[发明专利]移动终端异常识别方法、系统

说明书

本发明公开移动终端异常识别方法，本发明利用移动终端自身硬件属性及传感器的关联性，识别待测移动终端是否异常，从根本上识别黑灰产攻击难识别，规避了黑灰产对于传统风控的阈值规则绕过风险。并对于企业可以积累设备属性库对于设备进行识别设备是否是正常设备。

技术领域

本发明涉及互联网电商行业，具体来说是一种移动终端异常识别方法、系统。

背景技术

随着互联网的发展，越来越多的企业为了吸引用户安装注册品牌的APP，会对新用户发放新客礼物，由于新客礼的优惠都是实实在在的优惠，很多用户想享受新人礼，但是又已经没有号码注册，会从“闲鱼”，“转转”等交易平台购买这些新人礼，随着购买的用户越来越多，已经逐渐形成较为成熟的产业链。

黑灰产机构使用较为复杂的技术对品牌方进行批量注册攻击，即便是品牌方已经有风控平台，但是随着技术的发展，黑灰产机构的技术也在快速更迭，包括使用群控移动终端墙进行批量操作，使用电脑安卓模拟器进行批量操作等，甚至人工智能都可以被用来生成复杂的信息，而这些虚假信息机器无法检测出来。

现有技术中，大部分的风控平台是基于累加类的规则引擎，通过专家经验整理规则，设定相关的阈值，并对用户行为进行判断是否存在异常,超过阈值则认定该用户行为异常。或通过属性、IP、useragent等风控属性采集的黑名单进行拦截。由于黑灰产的技术逐渐提升，黑产不仅可以使用模拟器、移动终端墙或特殊软件绕过风控引擎，而且对于移动终端传感器的合理值也很难通过阈值进行异常的判断。

如公开号为CN112488226A公开的一种基于机器学习算法的终端异常行为识别方法，该方法采用实时对样本集内的样本进行分类，增加聚类模型的样本数，在大量样本的支持下，训练得到识别能力和准确性高的聚类模型，从而可以识别终端行为是否异常。但是该方法依赖大量样本，当样本有限或样本出现问题时，直接影响识别精度。

发明内容

本发明所要解决的技术问题在于根据移动终端自己身硬件特性及关联性提供一种移动终端异常识别方法。

本发明通过以下技术手段实现解决上述技术问题的：

一种移动终端异常识别方法，包括以下步骤：

S01，获取用户安全系数，从用户安全系数大于预设阈值的用户中获取其移动终端的设备信息；

S02，根据所述设备信息，构建移动终端的第一属性库；所述第一属性库包括移动终端的静态属性；

S03，获取待识别的移动终端的设备信息，并构建待识别的移动终端的第二属性库；

S04，将所述第二属性库和第一属性库进行比较，根据比较结果确定待识别的移动终端是否异常，若否，则执行步骤S05；

S05，获取待识别的移动终端的传感器信息，判断多个传感器的数据是否符合联动关系，若不符合，则认定该移动终端为异常移动终端，否则，跳转步骤S06；

S06，对不同型号的待识别的移动终端中应用软件的安装时间进行比较，如果应用软件的安装时间一致，则认为该移动终端为异常；或，对相同型号的待识别的移动终端进行应用软件相似度计算，如果安装的应用软件相似度大于相似度阈值，则认为移动终端该移动终端为异常。

本发明利用移动终端自身硬件静态属性、传感器的关联性、自行安装软件的时间特性三个层面识别待测移动终端是否异常，从根本上避免黑灰产的攻击难识别及传统风控的阈值规则易被绕过的风险；同时还可以积累设备属性库，以识别设备是否为正常设备。

进一步的，所述第一属性库中的静态属性至少包括硬件属性和原生应用软件属性，所述硬件属性包括：各种传感器的性能特征及供应商、电池型号、电压、屏幕大小、分辨率、移动终端CPU；所述原生应用软件属性包括：原生应用软件名称、应用版本、安装包大小。