[发明专利]一种身份标识识别方法、装置以及相关设备

权利要求书

1.一种身份标识识别方法，其特征在于，包括：

获取多个身份标识，根据所述多个身份标识对应的业务关系数据和所述多个身份标识对应的业务行为数据，计算每个身份标识分别对应的目标异常分数；所述目标异常分数表示身份标识属于虚假类型的身份标识的概率；

根据所述目标异常分数从所述多个身份标识中选取至少一个身份标识，作为样本身份标识，并确定所述样本身份标识对应的样本标签为虚假身份标签；

根据所述多个身份标识和所述样本身份标识对应的虚假身份标签，设置样本对；其中每个样本对包括一个身份标识和一个样本身份标识；

根据所述多个身份标识对应的业务行为数据，计算所述样本对对应的行为匹配次数；

根据所述多个身份标识对应的业务行为数据，计算所述样本对对应的行为相似系数；

根据所述样本对的行为匹配次数和行为相似系数，识别所述多个身份标识中的目标虚假身份标识；所述目标虚假身份标识包括所述样本身份标识。

2.根据权利要求1所述的方法，其特征在于，所述根据所述多个身份标识对应的业务关系数据和所述多个身份标识对应的业务行为数据，计算每个身份标识分别对应的目标异常分数，包括：

根据所述多个身份标识对应的业务关系数据，将所述多个身份标识划分为至少一个身份标识社区；

根据所述多个身份标识对应的业务行为数据，在每个身份标识社区中识别属于正常类型的身份标识，作为种子身份标识；所述种子身份标识为信用值大于信用阈值的身份标识；

根据所述多个身份标识对应的业务关系数据和所述种子身份标识，计算所述每个身份标识分别对应的目标异常分数。

3.根据权利要求2所述的方法，其特征在于，所述根据所述多个身份标识对应的业务关系数据，将所述多个身份标识划分为至少一个身份标识社区，包括：

将所述每个身份标识分别确定为初始节点，并将所述每个初始节点分别划分至不同的原始社区；

计算处于不同原始社区的初始节点的模块度，作为原始模块度，根据所述多个身份标识对应的业务关系数据和所述原始模块度，调整每个原始社区所覆盖的身份标识，将调整后的原始社区作为参考社区，将处于同一个参考社区中的多个身份标识作为一个初始节点，并将所述参考社区确定为所述原始社区，在所述每个参考社区所覆盖的身份标识满足收敛条件时，将所述每个参考社区分别确定为所述身份标识社区。

4.根据权利要求3所述的方法，其特征在于，所述根据所述多个身份标识对应的业务关系数据和所述原始模块度，调整每个原始社区所覆盖的身份标识，将调整后的原始社区作为参考社区，包括：

为每个身份标识设置轮询优先级；

根据所述轮询优先级从所述多个身份标识中选择用于当前轮询的身份标识，确定为目标待设置身份标识；

根据所述多个身份标识对应的业务关系数据，确定与所述目标待设置身份标识相邻的参考身份标识；

将所述目标待设置身份标识划分至所述参考身份标识所在的原始社区，并计算划分后的模块度，作为调整模块度；

若所述调整模块度大于所述原始模块度，则确定所述目标待设置身份标识属于所述参考身份标识所在的原始社区，并将所述调整模块度确定为所述原始模块度；

若所述调整模块度小于所述原始模块度，则保持所述目标待设置身份标识处于所属的原始社区；

将所述目标待设置身份标识所在的原始社区，作为所述目标待设置身份标识对应的参考社区；

当每个身份标识均被确定为目标待设置身份标识，且所述原始模块度不再增大时，停止轮询。

5.根据权利要求2所述的方法，其特征在于，所述根据所述多个身份标识对应的业务行为数据，在每个身份标识社区中识别属于正常类型的身份标识，作为所述种子身份标识，包括：

根据所述每个身份标识对应的业务行为数据中的登录行为数据和社交行为数据，计算每个身份标识的信用值；所述信用值表示身份标识属于正常类型的身份标识的概率；

根据每个身份标识社区所覆盖的身份标识数量，确定所述每个身份标识社区对应的信用阈值；

在所述每个身份标识社区中，将所述信用值大于所述信用阈值的身份标识，作为所述种子身份标识。