本申请实施例提供了一种异常用户识别方法、装置、电子设备及存储介质，方法包括：用户的原始流量数据中提取多个预设异常原因维度的特征，得到多个归因特征；确定每个归因特征偏离预设均值的预设标准差的个数，作为每个归因特征对应的偏差；基于每个预设异常原因维度的权重，对每个归因特征对应的偏差进行加权求和，得到异常融合指标；基于异常融合指标和预设融合阈值，确定用户的第一异常检测结果，第一异常检测结果指示用户是否为疑似异常用户。应用本申请实施例提供的技术方案，能够解决异常情况难解释的问题。常情况难解释的问题。常情况难解释的问题。
【技术实现步骤摘要】
一种异常用户识别方法、装置、电子设备及存储介质
[0001]本申请涉及反欺诈业务的
，特别是涉及一种异常用户识别方法、装置、电子设备及存储介质。
技术介绍
[0002]为实现吸引用户、促销商品等目的，网络中的活动类业务越来越多。为提高活动类业务的安全性，保证运营商的利益，活动类业务中异常用户识别方法受到了越来越多的关注。
[0003]目前，活动类业务中异常用户识别方法中，主要采用有监督的算法，识别活动类业务中的异常用户。该方法中，难以对异常原因进行准确归因，难以定性用户异常原因。
技术实现思路
[0004]本专利技术实施例的目的在于提供一种异常用户识别方法、装置及电子设备，以解决异常情况难解释的问题。具体技术方案如下：
[0005]第一方面，本申请实施例提供了一种异常用户识别方法，所述方法包括：
[0006]从用户的原始流量数据中提取多个预设异常原因维度的特征，得到多个归因特征；
[0007]确定每个所述归因特征偏离预设均值的预设标准差的个数，作为每个所述归因特征对应的偏差；
[0008]基于每个所述预设异常原因维度的权重，对每个所述归因特征对应的偏差进行加权求和，得到异常融合指标；
[0009]基于所述异常融合指标和预设融合阈值，确定所述用户的第一异常检测结果，所述第一异常检测结果指示所述用户是否为疑似异常用户。
[0010]可选的，所述基于所述异常融合指标和预设融合阈值，确定所述用户的第一异常检测结果的步骤，包括：
[0011]若所述异常融合指标大于等于所述预设融合阈值，则确定所述用户的第一异常检测结果指示所述用户为疑似异常用户；
[0012]若所述异常融合指标小于所述预设融合阈值，则确定所述用户的第一异常检测结果指示所述用户为正常用户。
[0013]可选的，所述方法还包括：
[0014]对所述原始流量数据进行归一化和标准化处理，确定第一特征向量；
[0015]将所述第一特征向量输入到预设自编码器，得到所述原始流量数据的第二特征向量，所述预设自编码器为利用正常用户的流量数据进行训练得到的自编码器；
[0016]确定所述第一特征向量和所述第二特征向量之间的重构误差；
[0017]基于所述重构误差和预设误差阈值，确定所述用户的第二异常检测结果，所述第二异常检测结果指示所述用户是否为疑似异常用户；
[0018]根据所述第一异常检测结果和所述第二异常检测结果，确定第三异常检测结果，所述第三异常检测结果指示所述用户是否为异常用户。
[0019]可选的，所述基于所述重构误差和预设误差阈值，确定所述用户的第二异常检测结果的步骤，包括：
[0020]若所述重构误差大于等于预设误差阈值，则确定所述用户的第二异常检测结果指示所述用户为疑似异常用户；
[0021]若所述重构误差小于所述预设误差阈值，则确定所述用户的第二异常检测结果指示所述用户为正常用户。
[0022]可选的，所述根据所述第一异常检测结果和所述第二异常检测结果，确定所述第三异常检测结果的步骤，包括：
[0023]基于所述第一异常检测结果的第一预设重要程度，以及所述第二异常检测结果的第二预设重要程度，对所述第一异常检测结果和所述第二异常检测结果进行加权融合，得到融合策略值；
[0024]若所述融合策略值大于等于预设策略阈值，则确定所述用户的第三异常检测结果指示所述用户为异常用户；
[0025]若所述融合策略值小于所述预设策略阈值，则确定所述用户的第三异常检测结果指示所述用户为正常用户。
[0026]可选的，当所述第三异常检测结果指示所述用户为异常用户时，所述方法还包括：
[0027]基于偏差大于预设归因阈值的归因特征，确定导致所述用户异常的原因。
[0028]可选的，当所述第一异常检测结果和/或所述第二异常检测结果指示所述用户为疑似异常用户，且所述第三异常检测结果指示所述用户是正常用户时，所述方法还包括：
[0029]输出指示所述用户为暂不可解释的疑似异常用户的告警信息。
[0030]第二方面，本申请实施例提供了一种异常用户识别装置，所述装置包括：
[0031]提取单元，用于从用户的原始流量数据中提取多个预设异常原因维度的特征，得到多个归因特征；
[0032]第一确定单元，用于确定每个所述归因特征偏离预设均值的预设标准差的个数，作为每个所述归因特征对应的偏差；
[0033]加权单元，用于基于每个所述预设异常原因维度的权重，对每个所述归因特征对应的偏差进行加权求和，得到异常融合指标；
[0034]第二确定单元，用于基于所述异常融合指标和预设融合阈值，确定所述用户的第一异常检测结果，所述第一异常检测结果指示所述用户是否为疑似异常用户。
[0035]可选的，所述第二确定单元，具体用于：
[0036]若所述异常融合指标大于等于所述预设融合阈值，则确定所述用户的第一异常检测结果指示所述用户为疑似异常用户；
[0037]若所述异常融合指标小于所述预设融合阈值，则确定所述用户的第一异常检测结果指示所述用户为正常用户。
[0038]可选的，所述装置还包括：
[0039]第三确定单元，用于对所述原始流量数据进行归一化和标准化处理，确定第一特征向量；
[0040]输入单元，用于将所述第一特征向量输入到预设自编码器，得到所述原始流量数据的第二特征向量，所述预设自编码器为利用正常用户的流量数据进行训练得到的自编码器；
[0041]第四确定单元，用于确定所述第一特征向量和所述第二特征向量之间的重构误差；
[0042]第五确定单元，用于基于所述重构误差和预设误差阈值，确定所述用户的第二异常检测结果，所述第二异常检测结果指示所述用户是否为疑似异常用户；
[0043]第六确定单元，用于根据所述第一异常检测结果和所述第二异常检测结果，确定第三异常检测结果，所述第三异常检测结果指示所述用户是否为异常用户。
[0044]可选的，所述第五确定单元，具体用于：
[0045]若所述重构误差大于等于预设误差阈值，则确定所述用户的第二异常检测结果指示所述用户为疑似异常用户；
[0046]若所述重构误差小于所述预设误差阈值，则确定所述用户的第二异常检测结果指示所述用户为正常用户。
[0047]可选的，所述第六确定单元，具体用于：
[0048]基于所述第一异常检测结果的第一预设重要程度，以及所述第二异常检测结果的第二预设重要程度，对所述第一异常检测结果和所述第二异常检测结果进行加权融合，得到融合策略值；
[0049]若所述融合策略值大于等于预设策略阈值，则确定所述用户的第三异常检测结果指示所述用户为异常用户；
[0050]若所述融合策略值小于所述预设策略阈值，则确定所述用户的第三异常检测结果指示所述用户为正常用户。
[0051]可选的，所述装置还包括：
...
【技术保护点】
【技术特征摘要】
1.一种异常用户识别方法，其特征在于，所述方法包括：从用户的原始流量数据中提取多个预设异常原因维度的特征，得到多个归因特征；确定每个所述归因特征偏离预设均值的预设标准差的个数，作为每个所述归因特征对应的偏差；基于每个所述预设异常原因维度的权重，对每个所述归因特征对应的偏差进行加权求和，得到异常融合指标；基于所述异常融合指标和预设融合阈值，确定所述用户的第一异常检测结果，所述第一异常检测结果指示所述用户是否为疑似异常用户。2.根据权利要求1所述的方法，其特征在于，所述基于所述异常融合指标和预设融合阈值，确定所述用户的第一异常检测结果的步骤，包括：若所述异常融合指标大于等于所述预设融合阈值，则确定所述用户的第一异常检测结果指示所述用户为疑似异常用户；若所述异常融合指标小于所述预设融合阈值，则确定所述用户的第一异常检测结果指示所述用户为正常用户。3.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：对所述原始流量数据进行归一化和标准化处理，确定第一特征向量；将所述第一特征向量输入到预设自编码器，得到所述原始流量数据的第二特征向量，所述预设自编码器为利用正常用户的流量数据进行训练得到的自编码器；确定所述第一特征向量和所述第二特征向量之间的重构误差；基于所述重构误差和预设误差阈值，确定所述用户的第二异常检测结果，所述第二异常检测结果指示所述用户是否为疑似异常用户；根据所述第一异常检测结果和所述第二异常检测结果，确定第三异常检测结果，所述第三异常检测结果指示所述用户是否为异常用户。4.根据权利要求3所述的方法，其特征在于，所述基于所述重构误差和预设误差阈值，确定所述用户的第二异常检测结果的步骤，包括：若所述重构误差大于等于预设误差阈值，则确定所述用户的第二异常检测结果指示所述用户为疑似异常用户；若所述重构误差小于所述预设误差阈值，则确定所述用户的第二异常检测结果指示所述用户为正常用户。5.根据权利要求3所述的方法，其特征在于，所述根据所述第一异常检测结果和所述第二异常检测结果，确定所...
【专利技术属性】
技术研发人员：陈波，周洁芸，彭涛，马金韬，
申请(专利权)人：北京奇艺世纪科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。