一种异常用户检测方法及装置制造方法及图纸

本申请实施例提供了一种异常用户检测方法及装置。该异常用户检测方法包括：通过预设检测模型预测第一目标用户为异常用户的概率；分别确定所述第一目标用户与N个异常用户群组的相似度；确定所述第一目标用户与所述N个异常用户群组的相似度中的最大相似度；根据所述预设检测模型预测得到的所述第一目标用户为异常用户的概率和所述最大相似度，获得所述第一目标用户的用户评分；根据所述用户评分，确定所述第一目标用户是否为异常用户。本申请实施例提供的技术方案，能够解决现有技术中异常用户检测模型存在检测结果准确率低的问题。用户检测模型存在检测结果准确率低的问题。用户检测模型存在检测结果准确率低的问题。

【技术实现步骤摘要】
一种异常用户检测方法及装置


[0001]本申请属于通信
，具体涉及一种异常用户检测方法及装置。

技术介绍

[0002]异常用户检测是对包含交易诈骗、网络诈骗、电话诈骗、盗卡盗号、电话推销等具有异常行为的用户进行识别的一项功能。对于运营商而言，异常用户检测是其关注重点，帮助用户识别诈骗电话、诈骗短信等异常行为，可以有效防止用户财产流失，提高用户安全感、幸福感以及用户体验。
[0003]对于异常用户检测模型而言，异常行为特征的选择十分重要，但在现实中，欺诈等异常行为在不断快速变化，而异常用户检测模型已学习到的异常行为特征却难以快速准确的随之变化，存在滞后性，导致不管是从业务中直接获取的行为特征还是从业务中衍生出来的行为特征，可能异常用户检测模型都难以准确判断其行为是否异常，即异常用户检测模型的检测结果存在准确率低的问题。

技术实现思路

[0004]本申请实施例的目的是提供一种异常用户检测方法及装置，以解决现有技术中的异常用户检测模型存在检测结果准确率低的问题。
[0005]第一方面，本申请实施例提供了一种异常用本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种异常用户检测方法，其特征在于，所述方法包括：通过预设检测模型预测第一目标用户为异常用户的概率；分别确定所述第一目标用户与N个异常用户群组的相似度；其中，每一所述异常用户群组对应一种异常用户类型，N为大于或等于1的整数；确定所述第一目标用户与所述N个异常用户群组的相似度中的最大相似度；根据所述预设检测模型预测得到的所述第一目标用户为异常用户的概率和所述最大相似度，获得所述第一目标用户的用户评分；根据所述用户评分，确定所述第一目标用户是否为异常用户。2.根据权利要求1所述的异常用户检测方法，其特征在于，所述分别确定所述第一目标用户与N个异常用户群组的相似度，包括：分别确定所述第一目标用户与每一所述异常用户群组中的每一异常用户的相似度；根据所述第一目标用户与每一所述异常用户群组中的每一异常用户的相似度，确定所述第一目标用户与每一所述异常用户群组中的异常用户的平均相似度；将所述第一目标用户与每一所述异常用户群组中的异常用户的平均相似度，确定为所述第一目标用户与相应的所述异常用户群组的相似度。3.根据权利要求1或2所述的异常用户检测方法，其特征在于，所述根据所述预设检测模型预测得到的所述第一目标用户为异常用户的概率和所述最大相似度，获得所述第一目标用户的用户评分，包括：将所述概率和所述最大相似度代入第一预设公式，获得所述第一目标用户的用户评分；其中，所述第一预设公式为最大相似度、用户为异常用户的概率与用户评分之间的函数关系式。4.根据权利要求3所述的异常用户检测方法，其特征在于，所述第一预设公式为：其中，score
user
表示所述第一目标用户的用户评分；odds表示用户为异常用户的边界概率；score
odds
表示用户为异常用户的边界概率是odds时的用户基础评分；P
异常
表示所述第一目标用户为异常用户的概率，P
正常
表示所述第一目标用户为正常用户的概率，P
正常
＝1
‑
P
异常
；similitymax表示所述最大相似度；m表示用户评分取值区间的最大值。5.根据权利要求1所述的异常用户检测方法，其特征在于，在所述分别确定所述第一目标用户与N个异常用户群组的相似度之前，所述方法还包括：将异常用户集合中的N个预设异常用户设置为N个初始聚类中心；其中，每个所述预设异常用户对应一种异常用户类型，且在所述异常用户集合中，所述预设异常用户相比于其他异常用户，与与其对应的异常用户类型之间的匹配度最高；根据所述初始聚类中心和预设聚类算法，将所述异常用户集合中的异常用户划分为N个异常用户群组。6.根据权利要求5所述的异常用户检测方法，其特征在于，所述根据所述初始聚类中心和预设聚类算法，将所述异常用户集合中的异常用户划分为N个异常用户群组，包括：根据其他异常用户与每个初始聚类中心的第一相似度，对所述其他异常用户进行分
组，获得N个第一异常用户分组；其中，所述其他异常用户为所述异常用户集合中除作为初始聚类中心的所述预设异常用户之外的异常用户；分别确定每个所述第一异常用户群组的新聚类中心；根据所述其他异常用户与每个所述初始聚类中心的第一相似度以及与每个新聚类中心的第二相似度的加权求和结果，对所述其他异常用户进行分组，获得N个第二异常用户分组，并分别确定每个所述第二异常用户分组的新聚类中心；依次重复执行“分别确定每个所述第二异常用户群组的新聚类中心”的步骤和“根据所述其他异常用户与每个所述初始聚类中心的第一相似度以及与每个新聚类中心的第二相似度的加权求和结果，对所述其他异常用户进行分组，获得N个第二异常用户分组，并分别确定每个所述第二异常用户分组的新聚类中心”的步骤，直至分组次数达到预设次数为止或每次分组之后确定的聚类中心与上一次分组之后确定的聚类中心的差值小于或等于预设数值为止。7.根据权利要求1所述的异常用户检测方法，其特征在于，所述根据所述用户评分，确定所述第一目标用户是否为异常用户，包括：在所述用户评分大于或等于评分阈值的情况下，确定所述第一目标用户为正常用户；在所述用户评分小于评分阈值的情况下，确定所述第一目标用户为异常用户。8.根据权利要求1或7所述的异常用户检测方法，其特征在于，在所述根据所述用户评分，确定所述第一目标用户是否为异常用户之后，所述方法还包括：在确定所述第一目标用户为异常用户的情况下，发送提醒信息至第二目标用户；其中，所述第二目标用户为所述第一目标用户作为通信发起方时的通信对象，所述提醒信息用于将所述第一目标用户为异常用户的情况告知所述第二目标用户。9.根据权利要求8所述的异常用户检测方法，其特征在于，在所述发送提醒信息至第二目标用户之后，所述方法还包括：接收所述第二目标用户对所述第一目标用户进行异常标记的反馈信息；根据所述反馈信息，统计对所述第一目标用户进行异常标记的用户数量；在对所述第一目标用户进行异常标记的用户数量大于第一阈值的情况下，将所述第一目标用户加入异常用户集合中。10.根据权利要求9所述的异常用户检测方法，其特征在于，所述在对所述第一目标用户进行异常标记的用户数量大于第一阈值的情况下，将所述第一目标用户加入异常用户集合中，包括：在对所述第一目标用户进行异常标记的用户数量大于第一阈值的情况下，将所述第一目标用户加入异常标记集合中；在所述异常标记集合中的用户数量大于第二阈值的情况下，将所述异常标记集合中包括所述第一目标用户的异常用户加入异常用户集合中，并清空所述异常标记集合。11.一种异常用户检测装置，其特征在于，所述装置包括：预测模块，用于通过预设检测模型预测第一目标用户为异常用户的概率；第一确定模块，用于分别确定所...

【专利技术属性】
技术研发人员：范潇，贾炎，康志峰，
申请(专利权)人：中国电信股份有限公司，
类型：发明
国别省市：