CN107465642B - 一种判断账号异常登录的方法及装置 - Google Patents

Abstract

本发明实施例公开了一种判断账号异常登录的方法及装置，该方法包括：获取当前登录用户的登录关联数据；基于所述当前登录用户的登录关联数据和登录异常数据库，确定所述当前登录用户的登录异常得分，其中，所述登录异常数据库包含登录异常数据以及对应登录异常得分；根据所确定的登录异常得分，判断所述当前登录用户的帐号登录是否异常。本方案实现了自动判断当前登录的账号是否为钓鱼登录，有效避免了由于钓鱼登录给用户带来的损失，同时改善了用户体验。

Description

一种判断账号异常登录的方法及装置

技术领域

本发明实施例涉及计算机技术，尤其涉及一种判断账号异常登录的方法及装置。

背景技术

在网络应用中，服务器需要对用户输入的用户名和密码等相关信息进行验证，当对用户的身份进行核实确认后方可授予相应的权限。当前，钓鱼网站越来越多，这些钓鱼网站通过非法手段获取到用户的用户名和密码等相关信息后进行登录，进而窃取用户的虚拟资产，给用户带来了大量损失。

现有技术中，为了避免账号盗用者进行账号登录给用户带来损失，通常当服务器判断到用户在非常用登录地点或非常用登录设备进行登录后，则发送相关验证信息以供用户进一步确认，例如：申请账号时预留的验证信息，或向用户预留的手机号码发送验证短信等。该方案虽然可在一定程度上避免用户的损失，但是无法确认此次登录行为是否为钓鱼登录。同时，该方案中只要用户在非常用登录地点或非常用登录设备进行登录则需要用户的再次验证，而很多情况下却为用户自身的正常登录，由此给用户带来了较差的用户体验，需要用户多次操作。

发明内容

本发明提供一种判断账号异常登录的方法及装置，可自动判断当前登录的账号是否为钓鱼登录，有效避免了由于钓鱼登录给用户带来的损失，同时改善了用户体验。

第一方面，本发明实施例提供了一种判断账号异常登录的方法，包括：

获取当前登录用户的登录关联数据；

基于所述当前登录用户的登录关联数据和登录异常数据库，确定所述当前登录用户的登录异常得分，其中，所述登录异常数据库包含登录异常数据以及对应登录异常得分；

根据所确定的登录异常得分，判断所述当前登录用户的帐号登录是否异常。

第二方面，本发明实施例还提供了一种判断账号异常登录的装置，包括：

数据获取模块，用于获取当前登录用户的登录关联数据；

第一登录异常得分确定模块，用于基于所述当前登录用户的登录关联数据和登录异常数据库，确定所述当前登录用户的登录异常得分，其中，所述登录异常数据库包含登录异常数据以及对应登录异常得分；

异常判断模块，用于根据所确定的登录异常得分，判断所述当前登录用户的帐号登录是否异常。

本发明实施例通过获取当前登录用户的登录关联数据，基于所述当前登录用户的登录关联数据和登录异常数据库，确定所述当前登录用户的登录异常得分，根据所确定的登录异常得分，判断所述当前登录用户的帐号登录是否异常，解决了钓鱼登录无法识别的问题，实现了自动判断当前登录的账号是否为钓鱼登录，有效避免了由于钓鱼登录给用户带来的损失，同时改善了用户体验。

附图说明

图1为本发明实施例一提供的判断帐号异常的方法的流程图；

图2示出了登录异常数据库的构建过程的一个示例的流程图；

图3为本发明实施例二提供的判断帐号异常的方法的流程图；

图4为本发明实施例三提供的判断帐号异常的方法的流程图；

图5为本发明实施例四提供的判断帐号异常的装置的结构示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

实施例一

图1为本发明实施例一提供的判断帐号异常的方法的流程图，本实施例可适用于帐号被钓鱼网站获取后进行非法登录的情况，该方法可以由服务器来执行，具体包括：

S101、获取当前登录用户的登录关联数据；

其中，当前登录用户为正在进行账号登录或者已经登录在使用账号的用户。用户使用帐号进行登录后，获取的当前登录用户的登录关联数据可以是当前登录时的登录IP、登录地域和登录设备标识等。其中登录地域可以是由服务器自动将登录的IP转化而来，以用于后续比对分析。

这里，异常登录设备标识可以是诸如国际移动设备标识(International MobileEquIPment Identity，简称IMEI)等能够标识移动终端设备的标识号。异常登录地域是指本地登录发生的地域，可以通过登录IP来获取，也可以通过其他定位手段来识别。

S102、基于所述当前登录用户的登录关联数据和登录异常数据库，确定所述当前登录用户的登录异常得分，其中，所述登录异常数据库包含登录异常数据以及对应登录异常得分。

所述登录异常数据库中的登录异常数据和对应登录异常得分可以通过记录并分析登录用户的历史操作数据获得，优选地，可以通过记录并分析至少两个登录用户的历史操作数据获得。

图2示出了登录异常数据库的构建过程的一个示例的流程图。如图2所示，首先，在S201，获取至少两个用户的历史操作数据。接着，在S202，根据所述历史操作数据进行机器学习和行为识别判断确定登录异常数据，并根据所述登录异常数据的出现频次，确定所述登录异常数据对应的登录异常得分。通常而言，登录异常数据的出现频次越高，所述登录异常数据对应的登录异常得分越高。然后，在S203，将所述登录异常数据和对应登录异常得分存入所述异常数据库中。

这里要说明的是，所述登录异常数据库可以预先构建，也可以实时构建。在实时构建时，S201到S203可以在S101之前执行，也可以在S101和S102之间执行。

此外，如上所述，登录关联数据可以包括下述至少一项：登录IP、登录设备标识和登录地域。相应地，登录异常数据包括下述至少一项：异常登录IP、异常登录设备标识和异常登录地域。

其中，在登录关联数据是登录设备标识或登录地域时，基于当前登录用户的登录关联数据和登录异常数据库，确定所述当前登录用户的登录异常得分可以包括：当在登录异常数据库中存在与登录设备标识或登录地域匹配的登录异常数据时，将与登录异常数据对应的登录异常得分确定为当前登录用户的登录异常得分。具体地，采用强匹配比对策略，即在登录异常数据库中存在与所述登录设备标识或登录地域匹配的登录异常数据时，算作命中，将与异常登录设备标识或异常登录地域对应的得分确定为当前登录用户的登录异常得分。示例性的，在登录地域的比对过程中，通过使用预先定义的IP文本库计算得到IP归属地作为登录地域。

在所述登录关联数据是登录IP时，基于所述当前登录用户的登录关联数据和登录异常数据库，确定所述当前登录用户的登录异常得分可以包括：计算所述登录IP与所述登录异常数据库中的各个异常登录IP的相似度；将所计算出的相似度最小的异常登录IP确定为与所述登录IP匹配的异常登录IP；基于所计算出的相似度和所述匹配的异常登录IP对应的登录异常得分，计算所述当前登录用户的登录异常得分。

示例性的，首先，将获取到的当前登录IP和异常数据库中的IP的具体数值转化为10进制数(把IP作为256进制转化为10进制的数字)，如IP地址为1.2.3.4，则相应的转化为10进制数的IP为1*256^3+2*256^2+3*256+4＝33818112，然后计算当前登录IP数值和异常数据库中所有异常登录IP数值的差值绝对值，如当前登录IP为1.2.3.4，其中的一个异常登录IP为1.2.4.2，二者的差值具体对值为|(1*256^3+2*256^2+3*256+4)-(1*256^3+2*256^2+4*256+2)|＝254，其中254作为当前登录IP和异常数据库中的某个异常登录IP的相似度。同理，依次计算当前登录IP和所有异常登录IP之间的相似度，相似度计算完毕后取最小相似度的异常登录IP对应的异常得分值作为当前登录用户的登录异常得分。具体的计算方法为：(IP异常得分值)*((相似度阈值)-(相似度)/(相似度预置))，这里，相似度阈值是预先设置的一个数值，比如10000。

此外，优选地，在所述登录关联数据包括登录IP、登录设备标识和登录地域中至少两个时，所述当前登录用户的登录异常得分是针对各类登录关联数据计算出的登录异常得分之和。

S103、根据所确定的登录异常得分，判断所述当前登录用户的帐号登录是否异常。

具体地，在一个示例中，在确定当前登录用户的登录异常得分后，通常将该登录异常得分作为减分，从预先设置的一个固定得分(比如10000)中减去该登录异常得分，得到最终得分，然后，利用最终得分与预定阈值进行比较，如果分数大于该预定阈值，则认为登录正常，否则，认为登录异常。

很显然，上面仅仅是根据所确定的登录异常得分，判断当前登录用户的帐号登录是否异常的一个示例。本领域公知的其它判断方式，也适用于本发明。

此外，优选地，在上述技术方案的基础上，所述方法还可以包括：在判断为所述当前登录用户的帐号登录异常时，根据所述当前登录用户的登录异常得分，对所述当前登录用户的登录行为进行相应处理，其中所述相应处理包括向注册用户发送通知、向管理员发送通知和解除当前登录状态中至少一种。示例性的，如上通过从预设固定得分(比如10000)中减去登录异常得分得到最终得分后，这里预定阈值为6000，假设最终得分在[10000,6000]可以不进行处理；最终得分在(6000,4000)可以向注册用户发送通知，最终得分在(4000,2000)可以向注册用户发送通知同时向管理员发送通知，最终得分在(2000,0)则在向注册用户和管理员发送通知的同时，解除当前登录态。

本实施例的技术方案，解决了钓鱼登录无法识别的问题，即使账户被盗，当盗取账户者登录该账号时，能够基于本发明实施例提供的技术方案，有效实现自动判断当前登录的账号是否为钓鱼登录，有效避免了由于钓鱼登录给用户带来的损失，同时改善了用户体验。

此外，在本方案的一个优选示例中，由于比对所使用的异常数据是根据至少两个用户的历史操作数据确定的，而非仅根据当前用户的历史操作数据所确定，所以能够避免仅根据当前用户的个人行为确定异常数据所造成的局限性，使异常判断更为准确。

实施例二

图3为本发明实施例二提供的判断帐号异常的方法的流程图。本实施例是实施例一的改进实施例。与图1相比，除了在S102和S103之间增加S204到S206，并将S103适应性修改为S103’之外，其余步骤与图1相同。在此，仅仅对S204到S206和S103’进行说明，其它步骤不再赘述。在步骤S102中确定出当前登录用户的登录异常得分后，在S204，判断是否存在与该用户相关的历史登录验证信息。这里，所述历史登录验证信息可以包括登录设备标识信息和登录IP信息。所述历史登录验证信息可以是全部历史登录验证信息，也可以是预定时间段内的历史登录验证信息，比如距离此次登录一年内的历史登录验证信息。在不存在与该用户相关的历史登录验证信息时，进行到S103’，利用所确定出的登录异常得分来判断当前登录用户的帐号登录是否异常。

在存在历史登录验证信息时，进行到S205，基于用户的历史登录验证信息，确定用户当前登录的加权系数。在本发明的一个示例中，所述加权系数可以基于历史登录验证信息中的登录设备标识信息和登录IP信息的出现次数来确定，比如加权系数＝登录设备标识出现次数+登录IP出现次数-1。然后，在S206，基于所确定的加权系数，对所确定出的当前登录用户的登录异常得分进行加权处理，比如将登录异常得分与加权系数相乘。随后，在S103’，根据经过加权处理后的登录异常得分，判断所述当前登录用户的帐号登录是否异常。

在本实施例的方案中，通过在判断账号是否异常的过程中引入了加权系数，进一步提高了判断的准确率。

实施例三

图4所示为本发明实施例三提供的判断帐号异常的方法的流程图，本实施例在实施例一的基础上，进一步增加了防止在一定时间段内重复对登录进行处理的操作，具体包括：

S301、获取当前登录用户的登录关联数据。

S302、基于所述当前登录用户的登录关联数据和登录异常数据库，确定所述当前登录用户的登录异常得分。

S303，基于所确定的登录异常得分，判断当前登录用户的帐号登录是否异常，若是则执行S304，若否则执行S306。

S304、在判断为当前登录用户的帐号登录异常时，判断在预定时间段内是否经历过相应处理。若未经历过相应处理，则在S305，根据所确定的登录异常得分分值对所述当前用户的登录操作进行相应处理。若经历过相应处理，则在S306，不进行相应处理。

其中，该预定时间段优选的可以是半天或一天，即只有该当前用户的登录在设定的预定时间段期间未受到过相应处理，才执行根据登录异常得分分值进行相应处理的操作，防止多次重复处理。

本实施例的技术方案，在预定时间段期间内，仅进行一次处理，避免多次重复处理对误识别的异常登录进行过多的干涉，从而进一步改善了用户体验。

实施例四

图5为本发明实施例四提供的判断帐号异常的装置的结构示意图，具体包括：数据获取模块1、第一登录异常得分确定模块2和异常判断模块3。

其中，数据获取模块，用于获取当前登录用户的登录关联数据；

第一登录异常得分确定模块，用于基于所述当前登录用户的登录关联数据和登录异常数据库，确定所述当前登录用户的登录异常得分，其中，所述登录异常数据库包含登录异常数据以及对应登录异常得分；

异常判断模块，用于根据所确定的登录异常得分，判断所述当前登录用户的帐号登录是否异常。

本实施例的技术方案，解决了钓鱼登录无法识别的问题，即使账户被盗，当盗取账户者登录该账号时，能够基于本发明实施例提供的技术方案，有效实现自动判断当前登录的账号是否为钓鱼登录，有效避免了由于钓鱼登录给用户带来的损失，同时改善了用户体验。

在上述技术方案的基础上，所述数据获取模块还用于：获取至少两个用户的历史操作数据；以及所述装置还包括：第二登录异常得分确定模块，用于对所述历史操作数据进行统计分析得到登录异常数据和对应登录异常得分，将所述登录异常数据和对应登录异常得分存入所述异常数据库中。

在上述技术方案的基础上，所述第二登录异常得分确定模块具体用于：根据所述历史操作数据进行机器学习和行为识别判断确定登录异常数据；根据所述登录异常数据的出现频次，确定所述登录异常数据对应的登录异常得分。

在上述技术方案的基础上，在所述登录关联数据是登录设备标识或登录地域时，所述第一登录异常得分确定模块具体用于：当在所述登录异常数据库中存在与所述登录设备标识或登录地域匹配的登录异常数据时，将与所述登录异常数据对应的登录异常得分确定为所述当前登录用户的登录异常得分；或者在所述登录关联数据是登录IP时，所述第一登录异常得分确定模块具体用于：计算所述登录IP与所述登录异常数据库中的各个异常登录IP的相似度；将所计算出的相似度最小的异常登录IP确定为与所述登录IP匹配的异常登录IP；基于所计算出的相似度和所述匹配的异常登录IP对应的登录异常得分，计算所述当前登录用户的登录异常得分。

在上述技术方案的基础上，在所述登录关联数据包括登录IP、登录设备标识和登录地域中至少两个时，所述当前登录用户的登录异常得分是针对各类登录关联数据计算出的登录异常得分之和。

在上述技术方案的基础上，所述装置还包括：加权系数确定模块，用于在用户存在历史登录验证信息时，基于用户的历史登录验证信息，确定用户当前登录的加权系数；以及所述第一登录异常得分模块还用于基于所确定的加权系数，对所确定出的当前登录用户的登录异常得分进行加权处理，所述异常判断模块还用于：根据经过加权处理后的登录异常得分，判断所述当前登录用户的帐号登录是否异常。

在上述技术方案的基础上，其特征在于，所述装置还包括：异常处理模块，用于在判断为所述当前登录用户的帐号登录异常时，根据所述当前登录用户的登录异常得分，对所述当前登录用户的登录行为进行相应处理，其中所述相应处理包括向注册用户发送通知、向管理员发送通知和解除当前登录状态中至少一种。

上述产品可执行本发明任意实施例所提供的方法，具备执行方法相应的功能模块和有益效果。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (10)

1.一种判断账号异常登录的方法，其特征在于，包括：

获取当前登录用户的登录关联数据；所述登录关联数据包括下述至少一项：登录IP、登录设备标识和登录地域；

基于所述当前登录用户的登录关联数据和登录异常数据库，确定所述当前登录用户的登录异常得分，其中，所述登录异常数据库包含登录异常数据以及对应登录异常得分，所述登录异常数据和对应登录异常得分根据至少两个登录用户的历史操作数据确定；以及所述登录异常数据包括下述至少一项：异常登录IP、异常登录设备标识和异常登录地域；

根据所确定的登录异常得分，判断所述当前登录用户的帐号登录是否异常；

其中，在所述登录关联数据是登录IP时，基于所述当前登录用户的登录关联数据和登录异常数据库，确定所述当前登录用户的登录异常得分包括：

计算所述登录IP与所述登录异常数据库中的各个异常登录IP的相似度；将所述登录IP的数值和所述登录异常数据库中所有异常登录IP的数值的差值绝对值作为所述登录IP和所述登录异常数据库中的异常登录IP的相似度；

将所计算出的相似度最小的异常登录IP确定为与所述登录IP匹配的异常登录IP；

基于所计算出的相似度和所述匹配的异常登录IP对应的登录异常得分，计算所述当前登录用户的登录异常得分；

在用户存在历史登录验证信息时，所述方法还包括：

基于用户的历史登录验证信息，确定用户当前登录的加权系数；

基于所确定的加权系数，对所确定出的当前登录用户的登录异常得分进行加权处理，以及

所述根据所确定的登录异常得分，判断所述当前登录用户的帐号登录是否异常包括：

根据经过加权处理后的登录异常得分，判断所述当前登录用户的帐号登录是否异常。

2.根据权利要求1所述的方法，其特征在于，还包括：

获取至少两个用户的历史操作数据；

对所述历史操作数据进行统计分析得到登录异常数据和对应登录异常得分；

将所述登录异常数据和对应登录异常得分存入所述异常数据库中。

3.根据权利要求2所述的方法，其特征在于，对所述历史操作数据进行统计分析得到登录异常数据和对应登录异常得分包括：

根据所述历史操作数据进行机器学习和行为识别判断确定登录异常数据；

根据所述登录异常数据的出现频次，确定所述登录异常数据对应的登录异常得分。

4.根据权利要求1所述的方法，其特征在于，在所述登录关联数据包括登录IP、登录设备标识和登录地域中至少两个时，所述当前登录用户的登录异常得分是针对各类登录关联数据计算出的登录异常得分之和。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：

在判断为所述当前登录用户的帐号登录异常时，根据所述当前登录用户的登录异常得分，对所述当前登录用户的登录行为进行相应处理，

其中所述相应处理包括向注册用户发送通知、向管理员发送通知和解除当前登录状态中至少一种。

6.一种判断账号异常登录的装置，其特征在于，包括：

数据获取模块，用于获取当前登录用户的登录关联数据；所述登录关联数据包括下述至少一项：登录IP、登录设备标识和登录地域；

第一登录异常得分确定模块，用于基于所述当前登录用户的登录关联数据和登录异常数据库，确定所述当前登录用户的登录异常得分，其中，所述登录异常数据库包含登录异常数据以及对应登录异常得分，所述登录异常数据和对应登录异常得分根据至少两个登录用户的历史操作数据确定；以及所述登录异常数据包括下述至少一项：异常登录IP、异常登录设备标识和异常登录地域；

异常判断模块，用于根据所确定的登录异常得分，判断所述当前登录用户的帐号登录是否异常；

其中，在所述登录关联数据是登录IP时，所述第一登录异常得分确定模块具体用于：

计算所述登录IP与所述登录异常数据库中的各个异常登录IP的相似度；将所述登录IP的数值和所述登录异常数据库中所有异常登录IP的数值的差值绝对值作为所述登录IP和所述登录异常数据库中的异常登录IP的相似度；

将所计算出的相似度最小的异常登录IP确定为与所述登录IP匹配的异常登录IP；

基于所计算出的相似度和所述匹配的异常登录IP对应的登录异常得分，计算所述当前登录用户的登录异常得分；

加权系数确定模块，用于在用户存在历史登录验证信息时，

基于用户的历史登录验证信息，确定用户当前登录的加权系数；以及所述第一登录异常得分模块还用于基于所确定的加权系数，对所确定出的当前登录用户的登录异常得分进行加权处理；

所述异常判断模块还用于：

根据经过加权处理后的登录异常得分，判断所述当前登录用户的帐号登录是否异常。

7.根据权利要求6所述的装置，其特征在于，

所述数据获取模块还用于：获取至少两个用户的历史操作数据；以及所述装置还包括：

第二登录异常得分确定模块，用于对所述历史操作数据进行统计分析得到登录异常数据和对应登录异常得分，将所述登录异常数据和对应登录异常得分存入所述异常数据库中。

8.根据权利要求7所述的装置，其特征在于，所述第二登录异常得分确定模块具体用于：

根据所述历史操作数据进行机器学习和行为识别判断确定登录异常数据；

根据所述登录异常数据的出现频次，确定所述登录异常数据对应的登录异常得分。

9.根据权利要求6所述的装置，其特征在于，在所述登录关联数据包括登录IP、登录设备标识和登录地域中至少两个时，所述当前登录用户的登录异常得分是针对各类登录关联数据计算出的登录异常得分之和。

10.根据权利要求6所述的装置，其特征在于，所述装置还包括：

异常处理模块，用于在判断为所述当前登录用户的帐号登录异常时，根据所述当前登录用户的登录异常得分，对所述当前登录用户的登录行为进行相应处理，其中所述相应处理包括向注册用户发送通知、向管理员发送通知和解除当前登录状态中至少一种。

Images