行为数据处理方法、装置、设备以及存储介质制造方法及图纸

本申请公开了一种行为数据处理方法、装置、设备和存储介质，涉及数据处理技术领域，尤其涉及人工智能和深度学习技术。具体实现方案为：响应于接收到行为数据处理请求，基于预设的反作弊识别模型从行为数据处理请求中获取作弊行为实时流数据；确定与行为数据处理请求对应的业务场景，并获取业务场景的参考作弊行为参数；根据作弊行为实时流数据、参考作弊行为参数和第一用户多阈值计算模型，获取待处置用户池；确定待处置用户池中待处置用户对应的级别处置策略，并基于确定的级别处置策略，对待处置用户池中对应的待处置用户进行相应处置。可以根据不同的阈值对不同用户进行相应处理，降低反作弊识别模型的行为模式被破解的概率。率。率。

【技术实现步骤摘要】
行为数据处理方法、装置、设备以及存储介质


[0001]本申请涉及数据处理
，尤其涉及人工智能和深度学习技术，特别涉及一种行为数据处理方法、装置、设备以及存储介质。

技术介绍

[0002]相关技术中，反作弊识别模型可以基于相关参数在检测异常行为的作弊概率，并基于作弊概率对异常行为进行处置。但反作弊识别模型的行为模式可能会被感知，从而可以通过相应行为绕过该反作弊识别模型，使反作弊模型失效。例如，当用户使用被处置过的IP(Internet Protocol Address，互联网协议)地址再次进行访问时，反作弊识别模型对该IP地址的访问行为进行检测得到的作弊概率也会增大，但用户可以通过更换IP地址降低被反作弊识别模型检测为作弊行为的概率。

技术实现思路

[0003]本申请提供了一种行为数据处理方法、装置、设备以及存储介质。
[0004]根据本申请的一方面，提供了一种行为数据处理方法，包括：响应于接收到行为数据处理请求，基于预设的反作弊识别模型从所述行为数据处理请求中获取作弊行为实时流数据；确定与所述行为数据处理请求对应的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种行为数据处理方法，包括：响应于接收到行为数据处理请求，基于预设的反作弊识别模型从所述行为数据处理请求中获取作弊行为实时流数据；确定与所述行为数据处理请求对应的业务场景，并获取所述业务场景的参考作弊行为参数；根据所述作弊行为实时流数据、所述参考作弊行为参数和第一用户多阈值计算模型，获取待处置用户池；其中，所述第一用户多阈值计算模型已经学习得到作弊行为参数样本与作弊概率之间的映射关系；确定所述待处置用户池中待处置用户对应的级别处置策略，并基于所述确定的级别处置策略，对所述待处置用户池中对应的待处置用户进行相应处置。2.如权利要求1所述的方法，其中，所述根据所述作弊行为实时流数据、所述参考作弊行为参数和第一用户多阈值计算模型，获取待处置用户池，包括：提取所述作弊行为实时流数据中的作弊行为参数；将所述作弊行为参数和所述参考作弊行为参数输入至所述第一用户多阈值计算模型，获取所述作弊行为实时流数据之中每个用户在各个渠道的作弊概率；根据所述每个用户在各个渠道的作弊概率，以及所述业务场景的运营配置信息，获取所述待处置用户池。3.如权利要求2所述的方法，其中，所述根据所述每个用户在各个渠道的作弊概率，以及所述业务场景的运营配置信息，获取所述待处置用户池，包括：根据所述业务场景的运营配置信息，确定所述业务场景对应的高精召回池和/或高召召回池的作弊概率阈值；根据所述每个用户在各个渠道的作弊概率，所述高精召回池和/或高召召回池的作弊概率阈值，将所述作弊行为实时流数据之中用户的标识信息放入至对应的高精召回池和/或高召召回池；根据所述高精召回池和/或高召召回池之中的所述标识信息，获取所述待处置用户池。4.如权利要求3所述的方法，其中，所述根据所述高精召回池和/或高召召回池之中的所述标识信息，获取所述待处置用户池，包括：统计所述高精召回池和/或高召召回池之中相同标识信息的个数；在所述相同标识信息的个数达到处置阈值的情况下，将达到所述处置阈值的标识信息放入至用户池，并将所述用户池作为所述待处置用户池。5.如权利要求3或4所述的方法，其中，所述确定所述待处置用户池中待处置用户对应的级别处置策略，包括：确定所述待处置用户池中标识信息来源；响应于所述待处置用户池中标识信息来源于所述高精召回池，确定来源于所述高精召回池的标识信息对应的用户的级别处置策略为第一级别处置策略；或者，响应于所述待处置用户池中标识信息来源于所述高召召回池，确定来源于所述高召召回池的标识信息对应的用户的级别处置策略为第二级别处置策略。6.如权利要求1所述的方法，其中，所述基于所述确定的级别处置策略，对所述待处置用户池中对应的待处置用户进行相应处置，包括：
基于所述确定的级别处置策略，结合随机时间因子和/或随机处置比例因子对所述待处置用户池中对应的待处置用户进行相应处置。7.如权利要求1所述的方法，还包括：基于所述反作弊识别模型，从所述行为数据处理请求中获取用户正常行为实时流数据；对所述作弊行为实时流数据进行聚合计算，以获得具备业务场景特征的复合维度作弊行为参数；根据所述用户正常行为实时流数据、所述作弊行为实时流数据和所述复合维度作弊行为参数，训练第二用户多阈值计算模型；其中，所述第二用户多阈值计算模型为用户多阈值计算模型的第一版本模型，所述第一用户多阈值计算模型为所述用户多阈值计算模型的第二版本模型。8.如权利要求7所述的方法，其中，所述根据所述用户正常行为实时流数据、所述作弊行为实时流数据和所述复合维度作弊行为参数，训练第二用户多阈值计算模型，包括：基于所述用户正常行为实时流数据，通过半监督学习的方法训练所述第二用户多阈值计算模型；其中，所述第二用户多阈值计算模型本次训练学习到正常用户的行为参数和其范围；在基于所述用户正常行为实时流数据完成训练所述第二用户多阈值计算模型的基础上，基于所述作弊行为实时流数据和所述复合维度作弊行为参数，通过所述半监督学习的方法继续训练所述第二用户多阈值计算模型；其中，所述第二用户多阈值计算模型本次训练学习到作弊行为参数与作弊概率之间的映射关系。9.一种行为数据处理装置，包括：第一获取模块，用于响应于接收到行为数据处理请求，基于预设的反作弊识别模型从所述行为数据处理请...

【专利技术属性】
技术研发人员：原京瑞，边志毅，
申请(专利权)人：百度时代网络技术北京有限公司，
类型：发明
国别省市：