本公开关于一种应用程序账户的异常识别方法、装置、服务器及存储介质，该方法包括：获取应用程序账户的关联账户在至少两个账户特征维度下的账户特征信息；分别将关联账户在各个账户特征维度下的账户特征信息进行聚合处理，得到应用程序账户在各个账户特征维度下的关联账户特征信息集合；对应用程序账户在各个账户特征维度下的关联账户特征信息集合进行特征分析，得到应用程序账户在各个账户特征维度下的关联账户特征重合度；根据应用程序账户在各个账户特征维度下的关联账户特征重合度，确定对应用程序账户的异常识别结果。采用本方法，有利于提高应用程序账户的异常识别准确率。率。率。
【技术实现步骤摘要】
应用程序账户的异常识别方法、装置、服务器及存储介质
[0001]本公开涉及计算机
，尤其涉及一种应用程序账户的异常识别方法、装置、服务器及存储介质。
技术介绍
[0002]随着计算机技术的发展，终端上的应用程序越来越多，通过应用程序账户邀请新的应用程序账户的活动也越来越多；然而，有些应用程序账户为了获取应用程序平台的更多活动奖励，会伪造大量新的应用程序账户，对应用程序平台造成一定的损失；因此，对应用程序账户的异常识别显得越来越重要。
[0003]相关技术中，目前的应用程序账户的异常识别方法，一般是对应用程序账户的IP(Internet Protocol，互联网协议)地址或者登陆设备型号进行识别，以确定是否为黑IP地址或者黑设备型号，从而确定对应用程序账户的异常识别结果；但是，在对应用程序账户的异常识别过程中，黑IP地址或者黑设备型号容易被网络黑客绕过，导致识别出的异常识别结果的准确度较低，从而造成应用程序账户的异常识别准确率较低。
技术实现思路
[0004]本公开提供一种应用程序账户的异常识别方法、装置、服务器及存储介质，以至少解决相关技术中应用程序账户的异常识别准确率较低的问题。本公开的技术方案如下：
[0005]根据本公开实施例的第一方面，提供一种应用程序账户的异常识别方法，包括：
[0006]获取应用程序账户的关联账户在至少两个账户特征维度下的账户特征信息；
[0007]分别将所述关联账户在各个所述账户特征维度下的账户特征信息进行聚合处理，得到所述应用程序账户在各个所述账户特征维度下的关联账户特征信息集合；
[0008]对所述应用程序账户在各个所述账户特征维度下的关联账户特征信息集合进行特征分析，得到所述应用程序账户在各个所述账户特征维度下的关联账户特征重合度；
[0009]根据所述应用程序账户在各个所述账户特征维度下的关联账户特征重合度，确定对所述应用程序账户的异常识别结果。
[0010]在一示例性实施例中，所述对所述应用程序账户在各个所述账户特征维度下的关联账户特征信息集合进行特征分析，得到所述应用程序账户在各个所述账户特征维度下的关联账户特征重合度，包括：
[0011]获取所述应用程序账户在各个所述账户特征维度下的关联账户特征信息集合中的账户特征信息的出现概率；
[0012]分别根据各个所述账户特征维度下的关联账户特征信息集合中的账户特征信息的出现概率，确定所述应用程序账户在各个所述账户特征维度下的特征熵值；
[0013]获取各个所述特征熵值对应的特征重合度，对应作为所述应用程序账户在各个所述账户特征维度下的关联账户特征重合度。
[0014]在一示例性实施例中，所述对所述应用程序账户在各个所述账户特征维度下的关
联账户特征信息集合进行特征分析，得到所述应用程序账户在各个所述账户特征维度下的关联账户特征重合度，还包括：
[0015]根据所述应用程序账户在各个所述账户特征维度下的关联账户特征信息集合，确定所述应用程序账户在各个所述账户特征维度下的账户特征信息重合次数和账户特征信息个数；
[0016]分别获取所述应用程序账户在各个所述账户特征维度下的账户特征信息重合次数与账户特征信息个数之间的比值，对应作为所述应用程序账户在各个所述账户特征维度下的特征信息重合率；
[0017]获取各个所述特征信息重合率对应的特征重合度，对应作为所述应用程序账户在各个所述账户特征维度下的关联账户特征重合度。
[0018]在一示例性实施例中，所述根据所述应用程序账户在各个所述账户特征维度下的关联账户特征信息集合，确定所述应用程序账户在各个所述账户特征维度下的账户特征信息重合次数，包括：
[0019]分别将所述应用程序账户在各个所述账户特征维度下的关联账户特征信息集合中的账户特征信息，按照对应的时间信息进行排列，得到所述应用程序账户在各个所述账户特征维度下的第一特征信息集合；
[0020]将所述应用程序账户在各个所述账户特征维度下的第一特征信息集合中的每个账户特征信息向前移动一位，得到所述应用程序账户在各个所述账户特征维度下的第二特征信息集合；
[0021]获取所述应用程序账户在各个所述账户特征维度下的所述第一特征信息集合和所述第二特征信息集合中对应位置的账户特征信息相同的次数，作为所述应用程序账户在各个所述账户特征维度下的账户特征信息重合次数。
[0022]在一示例性实施例中，所述根据所述应用程序账户在各个所述账户特征维度下的关联账户特征重合度，确定对所述应用程序账户的异常识别结果，包括：
[0023]若所述应用程序账户在至少一个账户特征维度下的关联账户特征重合度大于对应的阈值，则确定所述应用程序账户为异常账户。
[0024]在一示例性实施例中，所述根据所述应用程序账户在各个所述账户特征维度下的关联账户特征重合度，确定对所述应用程序账户的异常识别结果，还包括：
[0025]根据所述应用程序账户在各个所述账户特征维度下的关联账户特征重合度，确定所述应用程序账户在各个所述账户特征维度下的特征熵值和特征信息重合率；
[0026]将所述应用程序账户在各个所述账户特征维度下的特征熵值和特征信息重合率输入预先训练的账户异常识别模型中，得到所述应用程序账户的异常概率；
[0027]若所述应用程序账户的异常概率大于或者等于预设异常概率，则确定所述应用程序账户为异常账户。
[0028]在一示例性实施例中，所述预先训练的账户异常识别模型通过下述方式训练得到：
[0029]获取多个应用程序样本账户在各个所述账户特征维度下的特征熵值和特征信息重合率以及所述多个应用程序样本账户对应的实际异常概率；
[0030]将所述多个应用程序样本账户在各个所述账户特征维度下的特征熵值和特征信
息重合率，输入待训练的账户异常识别模型，得到各个所述应用程序样本账户的异常概率；
[0031]根据各个所述应用程序样本账户的异常概率以及对应的实际异常概率，确定所述账户异常识别模型的损失值；
[0032]根据所述损失值反向训练所述账户异常识别模型，直至所述账户异常识别模型满足收敛条件，得到所述预先训练的账户异常识别模型。
[0033]根据本公开实施例的第二方面，提供一种应用程序账户的异常识别装置，包括：
[0034]特征信息获取单元，被配置为执行获取应用程序账户的关联账户在至少两个账户特征维度下的账户特征信息；
[0035]特征信息聚合单元，被配置为执行分别将所述关联账户在各个所述账户特征维度下的账户特征信息进行聚合处理，得到所述应用程序账户在各个所述账户特征维度下的关联账户特征信息集合；
[0036]特征分析单元，被配置为执行对所述应用程序账户在各个所述账户特征维度下的关联账户特征信息集合进行特征分析，得到所述应用程序账户在各个所述账户特征维度下的关联账户特征重合度；
[0037]识别结果确定单元，被配置为本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种应用程序账户的异常识别方法，其特征在于，包括：获取应用程序账户的关联账户在至少两个账户特征维度下的账户特征信息；分别将所述关联账户在各个所述账户特征维度下的账户特征信息进行聚合处理，得到所述应用程序账户在各个所述账户特征维度下的关联账户特征信息集合；对所述应用程序账户在各个所述账户特征维度下的关联账户特征信息集合进行特征分析，得到所述应用程序账户在各个所述账户特征维度下的关联账户特征重合度；根据所述应用程序账户在各个所述账户特征维度下的关联账户特征重合度，确定对所述应用程序账户的异常识别结果。2.根据权利要求1所述的应用程序账户的异常识别方法，其特征在于，所述对所述应用程序账户在各个所述账户特征维度下的关联账户特征信息集合进行特征分析，得到所述应用程序账户在各个所述账户特征维度下的关联账户特征重合度，包括：获取所述应用程序账户在各个所述账户特征维度下的关联账户特征信息集合中的账户特征信息的出现概率；分别根据各个所述账户特征维度下的关联账户特征信息集合中的账户特征信息的出现概率，确定所述应用程序账户在各个所述账户特征维度下的特征熵值；获取各个所述特征熵值对应的特征重合度，对应作为所述应用程序账户在各个所述账户特征维度下的关联账户特征重合度。3.根据权利要求1所述的应用程序账户的异常识别方法，其特征在于，所述对所述应用程序账户在各个所述账户特征维度下的关联账户特征信息集合进行特征分析，得到所述应用程序账户在各个所述账户特征维度下的关联账户特征重合度，包括：根据所述应用程序账户在各个所述账户特征维度下的关联账户特征信息集合，确定所述应用程序账户在各个所述账户特征维度下的账户特征信息重合次数和账户特征信息个数；分别获取所述应用程序账户在各个所述账户特征维度下的账户特征信息重合次数与账户特征信息个数之间的比值，对应作为所述应用程序账户在各个所述账户特征维度下的特征信息重合率；获取各个所述特征信息重合率对应的特征重合度，对应作为所述应用程序账户在各个所述账户特征维度下的关联账户特征重合度。4.根据权利要求3所述的应用程序账户的异常识别方法，其特征在于，所述根据所述应用程序账户在各个所述账户特征维度下的关联账户特征信息集合，确定所述应用程序账户在各个所述账户特征维度下的账户特征信息重合次数，包括：分别将所述应用程序账户在各个所述账户特征维度下的关联账户特征信息集合中的账户特征信息，按照对应的时间信息进行排列，得到所述应用程序账户在各个所述账户特征维度下的第一特征信息集合；将所述应用程序账户在各个所述账户特征维度下的第一特征信息集合中的每个账户特征信息向前移动一位，得到所述应用程序账户在各个所述账户特征维度下的...
【专利技术属性】
技术研发人员：李勃，陈成，李青松，
申请(专利权)人：北京达佳互联信息技术有限公司，
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。