CN108985755A - 一种账号状态识别方法、装置及服务器 - Google Patents

一种账号状态识别方法、装置及服务器 Download PDF

Info

Publication number
CN108985755A
CN108985755A CN201710401276.4A CN201710401276A CN108985755A CN 108985755 A CN108985755 A CN 108985755A CN 201710401276 A CN201710401276 A CN 201710401276A CN 108985755 A CN108985755 A CN 108985755A
Authority
CN
China
Prior art keywords
account
state
weight
scene
link strength
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201710401276.4A
Other languages
English (en)
Other versions
CN108985755B (zh
Inventor
钟齐炜
汤佳宇
孙丽
梁桉洋
洪东杰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Alibaba Group Holding Ltd
Original Assignee
Alibaba Group Holding Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Alibaba Group Holding Ltd filed Critical Alibaba Group Holding Ltd
Priority to CN201710401276.4A priority Critical patent/CN108985755B/zh
Publication of CN108985755A publication Critical patent/CN108985755A/zh
Application granted granted Critical
Publication of CN108985755B publication Critical patent/CN108985755B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/018—Certifying business or products
    • G06Q30/0185—Product, service or business identity fraud
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/38—Payment protocols; Details thereof
    • G06Q20/382—Payment protocols; Details thereof insuring higher security of transaction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/38—Payment protocols; Details thereof
    • G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
    • G06Q20/401—Transaction verification
    • G06Q20/4014—Identity check for transactions

Landscapes

  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Telephonic Communication Services (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本申请提供一种账号状态识别方法、装置及服务器，该方法包括：获取第一账号对应的至少一个场景标识和至少一个特征标识；获取所述场景标识对应的场景权重、所述特征标识对应的特征权重、所述特征标识对应的特征值；利用场景权重、特征权重和特征值获取第一账号和第二账号的链接强度；通过所述第一账号的状态和所述链接强度识别所述第二账号的状态。通过本申请的技术方案，可以有效识别出发生异常的账号，识别成功率很高。在获知账号发生异常时，可以准确找到与该账号关联的其它账号，对其它账号的业务行为实行全面、有效地监控，扩大识别异常账号的覆盖度，提高识别异常账号的成功率。

Description

一种账号状态识别方法、装置及服务器
技术领域
本申请涉及互联网领域，尤其涉及一种账号状态识别方法、装置及服务器。
背景技术
随着互联网的高速发展，电子商务越来越发达，越来越多的用户选择在网上购物。交易数据是电子商务网站的重要数据，每天都会产生大量的交易数据，且电子商务网站可以基于这些交易数据进行业务处理，如基于这些交易数据分析卖家信用，并按照卖家信用进行高低排名。由于买家通常更愿意到信用较高的卖家购买商品，因此卖家就有提升信用的需求，这样虚假交易就产生了。
虚假交易是指用户通过不正当方式获取虚假的商品销量、店铺评分、信用积分等不当利益，妨害买家权益的行为。进一步的，为了实现虚假交易，用户通常会在电子商务网站注册大量账号，并使用这些账号实现虚假交易。
因此，为了避免虚假交易的频繁发生，就需要识别出发生异常的账号，并对这些异常的账号进行处理，如监控处理、注销处理等。但是，随着虚假交易手段的不断升级，目前并不能有效识别出发生异常的账号，识别的成功率很低。
发明内容
本申请提供一种账号状态识别方法，所述方法包括：
获取第一账号对应的至少一个场景标识和至少一个特征标识；
获取所述场景标识对应的场景权重、所述特征标识对应的特征权重、所述特征标识对应的特征值；
利用场景权重、特征权重和特征值获取第一账号和第二账号的链接强度；
通过所述第一账号的状态和所述链接强度识别所述第二账号的状态。
本申请提供一种账号状态识别方法，所述方法包括：
获取状态为异常的第一账号对应的至少一个场景标识和至少一个特征标识；
获取所述场景标识对应的场景权重、所述特征标识对应的特征权重、所述特征标识对应的特征值；
利用所述场景权重、所述特征权重和所述特征值确定第二账号的异常。
本申请提供一种账号状态识别方法，所述方法包括：
获取第一账号的状态、所述第一账号和第二账号的链接强度；
利用所述第一账号的状态和所述链接强度获得所述第二账号的置信指标；
利用所述第二账号的置信指标识别所述第二账号的状态。
本申请提供一种账号状态识别装置，所述装置包括：
第一获取模块，用于获取第一账号对应的至少一个场景标识和至少一个特征标识；
第二获取模块，用于获取所述场景标识对应的场景权重、所述特征标识对应的特征权重、所述特征标识对应的特征值；
第三获取模块，用于利用所述场景权重、所述特征权重以及所述特征值获取所述第一账号和所述第二账号的链接强度；
识别模块，用于通过第一账号的状态和所述链接强度识别第二账号的状态。
本申请提供一种账号状态识别装置，所述装置包括：
第一获取模块，用于获取状态为异常的第一账号对应的至少一个场景标识和至少一个特征标识；
第二获取模块，用于获取所述场景标识对应的场景权重、所述特征标识对应的特征权重、所述特征标识对应的特征值；
确定模块，用于利用所述场景权重、所述特征权重和所述特征值确定第二账号的异常。
本申请提供一种账号状态识别装置，所述装置包括：
第一获取模块，用于获取第一账号的状态、所述第一账号和第二账号的链接强度；
第二获取模块，用于利用所述第一账号的状态和所述链接强度获得所述第二账号的置信指标；
识别模块，用于利用所述第二账号的置信指标识别所述第二账号的状态。
本申请提供一种服务器，所述服务器包括：处理器，用于获取第一账号对应的至少一个场景标识和至少一个特征标识；获取所述场景标识对应的场景权重、所述特征标识对应的特征权重、所述特征标识对应的特征值；利用所述场景权重、所述特征权重以及所述特征值获取所述第一账号和所述第二账号的链接强度；通过第一账号的状态和所述链接强度识别第二账号的状态。
本申请提供一种服务器，所述服务器包括：处理器，用于获取状态为异常的第一账号对应的至少一个场景标识和至少一个特征标识；获取所述场景标识对应的场景权重、所述特征标识对应的特征权重、所述特征标识对应的特征值；利用所述场景权重、所述特征权重和所述特征值确定第二账号的异常。
本申请提供一种服务器，所述服务器包括：
处理器，用于获取第一账号的状态、所述第一账号和第二账号的链接强度；利用所述第一账号的状态和所述链接强度获得所述第二账号的置信指标；利用所述第二账号的置信指标识别所述第二账号的状态。
基于上述技术方案，本申请实施例中，可以利用场景标识对应的场景权重、特征标识对应的特征权重、特征标识对应的特征值，来获取第一账号和第二账号的链接强度，并通过第一账号的状态以及该链接强度识别出第二账号的状态。这样，可以基于链接强度有效的识别账号状态，即可以有效识别出发生异常的账号，识别的成功率很高。而且，在获知一个账号发生异常时，可以准确找到与该账号关联的其它账号，并对其它账号的业务行为实行全面、有效地监控，从而扩大了识别异常账号的覆盖度，并提高了识别异常账号的成功率。
附图说明
为了更加清楚地说明本申请实施例或者现有技术中的技术方案，下面将对本申请实施例或者现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据本申请实施例的这些附图获得其它的附图。
图1是本申请一种实施方式中的账号状态识别方法的流程图；
图2A-图2D是本申请一种实施方式中的账号状态识别示意图；
图3是本申请另一种实施方式中的账号状态识别方法的流程图；
图4是本申请一种实施方式中的账号状态识别装置的结构图；
图5是本申请另一种实施方式中的账号状态识别装置的结构图。
具体实施方式
在本申请实施例使用的术语仅仅是出于描述特定实施例的目的，而非限制本申请。本申请和权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其它含义。还应当理解，本文中使用的术语“和/或”是指包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解，尽管在本申请实施例可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，此外，所使用的词语“如果”可以被解释成为“在……时”，或“当……时”，或“响应于确定”。
本申请实施例中提出了一种账号状态识别方法，该方法可以应用于服务器，该服务器可以是PC(Personal Computer，个人计算机)、笔记本电脑、数据平台、电商平台等，对此服务器的类型不做限制，所有具有账号状态识别功能的设备，均在本申请实施例的保护范围之内。参见图1所示，为本申请实施例中的账号状态识别方法的流程图，该账号状态识别方法可以包括以下步骤：
步骤101，获取第一账号对应的至少一个场景标识和至少一个特征标识。
步骤102，获取该场景标识对应的场景权重、该特征标识对应的特征权重、该特征标识对应的特征值。
步骤103，利用该场景权重、该特征权重和该特征值获取该第一账号和该第二账号的链接强度。该链接强度是指该第一账号和该第二账号的关联程度。
步骤104，通过该第一账号的状态和该链接强度识别第二账号的状态。
在一个例子中，上述执行顺序只是为了方便描述所给出的一个示例，在实际应用中，还可以改变各步骤之间的执行顺序，对此执行顺序不做限制。
在一个例子中，第一账号可以是已知状态的任意账号，第一账号的状态可以为正常或者异常。当第一账号的状态为正常时，表示第一账号未发生虚假交易等操作，当第一账号的状态为异常时，表示第一账号发生虚假交易等操作。
在实际应用中，第一账号的数量可以为一个或者多个，为了方便描述，在后续过程中，以一个第一账号为例进行说明。而且，每个第一账号均具有唯一的账号标识，也就是通常所说的用户名称，如“123123”、“abcabc”等。
综上所述，针对步骤101，在一个例子中，针对“获取第一账号对应的至少一个场景标识和至少一个特征标识”的过程，可以从数据库(用于存储所有用户数据，且这些用户数据包括账号标识、状态、场景标识和特征标识等内容)中获取到账号标识，若数据库中存在该账号标识对应的状态，则将该账号标识确定为第一账号，并从数据库中获取到该账号标识对应的至少一个场景标识和至少一个特征标识；若数据库中不存在该账号标识对应的状态，则不将该账号标识确定为第一账号。基于上述处理，就可以从数据库中得到第一账号的账号标识、状态、至少一个场景标识和至少一个特征标识等内容。
其中，场景标识可以是应用场景的标识，如注册场景的场景标识为场景A，支付场景的场景标识为场景B。特征标识可以是手机号码、邮箱等标识。当然，场景标识并不局限于注册场景和支付场景，对于其它的应用场景不做限制。此外，特征标识并不局限于手机号码和邮箱，对于其它的特征标识不做限制。
为了方便描述，后续以第一账号为“123123”，状态为异常，场景标识为场景A和场景B，场景A下的特征标识为“13810000000”和“[email protected]”，场景B下的特征标识为“13810000001”和“[email protected]”为例进行说明。
在一个例子中，用于存储用户数据的数据库可以为分布式文件***，例如HDFS(Hadoop Distributed File System，Hadoop分布式文件***)，参见图2A所示，服务器可以从分布式文件***获取到账号标识、状态、场景标识和特征标识等数据，对此获取过程不做限制，也可以从其它类型的数据库获取数据。
在一个例子中，第二账号可以是与第一账号匹配的账号，也可以是服务器随机选择的账号，还可以是用户指示的任意账号，对此第二账号的选择方式不做限制，后续以第二账号是与第一账号匹配的账号为例进行说明。
在此基础上，服务器还可以利用第一账号的场景标识和第一账号的特征标识确定与第一账号匹配的第二账号。其中，第二账号的场景标识与第一账号的场景标识相同，第二账号的特征标识与第一账号的特征标识相同。
其中，第二账号可以是一个未知状态的账号，基于此，在从数据库中获取到账号标识、状态、场景标识和特征标识等数据之后，若某个账号(如账号标识为123456)是未知状态的账号，且该账号的场景标识与第一账号(123123)的场景标识相同，并且该账号的特征标识与第一账号(123123)的特征标识相同，则将该账号(123456)确定为与该第一账号(123123)匹配的第二账号。
综上所述，第二账号为123456，状态为未知，后续过程确定的就是第二账号的状态，场景标识为场景A和场景B，场景A下的特征标识为“13810000000”和“[email protected]”，场景B下的特征标识为“13810000001”和“[email protected]”。
假设第一账号存在匹配的第二账号，就执行步骤102以及后续步骤，假设第一账号不存在匹配的第二账号，则选取新的第一账号，继续采用上述流程处理。为方便描述，以第一账号123123，与第一账号匹配的第二账号123456为例。
在实际应用中，第一账号可能存在匹配的多个第二账号，针对每个第二账号的处理过程相同，为了方便描述，后续以一个第二账号为例进行说明。
针对步骤102，在一个例子中，针对“获取该场景标识对应的场景权重、该特征标识对应的特征权重”的过程，可以包括但不限于如下方式：可以通过该场景标识、该特征标识查询预先配置的映射关系，以得到该场景标识对应的场景权重，并得到该特征标识对应的特征权重。其中，该映射关系用于记录场景标识与场景权重的对应关系、并用于记录特征标识与特征权重的对应关系。
如表1所示，为映射关系的一个示例，在实际应用中，并不局限于此。在通过场景A、13810000000、[email protected]查询该映射关系时，得到场景权重为0.8，13810000000对应的特征权重为0.7，[email protected]对应的特征权重为0.8。在通过场景B、13810000001、[email protected]查询该映射关系时，得到场景权重为0.9，13810000001对应的特征权重为0.8，[email protected]对应的特征权重为0.9。
表1
针对步骤102，在一个例子中，针对“获取该特征标识对应的特征值”的过程，可以包括但不限于如下方式：若该特征标识为正常，则将该特征标识对应的特征值设置为第一数值(如1、0.95等)；若该特征标识为异常，则将该特征标识对应的特征值设置为第二数值(如0、0.05等)。其中，针对手机号码这种特征标识，若手机号码不是11位，如138100等，则该特征标识为异常，若手机号码是11位，则可以进一步分析是否异常，如12345612345这种号码，很明显就是异常的，对此分析过程不再赘述。针对邮箱这种特征标识，也可以分析出是否异常，如[email protected]，很明显就是正常的，对此分析过程不再赘述。
针对步骤103，在一个例子中，针对“利用该场景权重、该特征权重和该特征值获取第一账号和第二账号的链接强度”的过程，包括但不限于：根据双曲正切函数(tanh函数)对该场景权重、该特征权重和该特征值进行处理，以获取该第一账号和该第二账号的链接强度；或者，根据S形生长曲线函数(sigmoid函数)对该场景权重、该特征权重和该特征值进行处理，以获取该第一账号和该第二账号的链接强度；或者，根据对数函数(log函数)对该场景权重、该特征权重和该特征值进行处理，以获取该第一账号和该第二账号的链接强度。
在一个例子中，针对“根据双曲正切函数(tanh函数)对该场景权重、该特征权重和该特征值进行处理，以获取该第一账号和该第二账号的链接强度”的过程，包括但不限于：利用如下公式获取第一账号和第二账号的链接强度：
针对“根据S形生长曲线函数(sigmoid函数)对该场景权重、该特征权重和该特征值进行处理，以获取该第一账号和该第二账号的链接强度”的过程，可以包括但不限于：利用如下公式获取第一账号和第二账号的链接强度：
针对“根据对数函数(log函数)对该场景权重、该特征权重和该特征值进行处理，以获取该第一账号和该第二账号的链接强度”的过程，可以包括但不限于：利用如下公式获取该第一账号和该第二账号的链接强度：
在一个例子中，针对上述各公式，ωAB表示该第一账号和该第二账号的链接强度，tanh表示双曲正切函数，sigmoid表示S形生长曲线函数，log表示对数函数，η表示平滑参数，m表示场景数量，si表示第i个场景标识对应的场景权重，ni表示第i个场景标识对应的特征数量，θij表示第i个场景标识对应的第j个特征标识对应的特征权重，xij表示第i个场景标识对应的第j个特征标识对应的特征值。
以下结合具体应用场景对上述参数进行说明。η表示平滑参数，用于控制函数的陡峭程度，当平滑参数的值越小时，表示第一账号和第二账号越容易关联，当平滑参数的值越大时，表示第一账号和第二账号越不容易关联，平滑参数可以根据经验配置，如平滑参数为1，对此配置过程不再赘述，只要大于0即可。
在上述应用场景下，由于场景标识为场景A和场景B，因此，场景数量m为2。当i为1时，则si为场景A对应的场景权重0.8，ni为场景A对应的特征数量2(13810000000和[email protected])。若j为1，则θij为13810000000对应的特征权重0.7，xij为13810000000对应的特征值(假设为数值1)；若j为2，则θij为[email protected]对应的特征权重0.8，xij为[email protected]对应的特征值(如数值1)。当i为2时，si为场景B对应的场景权重0.9，ni为场景B对应的特征数量2(即13810000000和[email protected])。若j为1，则θij为13810000000对应的特征权重0.8，xij为13810000000对应的特征值(数值1)；若j为2，则θij为[email protected]对应的特征权重0.9，xij为[email protected]对应的特征值(数值1)。
在一个例子中，基于上述的双曲正切函数(tanh函数)、S形生长曲线函数(sigmoid函数)、对数函数(log函数)，能够将链接强度转换为预设区间内的值，而且，上述双曲正切函数(tanh函数)、S形生长曲线函数(sigmoid函数)、对数函数(log函数)只是本申请的几个示例，在实际应用中，还可以使用其它函数，只要能够将链接强度转换为预设区间内的值即可，对此不做限制。
针对步骤104，在一个例子中，针对“通过该第一账号的状态和该链接强度识别第二账号的状态”的过程，可以包括但不限于如下方式：若该第一账号的状态为异常，且该链接强度大于预设第一阈值，则可以识别该第二账号的状态为异常；或者，若该第一账号的状态为正常，且该链接强度大于预设第二阈值，则可以识别该第二账号的状态为正常。其中，预设第一阈值和预设第二阈值均可以根据经验进行配置，预设第一阈值和预设第二阈值可以相同，也可以不同。
此外，若第一账号的状态为异常，且链接强度不大于预设第一阈值，则可以识别该第二账号的状态为正常，或者采用其它方式进一步分析第二账号的状态是否异常，对此分析过程不再详加赘述。若第一账号的状态为正常，且链接强度不大于预设第二阈值，则可以识别该第二账号的状态为异常，或者采用其它方式进一步分析第二账号的状态是否异常，对此分析过程不再详加赘述。
针对步骤104，在另一个例子中，针对“通过该第一账号的状态和该链接强度识别第二账号的状态”的过程，可以包括但不限于如下方式：利用该第一账号的状态和该链接强度获得该第二账号的置信指标，并利用该第二账号的置信指标识别该第二账号的状态。进一步的，该置信指标可以包括但不限于该第二账号为指定状态的概率值，且该指定状态可以为异常或者正常。基于此，针对“利用该第二账号的置信指标识别该第二账号的状态”的过程，可以包括但不限于：若该概率值大于预设概率阈值，则可以识别该第二账号的状态为指定状态。其中，预设概率阈值可以根据经验进行配置。此外，若该概率值不大于预设概率阈值，则可以识别该第二账号的状态不是指定状态，或者采用其它方式进一步分析该第二账号的状态是否为指定状态，对此分析过程不再详加赘述。
在一个例子中，参见图2B所示，还可以在服务器内配置MapReduce计算框架，且由MapReduce计算框架执行上述步骤101-步骤103。当然，也可以在服务器内配置其它类型的分布式批处理框架，如MPI计算框架，Spark计算框架等，对此分布式批处理框架不做限制。MapReduce计算框架在获得链接强度后，还可以将链接强度输出给分布式文件***，由分布式文件***存储该链接强度。
在一个例子中，若基于第一账号的状态和链接强度直接识别第二账号的状态，则可以由MapReduce计算框架执行上述步骤104。若基于第一账号的状态和链接强度确定置信指标，并基于置信指标识别第二账号的状态，则还可以在服务器内配置Graph计算框架，并由Graph计算框架执行上述步骤104。
参见图2C所示，Graph计算框架可以从分布式文件***获取到链接强度和第一账号的状态，并基于链接强度和第一账号的状态获得第二账号的置信指标，并利用置信指标识别第二账号的状态。参见图2D所示，Graph计算框架可以从MapReduce计算框架获取到链接强度和第一账号的状态，并基于链接强度和第一账号的状态获得第二账号的置信指标，并利用置信指标识别第二账号的状态。
当然，在实际应用中，并不局限于在服务器内配置Graph计算框架，也可以在服务器内配置其它类型的分布式图计算框架，如Pregel计算框架，Hama计算框架等，对此分布式图计算框架不做限制。Graph计算框架在获得置信指标后，还可以将置信指标输出给分布式文件***，由分布式文件***存储该置信指标。
在一个例子中，针对“利用该第一账号的状态和该链接强度获得该第二账号的置信指标”的过程，可以包括但不限于如下方式：方式一、根据该第二账号对应的参数平均值和参数方差获得第一概率值；然后，利用该第一账号的状态和该链接强度获得第二概率值，并利用该第一概率值和该第二概率值获得该第二账号的置信指标。或者，方式二、利用该第一账号的状态和该链接强度获得第三概率值，然后，可以利用该第三概率值获得该第二账号的置信指标。
在一个例子中，针对“根据该第二账号对应的参数平均值和参数方差获得第一概率值”的过程，可以包括：获取第二账号的状态、具有该状态的各账号的业务参数，根据该业务参数获得参数平均值和参数方差(也就是第二账号对应的参数平均值和参数方差)，并根据参数平均值和参数方差获得第一概率值。
其中，针对“获取第二账号的状态、具有该状态的各账号的业务参数”的过程，由于第二账号没有对应的状态，因此可以随机为第二账号生成状态(如正常或者异常)。然后，从数据库(用于存储所有账号的业务参数)获取对应该状态的多个账号(如对应该状态的所有账号、或对应该状态的指定数量个账号，这些账号中包括第二账号)的业务参数，该业务参数可以为注册时间、交易金额，交易时间、交易数量等，对此业务参数的类型不做限制。为了方便描述，以交易金额和交易数量为例，假设对应该状态的多个账号产生5个交易金额(如1000、2000、500、900、1100)和5个交易数量(如3、5、2、6、4)。
在一个例子中，针对“根据该业务参数获得参数平均值”的过程，可以利用如下公式获得业务参数的参数平均值：其中，μ为参数平均值，m为业务参数的数量，xi为第i个业务参数的数值，l为业务参数的总数量。例如，业务参数(交易金额)的参数平均值可以为(1000+2000+500+900+1100)/5＝1100，业务参数(交易数量)的参数平均值可以为(3+5+2+6+4)/5＝4。
在一个例子中，针对“根据该业务参数获得参数方差”的过程，可以利用如下公式获得业务参数的参数方差： 其中，σ2为参数方差，μ为参数平均值，m为业务参数的数量，xi为第i个业务参数的数值，l为业务参数的总数量。例如，业务参数(交易金额)的参数方差可以为(10000+810000+360000+40000+0)/5＝244000，此外，业务参数(交易数量)的参数方差可以为(1+1+4+4+0)/5＝2。
经过上述处理，可以定义如下全局变量：{α,β,γ,μ,σ2}，其中，α为β为γ为业务参数的总数量l，μ为参数平均值，σ2为参数方差。而且，在实际应用中，可以针对业务参数(交易金额)和业务参数(交易数量)分别维护上述全局变量：{α,β,γ,μ,σ2}，对此全局变量的维护过程不再赘述。
在一个例子中，针对“利用参数平均值和参数方差获得第一概率值”的过程，可以包括但不限于如下方式：利用如下公式获得第一概率值p(X|y)。
在上述公式中，K为业务参数的数量，如针对业务参数(交易金额)和业务参数(交易数量)，K的取值为2。当i为1时，使用针对业务参数(交易金额)的相关数据，当i为2时，使用针对业务参数(交易数量)的相关数据。为状态是y(也就是第二账号的状态，如1)时的参数方差，μi,y为状态是y时的参数平均值，xi为第二账号的第i个业务参数的数值。例如，当i为1时，为业务参数(交易金额)的参数方差244000，μi,y为业务参数(交易金额)的参数平均值1100，xi为第二账号的交易金额。当i为2时，为(交易数量)的参数方差2，μi,y为业务参数(交易数量)的参数平均值4，xi为第二账号的交易数量。
在一个例子中，针对“利用第一账号的状态和链接强度(即第一账号和第二账号之间的链接强度)获得第二概率值”的过程，可以包括但不限于如下方式：利用如下公式获得上述第二概率值：或者，在上述公式中，Z可以是一个归一化函数，可以根据经验进行配置，T是一个温度常数，可以根据经验进行配置。t可以是一个退火参数，t的取值位于0与1之间，可以根据经验进行配置。
r的取值为1-M，M表示同一状态的第一账号的数量。例如，针对第二账号，若与第二账号匹配的第一账号为6个，且4个第一账号的状态为正常，另2个第一账号的状态为异常，则可以使用这4个第一账号与第二账号的该链接强度参与计算，如当r为1时，ωr表示第1个第一账号与该第二账号的链接强度，当r为2时，ωr表示第2个第一账号与第二账号的链接强度，当r为3时，ωr表示第3个第一账号与该第二账号的链接强度，当r为4时，ωr表示第4个第一账号与该第二账号的链接强度，而且，由于这4个第一账号的状态为正常，因此，置信指标包括的指定状态为正常。此外，还可以使用异常的2个第一账号与该第二账号的链接强度参与计算，如当r为1时，ωr表示第1个第一账号与该第二账号的链接强度，当r为2时，ωr表示第2个第一账号与该第二账号的链接强度，由于这2个第一账号的状态为异常，因此，置信指标包括的指定状态为异常。
在一个例子中，针对“利用第一概率值和第二概率值获得该第二账号的置信指标”的过程，第二账号的置信指标可以包括第二账号为指定状态的概率值，因此需要确定指定状态和概率值。针对置信指标包括的指定状态，可以根据第二概率值确定，如使用正常状态的第一账户与第二账号的链接强度获得第二概率值时，置信指标包括的指定状态为正常状态；使用异常状态的第一账户与第二账号的链接强度获得第二概率值时，置信指标包括的指定状态为异常状态。针对置信指标包括的概率值，该概率值可以为第一概率值与第二概率值的乘积。
上述过程为采用方式一获得第二账号的置信指标的过程。此外，在采用方式二获得第二账号的置信指标的过程中，针对“利用第一账号的状态和链接强度获得第三概率值”的过程，与上述“利用第一账号的状态和链接强度获得第二概率值”的过程类似，只是第二概率值变为第三概率值，在此不再重复赘述。
针对“利用该第三概率值获得该第二账号的置信指标”的过程，第二账号的置信指标可以包括第二账号为指定状态的概率值，针对置信指标包括的指定状态，可以根据第三概率值确定，如使用正常状态的第一账户与第二账号的链接强度获得第三概率值时，置信指标包括的指定状态为正常状态；使用异常状态的第一账户与第二账号的链接强度获得第三概率值时，置信指标包括的指定状态为异常状态。针对置信指标包括的概率值，该概率值也就是第三概率值。
在上述过程中，是以账号的状态为正常或者异常为例进行说明的，而在实际应用中，可以通过0表示正常，1表示异常，即账号的状态为0或者1，此外，账号的状态还可以为0-1之间的其它数值，如0.1、0.2、0.9等，0.1和0.2表示账号的状态更接近于正常状态，而0.9表示账号的状态更接近于异常状态。
以下结合具体应用场景，对上述“根据第二账号对应的参数平均值和参数方差获得第一概率值；利用第一账号的状态和链接强度获得第二概率值，并利用第一概率值和第二概率值获得该第二账号的置信指标”的过程进行说明。
根据贝叶斯定理(描述事件X发生的情况下，事件Y发生的可能性)，可以利用如下公式获得置信指标包括的概率值p(y|X)：基于此，要求p(y|X)的最大值对应的y作为第二账号的状态，其等价于求p(X|y)p(y)的最大值。因此，为了求p(X|y)p(y)的最大值，可以另p(X)为1，也就是说p(y|X)＝p(X|y)p(y)。
其中，第一概率值p(X|y)为特征X的似然函数，根据正态分布，可以基于如下公式获得第一概率值p(X|y)：当然，在实际应用中，还可以根据其它分布类型的似然函数，对此不做限制。
其中，第二概率值p(y)为随机场y的先验概率，根据吉布斯分布，可以基于如下公式获得第二概率值p(y)：此外，基于退火算法，还可以基于如下公式获得第二概率值p(y)： 当然，在实际应用中，还可以根据其它公式，对此不做限制。上述公式中，是归一化函数，且U(x)称为能量函数，T是温度常数。
在一个例子中，可以采用迭代方式获得第二账号的置信指标。例如，针对“获取第二账号的状态”的过程，可以为第二账号生成一个状态1(如0)，并针对该状态1执行上述处理，得到一个置信指标1，然后，判断是否满足迭代结束策略(如迭代次数是否达到最大迭代次数，或者置信指标包括的概率值是否大于预设阈值等)，如果否，返回“获取第二账号的状态”的过程，为第二账号生成一个新的状态2(如0.1)，并针对该状态2执行上述处理，得到一个置信指标2，然后，判断是否满足迭代结束策略，如果否，返回“获取第二账号的状态”的过程，为第二账号生成一个新的状态3(如0.2)，并针对该状态3执行上述处理，得到一个置信指标3，以此类推，一直到满足迭代结束策略。
进一步的，在满足迭代结束策略之后，可以从所有置信指标中选取概率值最大的置信指标，并将概率值最大的置信指标确定为第二账号的置信指标。
基于上述技术方案，本申请实施例中，可以利用场景标识对应的场景权重、特征标识对应的特征权重、特征标识对应的特征值，来获取第一账号和第二账号的链接强度，并通过第一账号的状态以及该链接强度识别出第二账号的状态。这样，可以基于链接强度有效的识别账号状态，即可以有效识别出发生异常的账号，识别的成功率很高。而且，在获知一个账号发生异常时，可以准确找到与该账号关联的其它账号，并对其它账号的业务行为实行全面、有效地监控，从而扩大了识别异常账号的覆盖度，并提高了识别异常账号的成功率。
而且，可以利用第一账号的状态以及链接强度进一步分析第二账号的置信指标，并基于第二账号的置信指标识别出第二账号的状态，从而进一步提高异常账号识别的准确率，可以准确识别出发生异常的账号，识别的成功率很高。
本申请实施例的上述技术方案，可以应用于电子商务网站的交易业务场景，也可以应用于其它涉及链接强度的场景，如垃圾邮件、虚假评论、资金网络、社交网络等，只要能够获取到业务场景的数据即可，对此应用场景不做限制。
基于与上述方法同样的申请构思，本申请实施例中还提出一种账号状态识别方法，该方法可以包括以下步骤：获取状态为异常的第一账号对应的至少一个场景标识和至少一个特征标识；获取所述场景标识对应的场景权重、所述特征标识对应的特征权重、所述特征标识对应的特征值；利用所述场景权重、所述特征权重和所述特征值确定第二账号的异常。进一步的，针对“利用所述场景权重、所述特征权重和所述特征值确定第二账号的异常”的过程，可以包括：利用所述场景权重、所述特征权重和所述特征值获取第一账号和第二账号的链接强度；若所述链接强度大于预设阈值，则识别所述第二账号的状态为异常。
上述账号状态识别方法与图1所示的流程相比，其区别在于：
第一账号就是状态为异常的账号，因此，当链接强度大于预设阈值时，可以直接识别出第二账号的状态为异常。其它特征与图1流程类似，不再赘述。
基于与上述方法同样的申请构思，参见图3所示，为本申请实施例中的账号状态识别方法的另一流程图，该账号状态识别方法可以包括以下步骤：
步骤301，获取第一账号的状态、该第一账号和第二账号的链接强度。
步骤302，利用该第一账号的状态和该链接强度获得第二账号的置信指标。
步骤303，利用该第二账号的置信指标识别第二账号的状态。
在一个例子中，上述执行顺序只是为了方便描述所给出的一个示例，在实际应用中，还可以改变各步骤之间的执行顺序，对此执行顺序不做限制。
在一个例子中，针对“获取第一账号的状态、该第一账号和第二账号的链接强度”的过程，可以参考上述步骤101-步骤103的处理过程，在此不再赘述。当然也可以采用其它方式获取第一账号和第二账号的链接强度，对此不做限制。
在一个例子中，针对“利用该第一账号的状态和该链接强度获得第二账号的置信指标”的过程，可以包括但不限于如下方式：方式一、根据该第二账号对应的参数平均值和参数方差获得第一概率值；然后，利用该第一账号的状态和该链接强度获得第二概率值，并利用该第一概率值和该第二概率值获得该第二账号的置信指标。或者，方式二、利用该第一账号的状态和该链接强度获得第三概率值，然后，可以利用该第三概率值获得该第二账号的置信指标。
在一个例子中，针对“根据该第二账号对应的参数平均值和参数方差获得第一概率值”的过程，可以包括：获取第二账号的状态、具有该状态的各账号的业务参数，根据该业务参数获得参数平均值和参数方差(也就是第二账号对应的参数平均值和参数方差)，并根据参数平均值和参数方差获得第一概率值。
在一个例子中，该置信指标可以包括但不限于该第二账号为指定状态的概率值，且该指定状态可以为异常或者正常。基于此，针对“利用该第二账号的置信指标识别该第二账号的状态”的过程，可以包括但不限于如下方式：若该概率值大于预设概率阈值，则可以识别该第二账号的状态为指定状态。其中，该预设概率阈值可以根据经验进行配置。此外，若该概率值不大于预设概率阈值，则可以识别该第二账号的状态不是指定状态，或者采用其它方式进一步分析该第二账号的状态是否为指定状态，对此分析过程不再详加赘述。
针对步骤302和步骤303的详细流程，可以参考图1的流程，不再赘述。
基于与上述方法同样的申请构思，本申请实施例还提供一种账号状态识别装置，如图4所示，为账号状态识别装置的结构图，所述装置包括：第一获取模块401，用于获取第一账号对应的至少一个场景标识和至少一个特征标识；第二获取模块402，用于获取所述场景标识对应的场景权重、所述特征标识对应的特征权重、所述特征标识对应的特征值；第三获取模块403，用于利用所述场景权重、所述特征权重以及所述特征值获取所述第一账号和所述第二账号的链接强度；识别模块404，用于通过第一账号的状态和链接强度识别第二账号的状态。
在一个例子中，所述第二获取模块402，具体用于在获取所述场景标识对应的场景权重、所述特征标识对应的特征权重的过程中，通过所述场景标识、所述特征标识查询映射关系，得到所述场景标识对应的场景权重、所述特征标识对应的特征权重；所述映射关系用于记录场景标识与场景权重的对应关系、特征标识与特征权重的对应关系；在获取所述特征标识对应的特征值的过程中，若所述特征标识为正常，则将所述特征标识对应的特征值设置为第一数值；若所述特征标识为异常，则将所述特征标识对应的特征值设置为第二数值。
所述第三获取模块403，具体用于在利用所述场景权重、所述特征权重以及所述特征值获取所述第一账号和所述第二账号的链接强度的过程中，根据双曲正切函数对所述场景权重、所述特征权重和所述特征值进行处理，以获取所述第一账号和所述第二账号的链接强度；或者，根据S形生长曲线函数对所述场景权重、所述特征权重和所述特征值进行处理，以获取所述第一账号和所述第二账号的链接强度；或者，根据对数函数对所述场景权重、所述特征权重和所述特征值进行处理，以获取所述第一账号和所述第二账号的链接强度；
所述第三获取模块403，具体用于在根据双曲正切函数对所述场景权重、所述特征权重和所述特征值进行处理，获取所述第一账号和所述第二账号的链接强度的过程中，利用如下公式获取所述第一账号和所述第二账号的链接强度：
ωAB表示所述第一账号和所述第二账号的链接强度，tanh表示双曲正切函数，η表示平滑参数，m表示场景数量，si表示第i个场景标识对应的场景权重，ni表示第i个场景标识对应的特征数量，θij表示第i个场景标识对应的第j个特征标识对应的特征权重，xij表示第i个场景标识对应的第j个特征标识对应的特征值。
所述识别模块404，具体用于在通过第一账号的状态和所述链接强度识别第二账号的状态的过程中，若所述第一账号的状态为异常，且所述链接强度大于预设第一阈值，则识别所述第二账号的状态为异常；若所述第一账号的状态为正常，且所述链接强度大于预设第二阈值，则识别所述第二账号的状态为正常；或者，利用所述第一账号的状态和所述链接强度获得所述第二账号的置信指标，并利用所述第二账号的置信指标识别所述第二账号的状态。
所述识别模块404，具体用于在利用所述第一账号的状态和所述链接强度获得所述第二账号的置信指标的过程中，根据所述第二账号对应的参数平均值和参数方差获得第一概率值，并利用所述第一账号的状态和所述链接强度获得第二概率值，并利用所述第一概率值和所述第二概率值获得所述第二账号的置信指标；或者，利用所述第一账号的状态和所述链接强度获得第三概率值，并利用所述第三概率值获得所述第二账号的置信指标；其中，所述置信指标包括所述第二账号为指定状态的概率值，所述指定状态具体为异常或者正常；
所述识别模块404，具体用于在利用所述置信指标识别第二账号的状态的过程，若所述概率值大于预设概率阈值，识别第二账号的状态为所述指定状态。
与上述账号状态识别装置类似的，本申请实施例还提出另一种账号状态识别装置，所述装置包括：第一获取模块，用于获取状态为异常的第一账号对应的至少一个场景标识和至少一个特征标识；第二获取模块，用于获取所述场景标识对应的场景权重、所述特征标识对应的特征权重、所述特征标识对应的特征值；确定模块，用于利用所述场景权重、所述特征权重和所述特征值确定第二账号的异常。进一步的，所述确定模块，具体用于利用所述场景权重、所述特征权重以及所述特征值获取所述第一账号和所述第二账号的链接强度。当所述链接强度大于预设阈值时，则识别所述第二账号的状态为异常。
本申请实施例还提供另一种账号状态识别装置，如图5所示，为账号状态识别装置的结构图，所述装置包括：第一获取模块501，用于获取第一账号的状态、所述第一账号和第二账号的链接强度；第二获取模块502，用于利用所述第一账号的状态和所述链接强度获得所述第二账号的置信指标；识别模块503，用于利用所述第二账号的置信指标识别第二账号的状态。
所述第二获取模块502，具体用于在利用所述第一账号的状态和所述链接强度获得所述第二账号的置信指标的过程中，根据所述第二账号对应的参数平均值和参数方差获得第一概率值，并利用所述第一账号的状态和所述链接强度获得第二概率值，并利用所述第一概率值和所述第二概率值获得所述第二账号的置信指标；或者，利用所述第一账号的状态和所述链接强度获得第三概率值，并利用所述第三概率值获得所述第二账号的置信指标；其中，所述置信指标包括所述第二账号为指定状态的概率值，所述指定状态具体为异常或者正常；
所述识别模块503，具体用于在利用所述置信指标识别第二账号的状态的过程，若所述概率值大于预设概率阈值，识别第二账号的状态为所述指定状态。
基于与上述方法同样的申请构思，本申请实施例中还提供一种服务器，所述服务器包括处理器和存储器：所述处理器，用于获取第一账号对应的至少一个场景标识和至少一个特征标识；获取所述场景标识对应的场景权重、所述特征标识对应的特征权重、所述特征标识对应的特征值；利用所述场景权重、所述特征权重以及所述特征值获取所述第一账号和所述第二账号的链接强度；通过第一账号的状态和所述链接强度识别第二账号的状态。
本申请实施例中还提供另一种服务器，所述服务器包括处理器和存储器：所述处理器，用于获取状态为异常的第一账号对应的至少一个场景标识和至少一个特征标识；获取所述场景标识对应的场景权重、所述特征标识对应的特征权重、所述特征标识对应的特征值；利用所述场景权重、所述特征权重和所述特征值确定第二账号的异常。
本申请实施例中还提供另一种服务器，所述服务器包括处理器和存储器：所述处理器，用于获取第一账号的状态、所述第一账号和第二账号的链接强度；利用所述第一账号的状态和所述链接强度获得所述第二账号的置信指标；利用所述第二账号的置信指标识别所述第二账号的状态。
基于与上述方法同样的申请构思，本申请实施例中还提供一种机器可读存储介质，该机器可读存储介质可以应用于服务器，所述机器可读存储介质上存储有若干计算机指令，所述计算机指令被执行时进行如下处理：获取第一账号对应的至少一个场景标识和至少一个特征标识；获取所述场景标识对应的场景权重、所述特征标识对应的特征权重、所述特征标识对应的特征值；利用所述场景权重、所述特征权重以及所述特征值获取所述第一账号和所述第二账号的链接强度；通过第一账号的状态和所述链接强度识别第二账号的状态。
本申请实施例中还提供另一种机器可读存储介质，该机器可读存储介质可以应用于服务器，所述机器可读存储介质上存储有若干计算机指令，所述计算机指令被执行时进行如下处理：获取状态为异常的第一账号对应的至少一个场景标识和至少一个特征标识；获取所述场景标识对应的场景权重、所述特征标识对应的特征权重、所述特征标识对应的特征值；利用所述场景权重、所述特征权重和所述特征值确定第二账号的异常。
本申请实施例中还提供另一种机器可读存储介质，该机器可读存储介质可以应用于服务器，所述机器可读存储介质上存储有若干计算机指令，所述计算机指令被执行时进行如下处理：获取第一账号的状态、所述第一账号和第二账号的链接强度；利用所述第一账号的状态和所述链接强度获得所述第二账号的置信指标；利用所述第二账号的置信指标识别所述第二账号的状态。
上述实施例阐明的***、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机，计算机的具体形式可以是个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件收发设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任意几种设备的组合。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白，本申请的实施例可提供为方法、***、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可以由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其它可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其它可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
而且，这些计算机程序指令也可以存储在能引导计算机或其它可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或者多个流程和/或方框图一个方框或者多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其它可编程数据处理设备上，使得在计算机或者其它可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其它可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本领域技术人员应明白，本申请的实施例可提供为方法、***或计算机程序产品。因此，本申请可以采用完全硬件实施例、完全软件实施例、或者结合软件和硬件方面的实施例的形式。而且，本申请可以采用在一个或者多个其中包含有计算机可用程序代码的计算机可用存储介质(可以包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (26)

1.一种账号状态识别方法，其特征在于，所述方法包括：
获取第一账号对应的至少一个场景标识和至少一个特征标识；
获取所述场景标识对应的场景权重、所述特征标识对应的特征权重、所述特征标识对应的特征值；
利用场景权重、特征权重和特征值获取第一账号和第二账号的链接强度；
通过所述第一账号的状态和所述链接强度识别所述第二账号的状态。
2.根据权利要求1所述的方法，其特征在于，
若所述第二账号是与所述第一账号匹配的账号，所述方法还包括：
利用所述场景标识和所述特征标识确定与所述第一账号匹配的第二账号；
其中，所述第二账号的场景标识与所述第一账号的场景标识相同；
所述第二账号的特征标识与所述第一账号的特征标识相同。
3.根据权利要求1所述的方法，其特征在于，所述获取所述场景标识对应的场景权重、所述特征标识对应的特征权重的过程，具体包括：
通过所述场景标识、所述特征标识查询映射关系，得到所述场景标识对应的场景权重、所述特征标识对应的特征权重；其中，所述映射关系用于记录场景标识与场景权重的对应关系、特征标识与特征权重的对应关系；
所述获取所述特征标识对应的特征值的过程，具体包括：
若所述特征标识为正常，则将所述特征标识对应的特征值设置为第一数值；
若所述特征标识为异常，则将所述特征标识对应的特征值设置为第二数值。
4.根据权利要求1所述的方法，其特征在于，所述利用场景权重、特征权重和特征值获取第一账号和第二账号的链接强度的过程，具体包括：
根据双曲正切函数对所述场景权重、所述特征权重和所述特征值进行处理，以获取所述第一账号和所述第二账号的链接强度；或者，
根据S形生长曲线函数对所述场景权重、所述特征权重和所述特征值进行处理，以获取所述第一账号和所述第二账号的链接强度；或者，
根据对数函数对所述场景权重、所述特征权重和所述特征值进行处理，以获取所述第一账号和所述第二账号的链接强度。
5.根据权利要求1所述的方法，其特征在于，所述通过所述第一账号的状态和所述链接强度识别所述第二账号的状态的过程，具体包括：
若所述第一账号的状态为异常，且所述链接强度大于预设第一阈值，则识别所述第二账号的状态为异常；或者，若所述第一账号的状态为正常，且所述链接强度大于预设第二阈值，则识别所述第二账号的状态为正常。
6.根据权利要求1所述的方法，其特征在于，所述通过所述第一账号的状态和所述链接强度识别所述第二账号的状态的过程，具体包括：
利用所述第一账号的状态和所述链接强度获得所述第二账号的置信指标；
利用所述第二账号的置信指标识别所述第二账号的状态。
7.根据权利要求6所述的方法，其特征在于，所述利用所述第一账号的状态和所述链接强度获得所述第二账号的置信指标的过程，具体包括：
根据所述第二账号对应的参数平均值和参数方差获得第一概率值；
利用所述第一账号的状态和所述链接强度获得第二概率值；
利用所述第一概率值和所述第二概率值获得所述第二账号的置信指标。
8.根据权利要求6所述的方法，其特征在于，所述利用所述第一账号的状态和所述链接强度获得所述第二账号的置信指标的过程，具体包括：
利用所述第一账号的状态和所述链接强度获得第三概率值；
利用所述第三概率值获得所述第二账号的置信指标。
9.根据权利要求6-8任一项所述的方法，其特征在于，所述置信指标包括所述第二账号为指定状态的概率值，所述指定状态为异常或者正常；所述利用所述第二账号的置信指标识别所述第二账号的状态的过程，具体包括：
若所述概率值大于预设概率阈值，则识别所述第二账号的状态为指定状态。
10.一种账号状态识别方法，其特征在于，所述方法包括：
获取状态为异常的第一账号对应的至少一个场景标识和至少一个特征标识；
获取所述场景标识对应的场景权重、所述特征标识对应的特征权重、所述特征标识对应的特征值；
利用所述场景权重、所述特征权重和所述特征值确定第二账号的异常。
11.根据权利要求10所述的方法，其特征在于，所述利用所述场景权重、所述特征权重和所述特征值确定第二账号的异常的过程，具体包括：
利用所述场景权重、所述特征权重和所述特征值获取第一账号和第二账号的链接强度；
若所述链接强度大于预设阈值，则识别所述第二账号的状态为异常。
12.一种账号状态识别方法，其特征在于，所述方法包括：
获取第一账号的状态、所述第一账号和第二账号的链接强度；
利用所述第一账号的状态和所述链接强度获得所述第二账号的置信指标；
利用所述第二账号的置信指标识别所述第二账号的状态。
13.根据权利要求12所述的方法，其特征在于，所述利用所述第一账号的状态和所述链接强度获得所述第二账号的置信指标的过程，具体包括：
根据所述第二账号对应的参数平均值和参数方差获得第一概率值；
利用所述第一账号的状态和所述链接强度获得第二概率值；
利用所述第一概率值和所述第二概率值获得所述第二账号的置信指标。
14.根据权利要求12所述的方法，其特征在于，所述利用所述第一账号的状态和所述链接强度获得所述第二账号的置信指标的过程，具体包括：
利用所述第一账号的状态和所述链接强度获得第三概率值；
利用所述第三概率值获得所述第二账号的置信指标。
15.根据权利要求12-14任一项所述的方法，其特征在于，所述置信指标包括所述第二账号为指定状态的概率值，所述指定状态为异常或者正常；所述利用所述第二账号的置信指标识别所述第二账号的状态的过程，具体包括：
若所述概率值大于预设概率阈值，则识别所述第二账号的状态为指定状态。
16.一种账号状态识别装置，其特征在于，所述装置包括：
第一获取模块，用于获取第一账号对应的至少一个场景标识和至少一个特征标识；
第二获取模块，用于获取所述场景标识对应的场景权重、所述特征标识对应的特征权重、所述特征标识对应的特征值；
第三获取模块，用于利用所述场景权重、所述特征权重以及所述特征值获取所述第一账号和所述第二账号的链接强度；
识别模块，用于通过第一账号的状态和所述链接强度识别第二账号的状态。
17.根据权利要求16所述的装置，其特征在于，
所述第二获取模块，具体用于在获取所述场景标识对应的场景权重、所述特征标识对应的特征权重的过程中，通过所述场景标识、所述特征标识查询映射关系，得到所述场景标识对应的场景权重、所述特征标识对应的特征权重；其中，所述映射关系用于记录场景标识与场景权重的对应关系、特征标识与特征权重的对应关系；在获取所述特征标识对应的特征值的过程中，若所述特征标识为正常，则将所述特征标识对应的特征值设置为第一数值；若所述特征标识为异常，则将所述特征标识对应的特征值设置为第二数值。
18.根据权利要求16所述的装置，其特征在于，
所述第三获取模块，具体用于在利用所述场景权重、所述特征权重以及所述特征值获取所述第一账号和所述第二账号的链接强度的过程中，根据双曲正切函数对所述场景权重、所述特征权重和所述特征值进行处理，以获取所述第一账号和所述第二账号的链接强度；或者，根据S形生长曲线函数对所述场景权重、所述特征权重和所述特征值进行处理，以获取所述第一账号和所述第二账号的链接强度；或者，根据对数函数对所述场景权重、所述特征权重和所述特征值进行处理，以获取所述第一账号和所述第二账号的链接强度。
19.根据权利要求16所述的装置，其特征在于，
所述识别模块，具体用于在通过第一账号的状态和所述链接强度识别第二账号的状态的过程中，若所述第一账号的状态为异常，且所述链接强度大于预设第一阈值，则识别所述第二账号的状态为异常；若所述第一账号的状态为正常，且所述链接强度大于预设第二阈值，则识别所述第二账号的状态为正常；
或者，利用所述第一账号的状态和所述链接强度获得所述第二账号的置信指标，并利用所述第二账号的置信指标识别所述第二账号的状态。
20.根据权利要求19所述的装置，其特征在于，
所述识别模块，具体用于在利用所述第一账号的状态和所述链接强度获得所述第二账号的置信指标的过程中，根据所述第二账号对应的参数平均值和参数方差获得第一概率值，并利用所述第一账号的状态和所述链接强度获得第二概率值，并利用所述第一概率值和所述第二概率值获得所述第二账号的置信指标；或者，利用所述第一账号的状态和所述链接强度获得第三概率值，并利用所述第三概率值获得所述第二账号的置信指标；其中，所述置信指标包括所述第二账号为指定状态的概率值，所述指定状态具体为异常或者正常；
所述识别模块，具体用于在利用所述置信指标识别第二账号的状态的过程中，若所述概率值大于预设概率阈值，识别第二账号的状态为所述指定状态。
21.一种账号状态识别装置，其特征在于，所述装置包括：
第一获取模块，用于获取状态为异常的第一账号对应的至少一个场景标识和至少一个特征标识；
第二获取模块，用于获取所述场景标识对应的场景权重、所述特征标识对应的特征权重、所述特征标识对应的特征值；
确定模块，用于利用所述场景权重、所述特征权重和所述特征值确定第二账号的异常。
22.一种账号状态识别装置，其特征在于，所述装置包括：
第一获取模块，用于获取第一账号的状态、所述第一账号和第二账号的链接强度；
第二获取模块，用于利用所述第一账号的状态和所述链接强度获得所述第二账号的置信指标；
识别模块，用于利用所述第二账号的置信指标识别所述第二账号的状态。
23.根据权利要求22所述的装置，其特征在于，
所述第二获取模块，具体用于在利用所述第一账号的状态和所述链接强度获得所述第二账号的置信指标的过程中，根据所述第二账号对应的参数平均值和参数方差获得第一概率值，并利用所述第一账号的状态和所述链接强度获得第二概率值，并利用所述第一概率值和所述第二概率值获得所述第二账号的置信指标；或者，利用所述第一账号的状态和所述链接强度获得第三概率值，并利用所述第三概率值获得所述第二账号的置信指标；其中，所述置信指标包括所述第二账号为指定状态的概率值，所述指定状态具体为异常或者正常；
所述识别模块，具体用于在利用所述置信指标识别第二账号的状态的过程中，若所述概率值大于预设概率阈值，识别第二账号的状态为所述指定状态。
24.一种服务器，其特征在于，所述服务器包括：
处理器，用于获取第一账号对应的至少一个场景标识和至少一个特征标识；获取所述场景标识对应的场景权重、所述特征标识对应的特征权重、所述特征标识对应的特征值；利用所述场景权重、所述特征权重以及所述特征值获取所述第一账号和所述第二账号的链接强度；通过第一账号的状态和所述链接强度识别第二账号的状态。
25.一种服务器，其特征在于，所述服务器包括：
处理器，用于获取状态为异常的第一账号对应的至少一个场景标识和至少一个特征标识；获取所述场景标识对应的场景权重、所述特征标识对应的特征权重、所述特征标识对应的特征值；利用所述场景权重、所述特征权重和所述特征值确定第二账号的异常。
26.一种服务器，其特征在于，所述服务器包括：
处理器，用于获取第一账号的状态、所述第一账号和第二账号的链接强度；利用所述第一账号的状态和所述链接强度获得所述第二账号的置信指标；利用所述第二账号的置信指标识别所述第二账号的状态。
CN201710401276.4A 2017-05-31 2017-05-31 一种账号状态识别方法、装置及服务器 Active CN108985755B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710401276.4A CN108985755B (zh) 2017-05-31 2017-05-31 一种账号状态识别方法、装置及服务器

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710401276.4A CN108985755B (zh) 2017-05-31 2017-05-31 一种账号状态识别方法、装置及服务器

Publications (2)

Publication Number Publication Date
CN108985755A true CN108985755A (zh) 2018-12-11
CN108985755B CN108985755B (zh) 2022-03-22

Family

ID=64501412

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710401276.4A Active CN108985755B (zh) 2017-05-31 2017-05-31 一种账号状态识别方法、装置及服务器

Country Status (1)

Country Link
CN (1) CN108985755B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110225036A (zh) * 2019-06-12 2019-09-10 北京奇艺世纪科技有限公司 一种账号检测方法、装置、服务器及存储介质
CN110418173A (zh) * 2019-07-18 2019-11-05 北京达佳互联信息技术有限公司 确定异常账户的方法、装置、服务器及存储介质
CN111506486A (zh) * 2020-04-17 2020-08-07 支付宝(杭州)信息技术有限公司 数据处理方法及***

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104917739A (zh) * 2014-03-14 2015-09-16 腾讯科技（北京）有限公司 虚假账号的识别方法及装置
CN105069626A (zh) * 2015-07-23 2015-11-18 北京京东尚科信息技术有限公司 一种购物异常检测方法及***
CN105471819A (zh) * 2014-08-19 2016-04-06 腾讯科技（深圳）有限公司 账号异常检测方法及装置
CN105808988A (zh) * 2014-12-31 2016-07-27 阿里巴巴集团控股有限公司 一种识别异常账户的方法及装置
CN105898085A (zh) * 2016-04-05 2016-08-24 腾讯科技（深圳）有限公司 骚扰通信账号的识别方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104917739A (zh) * 2014-03-14 2015-09-16 腾讯科技（北京）有限公司 虚假账号的识别方法及装置
CN105471819A (zh) * 2014-08-19 2016-04-06 腾讯科技（深圳）有限公司 账号异常检测方法及装置
CN105808988A (zh) * 2014-12-31 2016-07-27 阿里巴巴集团控股有限公司 一种识别异常账户的方法及装置
CN105069626A (zh) * 2015-07-23 2015-11-18 北京京东尚科信息技术有限公司 一种购物异常检测方法及***
CN105898085A (zh) * 2016-04-05 2016-08-24 腾讯科技（深圳）有限公司 骚扰通信账号的识别方法及装置

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110225036A (zh) * 2019-06-12 2019-09-10 北京奇艺世纪科技有限公司 一种账号检测方法、装置、服务器及存储介质
CN110418173A (zh) * 2019-07-18 2019-11-05 北京达佳互联信息技术有限公司 确定异常账户的方法、装置、服务器及存储介质
CN110418173B (zh) * 2019-07-18 2021-10-08 北京达佳互联信息技术有限公司 确定异常账户的方法、装置、服务器及存储介质
CN111506486A (zh) * 2020-04-17 2020-08-07 支付宝(杭州)信息技术有限公司 数据处理方法及***
CN111506486B (zh) * 2020-04-17 2022-04-19 支付宝(杭州)信息技术有限公司 数据处理方法及***

Also Published As

Publication number Publication date
CN108985755B (zh) 2022-03-22

Similar Documents

Publication Publication Date Title
EP3703332B1 (en) Graph structure model training and junk account identification
US20240046095A1 (en) Neural embeddings of transaction data
US9898741B2 (en) Real time analytics system
KR101939554B1 (ko) 일시적 거래 한도 결정
TWI631518B (zh) 具有一或多個計算裝置的電腦伺服系統及訓練事件分類器模型的電腦實作方法
US20200074416A1 (en) Routing transactions to a priority processing network based on routing rules
US20200090077A1 (en) Method for determining risk preference of user, information recommendation method, and apparatus
US10832250B2 (en) Long-term short-term cascade modeling for fraud detection
US11151573B2 (en) Intelligent chargeback processing platform
US11531780B2 (en) Deep learning-based identity fraud detection
TW201928815A (zh) 一種基於圖結構模型的交易風險控制方法、裝置以及設備
JP2020522832A (ja) 信用力があると判定された消費者にローンを発行するシステムおよび方法
US11909749B2 (en) Fraud detection based on analysis of frequency-domain data
US20230196367A1 (en) Using Machine Learning to Mitigate Electronic Attacks
US11468272B2 (en) Method, system, and computer program product for detecting fraudulent interactions
Zhang et al. A trust model stemmed from the diffusion theory for opinion evaluation
US20140379310A1 (en) Methods and Systems for Evaluating Predictive Models
US20220051270A1 (en) Event analysis based on transaction data associated with a user
CN108985755A (zh) 一种账号状态识别方法、装置及服务器
CN111144899A (zh) 识别虚假交易的方法及装置和电子设备
CN109345252A (zh) 一种线上交易控制方法、装置、及计算机设备
CN108734366B (zh) 用户识别方法及其***、非易失性存储介质和计算机***
KR102038957B1 (ko) 게임 어뷰저 검출 방법 및 장치
CN111126788A (zh) 风险识别方法及装置和电子设备
CN113256422B (zh) 分仓账户识别方法、装置、计算机设备和存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40000731

Country of ref document: HK

GR01 Patent grant
GR01 Patent grant