System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 异常账号的识别方法、装置、设备及介质制造方法及图纸_技高网

异常账号的识别方法、装置、设备及介质制造方法及图纸

技术编号:40751852 阅读:3 留言:0更新日期:2024-03-25 20:07
本公开提供了一种异常账号的识别方法、装置、设备及介质,涉及数据处理领域,尤其涉及深度学习、人工智能领域。具体实现方案为:获取第一样本特征集,第一样本特征集中包括多个第一样本特征,每个第一样本特征包括账号属性特征和用户行为序列特征,用户行为序列特征包括场景特征和行为特征;基于第一样本特征集对初始预训练行为序列模型进行训练,响应于满足训练结束条件,获取训练完成后生成的目标预训练行为序列模型;获取目标任务对应的任务类型;根据任务类型对目标预训练行为序列模型进行微调以生成目标模型,并基于目标模型进行异常账号识别。

【技术实现步骤摘要】

本公开涉及数据处理领域,尤其涉及深度学习、人工智能领域,具体涉及一种异常账号的识别方法、装置、设备及介质


技术介绍

1、随着互联网和移动互联网的普及,各类在线业务迅速发展,如电子商务、社交媒体、在线支付等。然而,这也为黑灰产提供了可乘之机,他们通过作弊手段,如刷单、刷评论、刷赞等,获取不正当利益。为了保护业务的正常运转,防止黑灰产作弊行为,如何识别业务系统中的异常账号,是一个亟待解决的问题。


技术实现思路

1、本公开提供了一种异常账号的识别方法、装置、设备及介质。

2、根据本公开的一方面,提供了一种异常账号的识别方法,通过获取第一样本特征集,第一样本特征集中包括多个第一样本特征,每个第一样本特征包括账号属性特征和用户行为序列特征,用户行为序列特征包括场景特征和行为特征;基于第一样本特征集对初始预训练行为序列模型进行训练,响应于满足训练结束条件,获取训练完成后生成的目标预训练行为序列模型;获取目标任务对应的任务类型;根据任务类型对目标预训练行为序列模型进行微调以生成目标模型,并基于目标模型进行异常账号识别。

3、本申请通过收集用户在不同场景下不同行为下的异构数据,能够更好地了解用户在不同场景下的需求、偏好和行为模式,帮助构建更精细的用户画像,从而获得更准确的用户行为序列特征,以便于后续将异构的行为数据融入进目标预训练行为序列模型,再基于任务类型对目标预训练行为序列模型进行微调以生成目标模型,能够有效识别黑灰产的异常账号,以更好地应对黑灰产作弊行为并及时采取相应的风险管控措施。该方案能够提高业务安全性,减少经济损失,并提升用户体验。

4、根据本公开的另一方面,提供了一种异常账号的识别装置,包括第一获取模块,用于获取第一样本特征集,第一样本特征集中包括多个第一样本特征,每个第一样本特征包括账号属性特征和用户行为序列特征,用户行为序列特征包括场景特征和行为特征;预训练模块,用于基于第一样本特征集对初始预训练行为序列模型进行训练,响应于满足训练结束条件,获取训练完成后生成的目标预训练行为序列模型;第二获取模块,用于获取目标任务对应的任务类型;微调模块,用于根据任务类型对目标预训练行为序列模型进行微调以生成目标模型,并基于目标模型进行异常账号识别。

5、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上述异常账号的识别方法。

6、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上述异常账号的识别方法。

7、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上述异常账号的识别方法。

8、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。

本文档来自技高网...

【技术保护点】

1.一种异常账号的识别方法,包括:

2.根据权利要求1所述的方法,其中,响应于所述任务类型为分类类型,所述根据所述任务类型对所述目标预训练行为序列模型进行微调以生成目标模型,包括:

3.根据权利要求2所述的方法,其中,所述基于所述目标模型进行异常账号识别,包括:

4.根据权利要求1所述的方法,其中,响应于所述任务类型为聚类类型,所述根据所述任务类型对所述目标预训练行为序列模型进行微调以生成目标模型,包括:

5.根据权利要求4所述的方法,其中,所述基于所述目标模型进行异常账号识别,包括:

6.根据权利要求5所述的方法,其中,所述基于所述聚类结果确定所述多个待识别账号中的异常账号,包括:

7.根据权利要求5所述的方法,其中,所述基于所述聚类结果确定所述多个待识别账号中的异常账号,包括:

8.根据权利要求1-7中任一项所述的方法,其中,所述获取第一样本特征集,包括:

9.根据权利要求8所述的方法,其中,所述用户行为序列信息还包括时间戳信息、设备信息和响应结果信息。

10.根据权利要求2所述的方法,其中,所述基于所述第二样本特征集对初始化之后的所述第一初始任务模型进行训练,获取训练完成后生成的目标模型,包括:

11.一种异常账号的识别装置,包括:

12.根据权利要求11所述的装置,其中,所述微调模块,还用于:

13.根据权利要求12所述的装置,其中,所述微调模块,还用于:

14.根据权利要求11所述的装置,其中,所述微调模块,还用于:

15.根据权利要求14所述的装置,其中,所述微调模块,还用于:

16.根据权利要求15所述的装置,其中,所述微调模块,还用于:

17.根据权利要求15所述的装置,其中,所述微调模块,还用于:

18.根据权利要求11-17中任一项所述的装置,其中,所述第一获取模块,还用于:

19.根据权利要求18所述的装置,其中,所述用户行为序列信息还包括时间戳信息、设备信息和响应结果信息。

20.根据权利要求12所述的装置,其中,所述微调模块,还用于:

21.一种电子设备,包括:

22.一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权利要求1-10中任一项所述的方法。

23.一种计算机程序产品,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权利要求1-10中任一项所述方法的步骤。

...

【技术特征摘要】

1.一种异常账号的识别方法,包括:

2.根据权利要求1所述的方法,其中,响应于所述任务类型为分类类型,所述根据所述任务类型对所述目标预训练行为序列模型进行微调以生成目标模型,包括:

3.根据权利要求2所述的方法,其中,所述基于所述目标模型进行异常账号识别,包括:

4.根据权利要求1所述的方法,其中,响应于所述任务类型为聚类类型,所述根据所述任务类型对所述目标预训练行为序列模型进行微调以生成目标模型,包括:

5.根据权利要求4所述的方法,其中,所述基于所述目标模型进行异常账号识别,包括:

6.根据权利要求5所述的方法,其中,所述基于所述聚类结果确定所述多个待识别账号中的异常账号,包括:

7.根据权利要求5所述的方法,其中,所述基于所述聚类结果确定所述多个待识别账号中的异常账号,包括:

8.根据权利要求1-7中任一项所述的方法,其中,所述获取第一样本特征集,包括:

9.根据权利要求8所述的方法,其中,所述用户行为序列信息还包括时间戳信息、设备信息和响应结果信息。

10.根据权利要求2所述的方法,其中,所述基于所述第二样本特征集对初始化之后的所述第一初始任务模型进行训练,获取训练完成后生成的目标模型,包...

【专利技术属性】
技术研发人员:王锦龙闫丁丽李理
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:

网友询问留言 已有0条评论
  • 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。

1