[发明专利]用户及IP的识别方法、装置、服务器和存储介质

说明书

本发明提供了一种用户及IP的识别方法、装置、服务器和存储介质，该方法包括：接收客户端发送的用户请求，用户请求是所述客户端通过裂变活动发送的；根据针对裂变活动预先配置的识别目标，从用户请求中提取识别目标对应的目标标识，识别目标为用户或IP地址；获取与目标标识对应的历史行为数据，并确定与识别目标对应的目标识别模型；将历史行为数据输入目标识别模型，得到目标识别结果，所述目标识别结果包括正常目标、疑似非正常目标或非正常目标。本发明由于不再需要对每个活动进行防刷阈值检测代码植入，降低了成本，而且通过大量数据训练得到的基于神经网络的目标识别模型来进行识别，不再依赖于单一的阈值，提高了识别准确性。

技术领域

本发明涉及互联网技术领域，特别是涉及一种用户及IP的识别方法、装置、服务器和存储介质。

背景技术

为了吸引用户，有些商家提供了领券、提现等裂变活动，一些非正常用户为了满足活动要求获得活动奖励，通过程序进行刷量来达到活动要求，提取相应的活动奖励，对商家造成损失，而且干扰了正常用户。

现有技术中，一般是基于规则的干预来识别非正常用户，即基于活动行为场景，开发人员对活动单个行为进行开发数据设置阈值。当服务器得知用户在规定时间内操作达到阈值，确定该用户或IP在操作上存在恶意行为。

由于需要对每个活动进行防刷阈值检测代码植入，对业务侵入比较大，开发的成本比较高，而且阈值的选择易形成一刀切的效果，过高会遗漏一些非正常用户，过低容易将正常用户识别为非正常用户。因此现有技术存在着成本高及识别准确性低的缺陷。

发明内容

鉴于上述问题，提出了本发明实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种用户及IP的识别方法、装置、服务器和存储介质。

依据本发明的第一方面，提供了一种用户及IP的识别方法，包括：

接收客户端发送的用户请求，所述用户请求是所述客户端通过裂变活动发送的；

根据针对所述裂变活动预先配置的识别目标，从所述用户请求中提取所述识别目标对应的目标标识，所述识别目标为用户或IP地址；

获取与所述目标标识对应的历史行为数据，并确定与所述识别目标对应的目标识别模型；其中，所述目标识别模型为神经网络模型，由正常目标、疑似非正常目标和非正常目标的行为数据训练得到；

将所述历史行为数据输入所述目标识别模型，得到目标识别结果，所述目标识别结果包括正常目标、疑似非正常目标或非正常目标。

可选的，在所述接收客户端发送的用户请求之前，还包括：

获取用户历史行为日志；

根据识别目标，从所述用户历史行为日志中提取正常目标对应的行为数据、疑似非正常目标对应的行为数据和非正常目标对应的行为数据；

将所述正常目标对应的行为数据、疑似非正常目标对应的行为数据和非正常目标对应的行为数据，作为训练数据；

基于所述训练数据，对神经网络模型进行训练，得到所述目标识别模型。

可选的，根据识别目标，从所述用户历史行为日志中提取正常目标对应的行为数据、疑似非正常目标对应的行为数据和非正常目标对应的行为数据，包括：

根据预设统计指标，对所述用户历史行为日志中同一识别目标的行为数据进行统计，得到每个识别目标对应的统计指标值；

确定所述统计指标值小于或等于第一阈值的识别目标为正常目标，确定所述统计指标值大于所述第一阈值且小于或等于第二阈值的识别目标为疑似非正常目标，确定所述统计指标值大于所述第二阈值的识别目标为非正常目标，所述第一阈值小于所述第二阈值；