作弊用户的识别方法、装置、设备和存储介质制造方法及图纸

本公开提供了一种作弊用户的识别方法、装置、设备和存储介质，涉及计算机技术领域，具体涉及数据安全、图计算等技术领域。作弊用户的识别方法包括：基于多个邀请者的属性数据，构建关联图，所述关联图包括：顶点和边，所述顶点与所述邀请者一一对应，所述边基于两个邀请者之间的相似度确定，所述相似度基于所述属性数据确定；对所述关联图进行分组处理，以获得至少一个子图；在所述至少一个子图中，获取满足预设条件的目标子图，将所述目标子图对应的邀请者，确定为作弊用户。本公开可以提高识别准确度。确度。确度。

【技术实现步骤摘要】
作弊用户的识别方法、装置、设备和存储介质


[0001]本公开涉及计算机
，具体涉及数据安全、图计算等
，尤其涉及一种作弊用户的识别方法、装置、设备和存储介质。

技术介绍

[0002]邀请裂变是通过社交分享(奖励、福利、趣味内容等)，邀请新用户。通过邀请裂变，一个老用户可以邀请多个新用户，从而增加用户数量。由于邀请新用户通常会为老用户带来收益，作弊用户会通过多种手段邀请新用户，但其邀请的新用户的质量较差。为了保证活动方的权益，需要对作弊用户进行识别。

技术实现思路

[0003]本公开提供了一种作弊用户的识别方法、装置、设备和存储介质。
[0004]根据本公开的一方面，提供了一种作弊用户的识别方法，包括：基于多个邀请者的属性数据，构建关联图，所述关联图包括：顶点和边，所述顶点与所述邀请者一一对应，所述边基于两个邀请者之间的相似度确定，所述相似度基于所述属性数据确定；对所述关联图进行分组处理，以获得至少一个子图；在所述至少一个子图中，获取满足预设条件的目标子图，将所述目标子图对应的邀请者，确定为作弊用户。
[0005]根据本公开的另一方面，提供了一种作弊用户的识别装置，包括：构建模块，用于基于多个邀请者的属性数据，构建关联图，所述关联图包括：顶点和边，所述顶点与所述邀请者一一对应，所述边基于两个邀请者之间的相似度确定，所述相似度基于所述属性数据确定；分组模块，用于对所述关联图进行分组处理，以获得至少一个子图；确定模块，用于在所述至少一个子图中，获取满足预设条件的目标子图，将所述目标子图对应的邀请者，确定为作弊用户。
[0006]根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上述任一方面的任一项所述的方法。
[0007]根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据上述任一方面的任一项所述的方法。
[0008]根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据上述任一方面的任一项所述的方法。
[0009]根据本公开的技术方案，可以提高识别准确度。
[0010]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0011]附图用于更好地理解本方案，不构成对本公开的限定。其中：
[0012]图1是根据本公开第一实施例的示意图；
[0013]图2是根据本公开实施例提供的应用场景的示意图；
[0014]图3是根据本公开实施例提供的整体架构的示意图；
[0015]图4是根据本公开第二实施例的示意图；
[0016]图5是基于邀请者和被邀请者构建的关联图与根据本公开实施例提供的基于邀请者构建的关联图的对比示意图；
[0017]图6是根据本公开实施例提供的将关联图划分为子图的示意图；
[0018]图7是根据本公开第三实施例的示意图；
[0019]图8是用来实现本公开实施例的作弊用户的识别方法的电子设备的示意图。
具体实施方式
[0020]以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
[0021]相关技术中，可以基于邀请者(可以称为师傅)和被邀请者(可以称为徒弟)之间的关系图，识别出作弊用户。上述关系图的顶点包括对应邀请者的顶点和对应被邀请者的顶点，在拉新场景下，由于存在大量的老用户(邀请者)，这些老用户之间不存在关系(边)，会导致上述的关系图是稀疏的，识别准确度有待提升。
[0022]图1是根据本公开第一实施例的示意图，本实施例提供一种作弊用户的识别方法，该方法包括：
[0023]101、基于多个邀请者的属性数据，构建关联图，所述关联图包括：顶点和边，所述顶点与所述邀请者一一对应，所述边基于两个邀请者之间的相似度确定，所述相似度基于所述属性数据确定。
[0024]102、对所述关联图进行分组处理，以获得至少一个子图。
[0025]103、在所述至少一个子图中，获取满足预设条件的目标子图，将所述目标子图对应的邀请者，确定为作弊用户。
[0026]其中，活动方在组织拉新活动时，可以定期(如，每天)获得用户的行为数据，例如，哪些老用户邀请了新用户，老用户邀请的新用户的相关数据(如IP地址、机型等)，基于该行为数据可以确定邀请者，并获得邀请者所邀请的被邀请者的相关数据，基于该相关数据可以获得邀请者的属性数据。
[0027]获得多个邀请者的属性数据后，可以构建关联图。
[0028]关联图包括顶点和边，每个顶点对应一个邀请者，例如，有N(N为正整数)个邀请者，则创建N个顶点。
[0029]针对任意两个顶点，可以基于这两个顶点对应的邀请者的属性数据，计算这两个顶点对应的两个邀请者之间的相似度，再基于该相似度确定这两个顶点之间是否存在边。
[0030]例如，任意两个顶点用第一顶点和第二顶点表示，对应的邀请者用邀请者A和邀请
者B表示，则基于邀请者A的属性数据和邀请者B的属性数据，计算邀请者A和邀请者B之间的相似度，若相似度大于预设阈值，则确定第一顶点和第二顶点之间存在边。
[0031]另外，关联图可以是有权图，即，边还具有权重，若上述的相似度大于预设阈值，则还可以将该相似度作为对应边(第一顶点和第二顶点之间的边)的权重。
[0032]获得关联图后，可以将其分为至少一个子图。每个子图包括至少一个顶点。例如，整个关联图包括N个顶点，将该关联图划分为两个子图(第一子图和第二子图)，则第一子图可以包括N1个顶点，第二子图包括N2个顶点，其中，N1+N2＝N。另外，针对每个顶点，其属于且只属于一个子图，例如，针对第一顶点，其属于第一子图或第二子图。
[0033]获得至少一个子图中，可以在其中获得满足预设条件的目标子图。例如，第一子图满足预设条件，则将第一子图作为目标子图。
[0034]由于每个子图包括至少一个顶点，每个顶点对应一个邀请者，因此，每个子图会对应至少一个邀请者，目标子图对应的至少一个邀请者，即为作弊用户。若作弊用户为多个，多个作弊用户组成的集合可以称为作弊团伙，从而实现作弊用户(或作弊团伙)的识别。
[0035]本实施例中，关联图的顶点与邀请者一一对应，即顶点只与邀请者对应，相对于顶点对应邀请者和被邀请者的方式，可以构建更为稠密的关联本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种作弊用户的识别方法，包括：基于多个邀请者的属性数据，构建关联图，所述关联图包括：顶点和边，所述顶点与所述邀请者一一对应，所述边基于两个邀请者之间的相似度确定，所述相似度基于所述属性数据确定；对所述关联图进行分组处理，以获得至少一个子图；在所述至少一个子图中，获取满足预设条件的目标子图，将所述目标子图对应的邀请者，确定为作弊用户。2.根据权利要求1所述的方法，其中，所述基于多个邀请者的属性数据，构建关联图，包括：创建多个顶点，所述顶点的个数与所述邀请者的个数相同；针对第一顶点和第二顶点，基于所述属性数据，确定第一邀请者与第二邀请者之间的相似度，若所述相似度大于预设阈值，创建所述第一顶点与所述第二顶点之间的边，且确定所述边的权重为所述相似度；其中，所述第一顶点和所述第二顶点是所述多个顶点中的任意两个顶点，所述第一邀请者是所述第一顶点对应的邀请者，所述第二邀请者是所述第二顶点对应的邀请者。3.根据权利要求2所述的方法，其中，所述基于所述属性数据，确定第一邀请者与第二邀请者之间的相似度，包括：计算第一属性数据与第二属性数据之间的属性相似度，将所述属性相似度作为所述第一邀请者与所述第二邀请者之间的相似度；其中，所述第一属性数据是所述第一邀请者的属性数据，所述第二属性数据是所述第二邀请者的属性数据。4.根据权利要求3所述的方法，其中，所述第一属性数据和所述第二属性数据均包括：多个维度的子属性数据；所述计算第一属性数据与第二属性数据之间的属性相似度，包括：在每个维度上，计算所述第一属性数据的子属性数据与所述第二属性数据的子属性数据之间的相似度，以获得每个维度的相似度；基于所述每个维度的相似度，确定所述属性相似度。5.根据权利要求1所述的方法，其中，所述对所述关联图进行分组处理，以获得至少一个子图，包括：采用社区发现算法或者连通图算法，将所述关联图划分为至少一个子图。6.根据权利要求1所述的方法，其中，所述在所述至少一个子图中，获取满足预设条件的目标子图，包括：在所述至少一个子图中，将顶点数量大于或等于预设数量的子图，作为候选子图；获取所述候选子图的特征信息；若所述候选子图的特征信息满足预设规则，将所述候选子图作为所述目标子图。7.根据权利要求6所述的方法，其中，所述获取所述候选子图的特征信息，包括：获取所述候选子图对应的邀请者的属性数据；对所述邀请者的属性数据进行统计处理，以获得所述特征信息。8.一种作弊用户的识别装置，包括：构建模块，用于基于多个邀请者的属性数据，构建关联图，所述关联图包括：顶点和边，
所述顶点与所述邀请者一一对应，所述边基于两个邀请者之间的相似度确定，所述相似度基于所述属性数据确定；分组模块，用于...

【专利技术属性】
技术研发人员：杨奇，李世勇，陈卉敏，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：