[发明专利]识别恶意用户的方法及装置

权利要求书

1.一种识别恶意用户的方法，其特征在于，包括：

获取待识别用户的历史行为特征；

获取用户分类模型，所述用户分类模型基于恶意用户的历史行为特征和正常用户的历史行为特征由分类器模型训练生成；

将所述待识别用户的历史行为特征输入所述用户分类模型，以确定所述待识别用户是否为恶意用户。

2.根据权利要求1所述的方法，其特征在于，还包括：

在任一识别周期结束之后，获取恶意用户和/或正常用户在所述识别周期内的历史行为特征，并基于所获取的历史行为特征扩充已存储的训练集；

基于扩充后的训练集，对所述用户分类模型进行调整。

3.根据权利要求2所述的方法，其特征在于，还包括：

在确定所述待识别用户是恶意用户之后，为所述待识别用户添加恶意用户标记。

4.根据权利要求1至3中任意一项所述的方法，其特征在于，还包括：

在获取任一用户分类模型之后，根据预先设置的评价策略判断所述用户分类模型的分类效果是否满足要求；

在所述用户分类模型的分类效果不满足要求时重新生成一不同的用户分类模型，直至用户分类模型的分类效果满足要求。

5.根据权利要求4所述的方法，其特征在于，所述根据预先设置的评价策略判断所述用户分类模型的分类效果是否满足要求，包括：

在所述用户分类模型的分类准确率小于第一预设阈值时，确定所述用户分类模型的分类效果不满足要求；

和/或，

在所述用户分类模型的分类错误率大于第二预设阈值时，确定所述用户分类模型的分类效果不满足要求；

和/或，

在所述用户分类模型的恶意用户覆盖率小于第三预设阈值时，确定所述用户分类模型的分类效果不满足要求；

和/或，

在所述用户分类模型的恶意用户命中率小于第四预设阈值时，确定所述用户分类模型的分类效果不满足要求；

和/或，

在所述用户分类模型的接收者操作特征曲线ROC的曲线下面积AUC小于第五预设阈值时，确定所述用户分类模型的分类效果不满足要求。

6.根据权利要求1至3中任一项所述的方法，其特征在于，所述分类器模型属于Gradient Boosting决策树模型。

7.一种识别恶意用户的装置，其特征在于，包括：。

第一获取模块，被配置为获取待识别用户的历史行为特征；

第二获取模块，被配置为获取用户分类模型，所述用户分类模型基于恶意用户的历史行为特征和正常用户的历史行为特征由分类器模型训练生成；

输入模块，被配置为将所述待识别用户的历史行为特征输入所述用户分类模型，以确定所述待识别用户是否为恶意用户。

8.根据权利要求7所述的装置，其特征在于，还包括：

第三获取模块，被配置为在任一识别周期结束之后，获取恶意用户和/或正常用户在所述识别周期内的历史行为特征，并基于所获取的历史行为特征扩充已存储的训练集；

调整模块，被配置为基于被所述第三获取模块扩充后的训练集，对所述用户分类模型进行调整。

9.根据权利要求8所述的装置，其特征在于，还包括：

添加模块，被配置为在确定所述待识别用户是恶意用户之后，为所述待识别用户添加恶意用户标记。

10.根据权利要求7至9中任意一项所述的装置，其特征在于，还包括：

判断模块，被配置为在获取任一用户分类模型之后，根据预先设置的评价策略判断所述用户分类模型的分类效果是否满足要求；

生成模块，被配置为在所述用户分类模型的分类效果不满足要求时重新生成一不同的用户分类模型，直至用户分类模型的分类效果满足要求。