[发明专利]用户行为分析方法与装置

说明书

本公开提供一种用户行为分析方法与装置。用户行为分析方法包括：根据多名用户的行为数据建立信息连通图；根据所述信息连通图基于多个预设关系模型提取多个二分图；基于预设评分模型获取所述多个二分图的评分密度曲线；根据所述评分密度曲线识别可疑用户行为。本公开提供的用户行为分析方法可以有效识别异常用户行为，有助于发现全新网络欺诈模式，预防网络欺诈。

技术领域

本公开涉及机器学习技术领域，具体而言，涉及一种使用机器学习模型进行的用户行为分析方法与装置。

背景技术

随着电子商务的发展，针对电商网站的网络欺诈行为也逐渐增多。一般而言，网络欺诈的主要行为模式是同一操作者使用多种身份在电商网站进行活动，实现刷单、重复领取优惠等作弊行为，因此，电商网站具有较大的识别可疑用户行为，从而防止作弊的需求。

在相关技术中，存在分析用户账号与用户标识节点的关联关系，并根据已判别的危险用户账号识别及其与用户标识节点的关联关系将该用户标识节点关联的其他用户账号判别为可疑用户账号的技术方案。然而，这种方案只能通过已出现的识别结果来进一步判断更多识别结果，对于层出不穷的全新诈骗手段无法起到识别的作用。此外，这种方式仅通过单一的关联关系分析用户行为，在诈骗者使用大量信息交互进行操作时，无法起到很好的识别作用。

因此，需要一种不但能更精确识别现有网络欺诈行为、并且能识别出全新的网络欺诈模式的用户行为分析方法。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的目的在于提供一种用户行为分析方法与用户行为分析装置，用于至少在一定程度上克服由于相关技术的限制和缺陷而导致的一个或多个问题。

根据本公开实施例的第一方面，提供一种用户行为分析方法，包括：根据多名用户的行为数据建立信息连通图；根据所述信息连通图基于多个预设关系模型提取多个二分图；基于预设评分模型获取所述多个二分图的评分密度曲线；根据所述评分密度曲线识别可疑用户行为。

在本公开的一种示例性实施方式中，所述根据多名用户的行为数据建立信息连通图包括：

获取多名用户的行为数据，所述行为数据至少包括注册数据、登录数据、浏览数据、订单数据、支付数据、实名认证数据；

根据所述行为数据提取节点以及关系类型；

根据所述节点以及所述关系类型建立所述信息连通图。

在本公开的一种示例性实施方式中，所述根据所述信息连通图基于多个预设关系模型提取多个二分图包括：

将所述信息连通图划分为多个连通子图；

按预设关系模型对每个连通子图提取二分图；

将所述多个连通子图的二分图汇总作为所述预设关系模型的二分图集合；

按以上方式获取与每个预设关系模型对应的二分图集合。

在本公开的一种示例性实施方式中，所述基于预设评分模型获取所述多个二分图的评分密度曲线包括：

根据所述二分图的节点的数量以及所述节点之间的连通数量获取所述二分图的评分；

对所述多个预设关系模型对应的二分图的评分直方图进行核密度估计，获取与所述多个预设关系模型对应的多个所述评分密度曲线。

在本公开的一种示例性实施方式中，所述根据所述评分密度曲线识别可疑用户行为包括：

根据所述评分密度曲线的波峰获取多个二分图；

将所述多个二分图中的多个节点作为可疑节点集合；