所述活动关系图中抽取第一号码节点的行为特征，包括：确定与所述第一号码节点之间存在设备使用关系的目标设备节点；统计与所述目标设备节点存在设备使用关系的号码节点的个数；将所述号码节点的个数作为所述第一号码节点的设备共用数量。可选的，所述营销活动数据包括优惠券领取异常的用户对应的用户标识，所述对所述第一号码节点的行为特征进行识别，得到所述第一号码节点对应的用户类别，包括：将所述优惠券领取异常的用户对应的用户标识和所述优惠券领取异常的用户对应的行为特征作为一组训练数据，以得到多组训练数据；根据所述多组训练数据训练提升树模型，得到识别模型；将所述第一号码节点的行为特征输入所述识别模型，得到所述第一号码节点对应的用户类别。可选的，所述对所述目标连通子图进行处理，得到所述目标连通子图中各号码节点之间的目标关系图，包括：将所述目标连通子图中的非号码节点转换为各号码节点之间的关系，以得到所述目标连通子图中各号码节点之间的目标关系图。可选的，所述对所述目标关系图进行划分，得到多个社区，包括：将所述目标关系图中的每一个号码节点作为一个社区，以得到多个社区；遍历目标社区中的号码节点的所有邻居号码节点，计算将所述目标社区中的号码节点加入每一个邻居号码节点所在的社区后，各社区的模块度收益；将所述目标社区合并至所述模块度收益最大的社区；更新所述目标社区，并重复执行遍历目标社区中的号码节点的所有邻居号码节点，直至各社区不再发生变化。可选的，所述从所述多个网络社区中确定异常团伙，包括：计算第一社区内的优惠券领取异常的用户对应的号码节点的个数与所述第一社区内节点总数的平方的比值，得到预测概率；将预测概率最大值对应的社区确定为异常团伙。根据本专利技术实施例的另一方面，提供了一种异常定位装置，包括：获取模块，用于获取营销活动数据；构建模块，用于根据所述营销活动数据构建活动关系图，所述活动关系图包括多个号码节点，一个号码节点对应于一个参与营销活动的用户；抽取模块，用于从所述活动关系图中抽取第一号码节点的行为特征，所述第一号码节点为所述多个号码节点中的任意一个号码节点；识别模块，用于对所述第一号码节点的行为特征进行识别，得到所述第一号码节点对应的用户类别，所述用户类别包括优惠券领取正常的用户和优惠券领取异常的用户；第一确定模块，用于根据各号码节点对应的用户类别确定所述活动关系图中优惠券领取异常的用户所在的目标连通子图；处理模块，用于对所述目标连通子图进行处理，得到所述目标连通子图中各号码节点之间的目标关系图；划分模块，用于对所述目标关系图进行划分，得到多个社区，每一个社区包含多个号码节点；第二确定模块，用于从所述多个社区中确定异常团伙。根据本专利技术实施例的又一方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使计算设备执行上述的异常定位方法。本专利技术实施例通过获取的营销活动数据建立各用户领取和使用优惠券的活动关系图，根据从活动关系图中抽取的行为特征识别出异常用户，对于异常用户所在的连通图进行社区划分，得到多个社区，从各社区中识别异常团伙。通过上述方式，本专利技术实施例可以建立各用户之间的联系，根据各用户之间的联系识别出异常团伙，相较于现有技术中仅能识别异常用户个体，本专利技术实施例不仅能够识别出异常用户个体，而且通过社区中各用户个体间的联系，还可以确定出和异常用户关联的其他个体，识别效果更佳可靠。上述说明仅是本专利技术实施例技术方案的概述，为了能够更清楚了解本专利技术实施例的技术手段，而可依照说明书的内容予以实施，并且为了让本专利技术实施例的上述和其它目的、特征和优点能够更明显易懂，以下特举本专利技术的具体实施方式。附图说明附图仅用于示出实施方式，而并不认为是对本专利技术的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：图1示出了本专利技术实施例提供的一种异常定位方法的流程示意图；图2示出了本专利技术实施例提供的一种异常定位装置的功能框图；图3示出了本专利技术实施例提供的一种计算设备的结构示意图。具体实施方式下面将参照附图更详细地描述本专利技术的示例性实施例。虽然附图中显示了本专利技术的示例性实施例，然而应当理解，可以以各种形式实现本专利技术本文档来自技高网...

【技术保护点】
1.一种异常定位方法，其特征在于，所述方法包括：/n获取营销活动数据；/n根据所述营销活动数据构建活动关系图，所述活动关系图包括多个号码节点，一个号码节点对应于一个参与营销活动的用户；/n从所述活动关系图中抽取第一号码节点的行为特征，所述第一号码节点为所述多个号码节点中的任意一个号码节点；/n对所述第一号码节点的行为特征进行识别，得到所述第一号码节点对应的用户类别，所述用户类别包括优惠券领取正常的用户和优惠券领取异常的用户；/n根据各号码节点对应的用户类别确定所述活动关系图中优惠券领取异常的用户所在的目标连通子图；/n对所述目标连通子图进行处理，得到所述目标连通子图中各号码节点之间的目标关系图；/n对所述目标关系图进行划分，得到多个社区；/n从所述多个社区中确定异常团伙。/n

【技术特征摘要】
1.一种异常定位方法，其特征在于，所述方法包括：
获取营销活动数据；
根据所述营销活动数据构建活动关系图，所述活动关系图包括多个号码节点，一个号码节点对应于一个参与营销活动的用户；
从所述活动关系图中抽取第一号码节点的行为特征，所述第一号码节点为所述多个号码节点中的任意一个号码节点；
对所述第一号码节点的行为特征进行识别，得到所述第一号码节点对应的用户类别，所述用户类别包括优惠券领取正常的用户和优惠券领取异常的用户；
根据各号码节点对应的用户类别确定所述活动关系图中优惠券领取异常的用户所在的目标连通子图；
对所述目标连通子图进行处理，得到所述目标连通子图中各号码节点之间的目标关系图；
对所述目标关系图进行划分，得到多个社区；
从所述多个社区中确定异常团伙。


2.根据权利要求1所述的方法，其特征在于，所述根据所述营销活动数据构建活动关系图，包括：
确定用于构建活动关系图的节点类型和边类型；
将所述营销活动数据与所述节点类型匹配，得到多个节点；
将所述营销活动数据与所述边类型匹配，得到各节点之间的关系；
所述多个节点和各节点之间的关系构成所述活动关系图。


3.根据权利要求2所述的方法，其特征在于，所述行为特征包括所述第一号码节点的深度特征，所述深度特征与所述活动关系图中的边类型对应，所述从所述活动关系图中抽取第一号码节点的行为特征，包括：
以所述第一号码节点作为原点，计算按照目标边类型对应的边所能到达的最远距离；
将所述距离确定为所述号码节点对应于所述目标边类型的深度特征。


4.根据权利要求2所述的方法，其特征在于，所述节点类型包括设备节点，所述边类型包括设备使用关系，所述第一号码节点的设备共用数量，所述从所述活动关系图中抽取第一号码节点的行为特征，包括：
确定与所述第一号码节点之间存在设备使用关系的目标设备节点；
统计与所述目标设备节点存在设备使用关系的号码节点的个数；
将所述号码节点的个数作为所述第一号码节点的设备共用数量。


5.根据权利要求1所述的方法，其特征在于，所述营销活动数据包括优惠券领取异常的用户对应的用户标识，所述对所述第一号码节点的行为特征进行识别，得到所述第一号码节点对应的用户类别，包括：
将所述优惠券领取异常的用户对应的用户标识和所述优惠券领取异常的用户对应的行为特征作为一组训练数据，以得到多组训练数据；
根据所述多组训练数据训练提升树模型，得到识别模型；
将所述第一号码节点的行为特征输入所述识别模型，...

【专利技术属性】
技术研发人员：包森成，方国强，王晨，
申请(专利权)人：中国移动通信集团浙江有限公司，中国移动通信集团有限公司，
类型：发明
国别省市：浙江;33