[发明专利]一种恶意订单地址的判定方法和装置

说明书

本发明提供一种恶意订单地址的判定方法和装置，能够快速判定和查找出恶意订单用户，特别是能快速判定和查找出频繁抢单的恶意订单用户并将其进行拦截，保证了普通用户的利益，地址查询时间短且查询效率高。本发明的恶意订单地址的判定方法包括：接收订单地址，并按照预定层次顺序从地址库中查找出与订单地址相同部分最多的地址作为相似地址；计算相似地址与订单地址的相似度和查找时间差，并获取相似地址的累计查找次数，其中，查找时间差为订单地址的当前查找时间和相似地址的查找时间之差中的最小值；根据相似度、查找时间差和累计查找次数计算订单地址的得分；将得分大于预设的得分阈值的订单地址判定为恶意订单地址。

技术领域

本发明涉及计算机及其软件技术领域，特别地涉及一种恶意订单地址的判定方法和装置。

背景技术

随着互联网的蓬勃发展，电子商务的规模成倍增长。特别是近几年，电子商务体系的不断完善和用户习惯的不断养成造就越来越多的人开始选择网上购物。为了吸引更多用户到自家平台购物，电商营销发挥着重要作用。抢购作为一种重要的营销手段，能够十分有效地为购物平台吸引大量人气，帮助引来新的用户，增加访问量和点击量，提高电商网站的知名度和用户活跃度。

抢购商品通常具有实惠力度大、稀缺性明显的特点，所以在吸引大批正常用户的同时，也引来了大量的恶意订单用户(俗称黄牛)。抢购商品成为众多黄牛赚取利润差的理想目标。对于一个互联网购物平台，运营设计的抢购活动通常只包含至多上千件的商品，但是最终能产生上百万的下单请求，其中充斥着大量黄牛以及其它恶意订单，不仅给整个系统增加了沉重负担也损害了普通消费者正常利益。

早期传统的人工审核在面对如此众多的订单，往往也是力不从心，人工审核不仅处理速度慢，而且容易出现错误，于是抢购系统中针对恶意订单，特别是恶意抢单的自动判定系统应运而生。

现有比较流行的处理系统都是针对客户的订单请求分别采用了多个模型串行过滤的处理方式，方法流程如图1所示。图1示出了现有技术的实现订单请求过滤的方法流程示意图，如图1所示，用户的下单请求信息可以分为多个维度，如IP地址、UID、手机号、商品限购信息等。根据每个维度的信息，都可以设计对应的模型进行过滤判断。所有下单请求从第一个模型开始依次逐步过滤，凡是判定未通过模型的请求随即被打上恶意标识，为客服是否进一步审核订单提供重要的参考依据。这种技术方案从设计上思路比较清晰，一定程度上替代了人工审单的工作，降低了客服的工作量。

然而，上述现有模型都是针对每个维度信息采用单独的标准进行判断，并没有对各个模型的判断结果进行统一整合。以IP地址为例，通常的思路是对相同IP地址的请求采用频率限制，如一个时间段内，相同IP地址访问次数超过一定的阈值就会被打上标识，此时间段内同一IP地址的后续请求都会被认为是黄牛刷单请求，将被直接拒绝。但是现在的IP地址大多采用动态分配，黄牛刷单时也很有可能使用动态IP地址和代理IP地址的技术来不断变化下单请求的IP地址，从而规避了抢购系统中对IP地址的监控。同样的，黄牛可以同时使用上千个不同的账号来轮流抢购。这样针对现在考虑到的这些维度信息采用模型串行过滤的方式并不能很好地实现对黄牛抢购下单请求的拦截。

综上所述，现有的方法不能很好地判定众多订单信息中的恶意订单，从而不能有效地对恶意订单进行过滤和拦截。

发明内容

有鉴于此，本发明提供一种恶意订单地址的判定方法和装置，能够快速判定和查找出恶意订单用户，特别是能快速判定和查找出频繁抢单的恶意订单用户并将其进行拦截，保证了普通用户的利益，地址查询时间短且查询效率高。

为实现上述目的，根据本发明的一个方面，提供了一种恶意订单地址的判定方法。