[发明专利]基于请求行为进行异常分析的方法及电子设备

权利要求书

1.一种基于请求行为进行异常分析的方法，其特征在于，应用于电子设备，包括：

接收用户输入的请求行为，所述请求行为包括业务场景信息；

根据所述业务场景信息获取对应的异常识别方式，所述异常识别方式包括通过静态风险模型和/或动态威胁模型对所述请求行为进行异常识别，或者包括根据静态风险模型、动态威胁模型和风控综合模型对请求行为进行异常识别，其中，

所述静态风险模型用于根据第一特征数据对请求行为进行异常识别，所述第一特征数据为所述用户长周期标签和动态指标分析存在预设的符合异常请求行为的特征时，从所述长周期标签和所述动态指标中提取的所述预设的符合异常请求行为的特征；所述长周期标签包括长周期内与用户身份对应的固定的静态特征数据，动态指标包括短周期内与所述用户身份对应的动态特征数据；

所述动态威胁模型用于根据第二特征数据对请求行为进行异常识别，所述第二特征数据为对所述动态指标进行异常行为序列检测、前置行为缺失检测或群体聚集检测中一项或多项分析后获取的所述异常请求行为对应的特征；

所述风控综合模型用于利用不同标签维度对应的多维模型，根据业务场景中不同标签维度下的标签特征对请求行为进行异常识别；所述风控综合模型为根据随机森林算法的基尼指数对所述标签特征进行重要性选择，获取不同标签维度下的重要标签特征；再根据逻辑回归算法对所述不同标签维度下的重要标签特征进行并行训练，获取子多维模型，并对所述子多维模型进行整合后获取的；其中，所述业务场景中不同标签维度下的标签特征，为基于预设的标签维度根据历史用户基础信息和历史用户行为信息提取的；

当所述业务场景不涉及抢购或者不涉及优惠时，利用所述静态风险模型和/或动态威胁模型对所述请求行为进行异常识别；

当所述业务场景对应的商品稀缺时，利用所述静态风险模型、所述动态威胁模型和所述风控综合模型、odds规则库对所述请求行为进行异常识别。

2.根据权利要求1所述的方法，其特征在于，按照所述异常识别方式对所述请求行为进行异常识别，具体包括：

将所述请求行为输入所述静态风险模型，获取第一风险值；和/或，

将所述请求行为输入所述动态威胁模型，获取第二风险值；

根据所述第一风险值和/或所述第二风险值，获取第一异常识别结果，且当所述第一异常识别结果指示所述请求行为异常时，对所述请求行为进行拦截。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

根据所述第一风险值判断所述请求行为是否异常；

若判断结果指示所述请求行为不异常，则将所述请求行为输入所述动态威胁模型；

若判断结果指示所述请求行为异常，则对所述请求行为进行拦截。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

根据所述第二风险值判断所述请求行为是否异常；

若判断结果指示所述请求行为不异常，则将所述请求行为输入所述风控综合模型；

若判断结果指示所述请求行为异常，则对所述请求行为进行拦截。

5.根据权利要求4所述的方法，其特征在于，所述方法还包括：

获取所述请求行为在不同标签维度下的重要标签特征；

将所述重要标签特征输入所述风控综合模型，获取第二异常识别结果。

6.根据权利要求1所述的方法，其特征在于，当所述请求行为是通过电商的下单行为时，静态标签包括以下至少一项：

所述用户的购物标识、所述用户的认证信息、所述电子设备的标识、所述下单行为对应的收货信息。

7.根据权利要求1所述的方法，其特征在于，当所述请求行为是通过电商的下单行为时，第一动态指标和第二动态指标包括以下至少一项：

所述用户通过电商平台输入的行为序列、所述用户在预设时长内购买同一商品的频次、所述用户单次购买同一商品的数量。