[发明专利]一种数据的识别处理方法

权利要求书

1.一种数据的识别处理方法，其特征在于，包括如下步骤：

S10：对数据进行实时识别，并将识别出的欺诈数据和非欺诈数据以及数据对应信任值分别存入数据库；

S11：对数据进行定时识别，并将识别出的欺诈站点存入欺诈站点数据库，同时将得到的站点信任值分配给站点下的数据；

S12：对数据进行综合识别，结合定时识别阶段获取的信任值，将实时识别中存入非欺诈数据库中的数据进行再一次的识别判断。

2.如权利要求1所述数据的识别处理方法，其特征在于，所述步骤S10具体包括有步骤：

S101：建立模块划分库，并对每个模块依已有经验进行质量值分配。

S102：对每条用户访问数据进行基于模块的统计分析与质量值获取。

S103：对各模块进行数据融合，通过公式将各模块的质量值融合，得到该条数据对于欺诈属性的信任值；其中，r_bel_j是指第j条用户访问数据对欺诈属性的信任值，n为模块个数，α_i代表第i个模块中的数据对欺诈属性的质量值；

S104：将该信任值与预先设定的实时欺诈识别信任值阈值比较，做出数据是否为欺诈数据的实时判断。

3.如权利要求2所述数据的识别处理方法，其特征在于：在所述步骤S104中，将所获得的欺诈信任值r_bel_j与实时欺诈识别信任值阈值进行比较，若大于预设阈值，则判断该条用户访问数据为欺诈数据；否则，判断为非欺诈数据。

4.如权利要求3所述数据的识别处理方法，其特征在于，所述步骤S11具体包括有步骤：

S111：建立维度库，对数据依据其分布属性进行维度选择，并依照已有经验建立维度标准分布库；

S112：数据聚合与统计，对用户访问数据进行基于站点的聚合，并对聚合后数据进行基于维度的分布统计；

S113：各维度相似度计算，根据公式进行各维度与标准维度的相似度计算；其中，sim_i是指站点实际的i维度分布与标准i维度分布的相似值，是指标准i维度分布向量，是指站点实际的i维度分布向量；

S114：根据公式对各维度进行数据融合，得到该站点数据对于欺诈属性的信任值；其中，f_bel_j是指站点j中各维度分布对欺诈属性的信任值，m表示维度个数；

S115：将所获得的欺诈信任值f_bel_j与定时欺诈识别信任值阈值比较，若大于预设阈值，则判断该站点为欺诈站点；否则，判断为非欺诈站点。

5.如权利要求4所述数据的识别处理方法，其特征在于，所述步骤S12具体包括有步骤：

S121：分配定时欺诈识别信任值，将定时欺诈识别中得到的站点信任值分配到其对应的各用户访问数据上；

S122：两模块数据融合，采用公式对两模块数据融合进行计算；其中，w_bel_j是指第j条用户访问数据对欺诈属性的信任值；

S123：将所获得的欺诈信任值与综合欺诈识别信任值阈值比较，若大于预设阈值，则判断该条用户访问数据为欺诈数据；否则，判断为非欺诈数据。

6.一种数据识别处理系统，其特征在于，包括：

用户访问数据获取模块，用于将用户每次访问行为数据进行记录；

数据实时识别模块，其通过不间断检测，当检测到新的访问数据时，对该次访问是否欺诈进行实时识别；

数据定时识别模块，其通过不间断检测，当检测到已到达预设时间点时，对数据进行基于站点的识别。此处通过对站点不同维度统计分析与相似度计算，对站点是否欺诈进行识别；

数据综合识别模块，其针对数据实时识别模块处理后的非欺诈数据进行分析，同时结合数据定时识别模块分析结果，对数据进行进一步的判断。

7.如权利要求6所述的数据识别处理系统，其特征在于，所述数据实时识别模块进行实时识别后，将识别出的欺诈数据存入欺诈数据库，未识别出的数据则存入非欺诈数据库。

8.如权利要求7所述的数据识别处理系统，其特征在于，所述数据定时识别模块对每个站点的数据分布进行分析、对相似度计算后，将识别出的欺诈站点存入欺诈站点库。