黑产设备的确定方法、电子设备、存储介质及程序产品技术

本申请实施例提供了一种黑产设备的确定方法、电子设备、存储介质及程序产品，其中，黑产设备的确定方法包括：以电子设备为节点，以电子设备的关联关系为边，构建图网络，并根据电子设备中的应用访问信息将图网络划分为多个子图，确定每个子图中作为锚点的节点；计算每个子图中的锚点的全局向量，并计算子图中除锚点外的其他节点相对于锚点的局部向量，根据锚点的全局向量以及其他节点相对于锚点的局部向量，确定其他节点的全局向量；根据图网络中的节点的全局向量，确定图网络中的黑产节点。本申请中的图网络的构建以及后续计算的计算量均较小，使得本申请实施例提供的方案尤其适用于具有超大量电子设备的黑产识别场景中。适用于具有超大量电子设备的黑产识别场景中。适用于具有超大量电子设备的黑产识别场景中。

【技术实现步骤摘要】
黑产设备的确定方法、电子设备、存储介质及程序产品


[0001]本申请实施例涉及计算机
，尤其涉及一种黑产设备的确定方法、电子设备、存储介质及程序产品。

技术介绍

[0002]随着互联网的发展，网络购物成为越来越多的人的采购方式。而商家会通过在网络上发放优惠券等方式吸引顾客。然而，这些促销方式吸引了很多黑产。
[0003]黑产设备是指在网络上注册垃圾账号等方式撸商家羊毛来获利的人所使用的电子设备，这种获利行为会导致商家投入很多资金但却并为吸引到真正的客户，且获利过程产生的虚假访问回对商家造成干扰，进一步影响商家决策。然而，随着使用网络购物的人越来越多，从中识别出黑产设备的难度也越来越大。
[0004]有鉴于此，现有技术亟需解决的技术问题是如何提供一种快速识别出黑产设备的方案。

技术实现思路

[0005]有鉴于此，本申请实施例提供一种黑产设备的确定方案，以至少部分解决上述问题。
[0006]根据本申请实施例的第一方面，提供了一种黑产设备的确定方法，包括：以电子设备为节点，以所述电子设备的关联关系为边，构建图网络，并根据所述电子设备中的应用访问信息将所述图网络划分为多个子图，确定每个子图中作为锚点的节点；计算每个子图中的所述锚点的全局向量，并针对每个子图，根据所述子图中锚点的全局向量，计算该子图中除锚点外的其他节点的全局向量；根据所述图网络中的节点的全局向量，确定所述图网络中的黑产节点。
[0007]根据本申请实施例的第二方面，提供了一种电子设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行如上所述的黑产设备的确定方法对应的操作。
[0008]根据本申请实施例的第三方面，提供了一种计算机存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上所述的黑产设备的确定方法。
[0009]根据本申请实施例的第四方面，提供了一种计算机程序产品，包括计算机指令，所述计算机指令指示计算设备执行如上所述的黑产设备的确定方法对应的操作。
[0010]根据本申请实施例提供的黑产设备的确定方案，通过以电子设备为节点，以所述电子设备的关联关系为边，构建图网络，使得图网络的构建过程所需的计算量较小，并根据所述电子设备中的应用访问信息将所述图网络划分为多个子图，确定每个子图中作为锚点的节点，使得后续计算节点的全局向量所需的计算量较小，由于图网络的构建以及全局向量计算所需的计算量均较小，使得本申请实施例提供的方案尤其适用于具有超大量电子设
备的黑产识别场景中，且在计算节点的全局向量时，计算每个子图中的所述锚点的全局向量，并计算子图中除锚点外的其他节点相对于锚点的局部向量，根据锚点的全局向量以及其他节点相对于锚点的局部向量，确定其他节点的全局向量，使得其他节点的全局向量可以更准确地刻画节点在图网络中的位置，进而在根据所述图网络中的节点的全局向量，确定所述图网络中的黑产节点时，确定出的黑产节点的准确率更高。
附图说明
[0011]为了更清楚地说明本申请实施例或现有技术中的技术方案，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实施例中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
[0012]图1A为根据本申请实施例一的一种黑产设备的确定方法的步骤流程图；图1B为图1A所示实施例中的一种场景示例的示意图；图2A为根据本申请实施例二的一种黑产设备的确定方法的步骤流程图；图2B为图2A所示实施例中的一种向量映射原理示意图；图2C为图2A所示实施例中的一种场景示例的示意图；图3为根据本申请实施例三的一种黑产设备的确定装置的结构框图；图4为根据本申请实施例四的一种电子设备的结构示意图。
具体实施方式
[0013]为了使本领域的人员更好地理解本申请实施例中的技术方案，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，所描述的实施例仅是本申请实施例一部分实施例，而不是全部的实施例。基于本申请实施例中的实施例，本领域普通技术人员所获得的所有其他实施例，都应当属于本申请实施例保护的范围。
[0014]下面结合本申请实施例附图进一步说明本申请实施例具体实现。
[0015]图1A为本申请实施例提供的一种黑产设备的确定方法的流程示意图，如图所示，其包括：S101、以电子设备为节点，以所述电子设备的关联关系为边，构建图网络，并根据所述电子设备中的应用访问信息将所述图网络划分为多个子图，确定每个子图中作为锚点的节点。
[0016]本实施例中，由于黑产设备一般具有关联性，例如，一般黑产设备都是聚集性活动，一组黑产设备之间会存在消息传输等。因此，本实施例中，可以以所述电子设备的关联关系为边，使得图网络中节点的结构信息可以表征电子设备之间的关联关系，例如，将IP地址相同的电子设备之间的节点之间增加边、将位于同一位置的电子设备之间增加边、将存在消息传输的电子设备对应的节点之间增加边等，并在后续步骤中基于此识别出黑产节点。
[0017]一般情况下，由于一个黑产团伙中的多个黑产设备之间均会采用类似的应用来完成账号注册等操作，进而可以完成薅羊毛等获利行为。因此，一般黑产设备访问的应用之间会存在较高的相似性。为此，在识别黑产设备时，会将黑产设备之间应用的相似度为边，构
建图网络，从而可以根据图网络实现黑产设备的识别。然而，由于使用网络购物的人越来越多，导致电子设备的数量极大，针对一些大型的购物网站，每天访问的电子设备可能上千万或者上亿，导致从如此多的电子设备中识别出黑产设备的难度极大。
[0018]以一天访问购物网站的电子设备的数量为五千万为例，若仍然采用上述方案，针对任意两个电子设备之间均需计算应用相似度才能得到图网络的边，需要10
15
计算才能完成图网络的构建，整个过程所需的计算量极大。
[0019]而本实施例中，以电子设备之间的关联关系为边进行图网络的构建，电子设备的关联关系可以直接根据电子设备的相关信息获得，当判断两个电子设备的某个参数（如地理位置参数等）相等时，即可建立两个电子设备对应节点之间的边，整个过程无需计算相似度，与上述方案相比，本实施例提供的方案所需的计算量极小。
[0020]另外，为了能够依据电子设备访问的应用，从海量的电子设备中识别出黑产电子设备，同时为了减小后续步骤的计算量，本实施例中，按照电子设备访问的应用将图网络划分为了多个子图。另外，为了防止多个子图割裂导致全局信息丢失，本实施例中，还在每个子图中确定出作为锚点的节点，通过锚点之间的关联关系反映多个子图之间的关联关系。
[0021]S102、计算每个子图中的所述锚点的全局向量，并计算子图中除锚点外的其他节点相对于锚点的局部向量，根据锚点的全局向量以及其他节点相对于锚点的局部向量，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种黑产设备的确定方法，包括：以电子设备为节点，以所述电子设备的关联关系为边，构建图网络，并根据所述电子设备中的应用访问信息将所述图网络划分为多个子图，确定每个子图中作为锚点的节点；计算每个子图中的所述锚点的全局向量，并计算子图中除锚点外的其他节点相对于锚点的局部向量，根据锚点的全局向量以及其他节点相对于锚点的局部向量，确定其他节点的全局向量；根据所述图网络中的节点的全局向量，确定所述图网络中的黑产节点。2.根据权利要求1所述的方法，其中，所述根据所述电子设备中的应用访问信息将所述图网络划分为多个子图，包括：根据所述电子设备中的应用访问信息，将访问同一应用的电子设备对应的节点划分至一个子图中，以将所述图网络划分为多个子图。3.根据权利要求2所述的方法，其中，若存在访问多个应用的电子设备，则根据所述电子设备中的应用访问信息，将访问同一应用的电子设备对应的节点划分至一个子图中，以将所述图网络划分为多个子图，包括：针对访问多个应用的电子设备，根据所述电子设备访问的应用的数量，将所述电子设备对应的节点分裂为对应数量的多个节点；按照所述电子设备访问的应用，将分裂出的多个节点分别划分至多个应用对应的子图中。4.根据权利要求3所述的方法，其中，所述根据所述图网络中的节点的全局向量，确定所述图网络中的黑产节点，包括：针对访问多个应用的电子设备，根据所述电子设备对应的分裂出的多个节点的全局向量，分别确定出多个节点为黑产节点的可能性；根据多个节点为黑产节点的可能性，确定与多个节点对应的一个电子设备为黑产设备的可能性。5.根据权利要求2所述的方法，其中，所述将所述图网络划分为多个子图还包括：针对节点数量大于预设数量的子图，采用随机社群划分的方式对子图进行进一步划分。6.根据权利要求1所述的方法，其中，所述根据所述图网络中的节点的全局向量，确定所述图网络中的黑产节点，包括：将所述图网络中节点的全局向量输入至所述第一神经网络模型，通过所述神经网络模型的输出节点对应的第一评价数据，所述评价数据用于表征所述节点为黑产节点的可能性；根据所述图网络中节点对应的第一评价数据，确定所述图网络中的黑产节点。7.根据权利要求6所述的方法，其中，所述根据所述图网络中节点对应...

【专利技术属性】
技术研发人员：郝怡然，张洋，
申请(专利权)人：阿里云计算有限公司，
类型：发明
国别省市：