[发明专利]基于请求行为进行异常分析的方法及电子设备

说明书

本申请提供了一种基于请求行为进行异常分析的方法及电子设备，属于终端技术领域。该方法包括：接收用户输入的请求行为；通过异常请求行为分析模型中的实时规则引擎对请求行为进行异常检测，并获取第一检测结果；当第一检测结果未指示请求行为是异常请求行为时，通过异常请求行为分析模型中的风控综合模型对请求行为进行异常检测，并获取第二检测结果；当第二检测结果指示请求行为是异常请求行为时，对请求行为进行拦截。该方法通过结合实时规则库和基于特征选择和逻辑回归训练的风控综合模型对请求行为进行异常识别，能够解决模型复杂可解释性差，运行性能差的问题。

技术领域

本申请涉及终端技术领域，尤其涉及一种基于请求行为进行异常分析的方法及电子设备。

背景技术

随着电商消费模式的发展，电商平台为了追求用户的活跃度和用户黏性，通常会为新老客户推出对应的优惠活动，比如限时低价抢购、拼团促销、领取优惠券等。然而，这种方式容易导致一些不法分子有机可乘，比如当获取这些优惠情报后，不法分子会通过自动化工具、虚拟化工具（比如群控软件）注册大量虚假账号，批量参与活动刷单以套取优惠，影响电商平台的正常运营以及用户的权益和体验。

因而，如何针对电商平台提出快速准确的风险控制方法，有效保障商家和消费者的权益成为亟待解决的问题。

发明内容

本申请实施例提供了一种基于请求行为进行异常分析的方法及电子设备，该方法通过结合实时规则模型和基于特征选择和逻辑回归训练的风控综合模型对请求行为进行异常识别，能够解决现有模型复杂，运行性能差的问题。

第一方面，提供了一种基于请求行为进行异常分析的方法，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，所述风控综合模型用于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；

按照所述异常识别方式对所述请求行为进行异常识别。

根据本实现方式提供的基于请求行为进行异常分析的方法，通过根据请求行为对应的业务场景选择对应的异常识别方式，然后基于实时规则模型和风控综合模型对该请求行为进行异常分析。由于本申请实施例提供的风控综合模型是基于用户行为和历史用户基础信息清洗出的重要标签特征进行逻辑回归训练获得的，模型训练过程利用的特征数量较少，并且逻辑回归本身具有解释性强的特点，因而该风控综合模型具备解释性强、复杂度低的特点。本申请实施例提供的基于请求行为进行异常分析的方法在保证异常请求行为分析准确性的基础上，便于快速分析查找出异常请求行为，能够提升对异常请求行为的响应速度。

结合第一方面，在第一方面的某些实现方式中，所述方法还包括：

获取历史用户基础信息和历史用户行为信息；

根据所述历史用户基础信息和所述历史用户行为信息获取历史异常请求行为对应的静态标签，以及所述历史异常请求行为对应的第一动态指标；

根据所述静态标签和所述第一动态指标获取所述第一特征数据。

结合第一方面，在第一方面的某些实现方式中，所述方法还包括：

根据所述历史用户基础信息和所述历史用户行为信息获取历史异常请求行为对应的第二动态指标；

根据所述第二动态指标获取所述第二特征数据。

结合第一方面，在第一方面的某些实现方式中，所述方法还包括：