CN109495378B - 检测异常帐号的方法、装置、服务器及存储介质 - Google Patents
检测异常帐号的方法、装置、服务器及存储介质 Download PDFInfo
- Publication number
- CN109495378B CN109495378B CN201811626326.XA CN201811626326A CN109495378B CN 109495378 B CN109495378 B CN 109495378B CN 201811626326 A CN201811626326 A CN 201811626326A CN 109495378 B CN109495378 B CN 109495378B
- Authority
- CN
- China
- Prior art keywords
- account
- users
- detected
- user
- time interval
- 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.)
- Active
Links
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 110
- 238000000034 method Methods 0.000 title claims abstract description 69
- 230000006399 behavior Effects 0.000 claims description 155
- 238000012545 processing Methods 0.000 claims description 17
- 238000013507 mapping Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 abstract description 15
- 238000007726 management method Methods 0.000 description 14
- 238000012795 verification Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
- H04L51/21—Monitoring or handling of messages
- H04L51/212—Monitoring or handling of messages using filtering or selective blocking
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/535—Tracking the activity of the user
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本申请公开了一种检测异常帐号的方法、装置、服务器及存储介质,涉及网络通信技术领域。该方法包括:获取待检测帐号在目标时间区间内的行为特征数据,所述行为特征数据表征所述待检测帐号在所述目标时间区间内发起的,与其他用户建立关联关系行为的特征,所述行为特征数据包括待检测帐号在目标时间区间内请求建立关联关系的用户数量;判断所述行为特征数据是否满足目标条件;若判定所述行为特征数据满足所述目标条件,判定所述待检测帐号为异常帐号。本方案通过获取直播间进出用户的行为特征数据,通过后台配置目标条件策略判断甄别出异常帐号,可以实现快速发现异常帐号,有效的防止用户被频繁骚扰,提高用户友好性。
Description
技术领域
本申请涉及网络通信技术领域,更具体地,涉及一种检测异常帐号的方法、装置、服务器及存储介质。
背景技术
随着网络技术的快速发展,用户可以通过即时通讯应用或社交网络与好友进行聊天以增进与好友之间的感情。即时通讯是基于互联网的即时交流消息的业务,可以给用户提供多人互动的通信方式,通过即时通信工具可以建立不同频道等公共聊天空间,例如,网络直播平台。网络直播平台上一般可以包括多个直播间,直播间中包括有主播和用户,用户可以通过网络直播平台与主播进行互动,也可以添加其他用户为好友。但是存在越来越多的恶意分子利用特殊手段频繁的添加好友,进而传播垃圾信息,不可避免的对他人构成骚扰。
发明内容
鉴于上述问题,本申请提出了一种检测异常帐号的方法、装置、服务器及存储介质,以改善上述问题。
第一方面,本申请实施例提供了一种检测异常帐号的方法,该方法包括:获取待检测帐号在目标时间区间内的行为特征数据,行为特征数据表征待检测帐号在目标时间区间内发起的,与其他用户建立关联关系行为的特征,行为特征数据包括待检测帐号在目标时间区间内请求建立关联关系的用户数量;判断行为特征数据是否满足目标条件;若判定行为特征数据满足目标条件,判定待检测帐号为异常帐号。
第二方面,本申请实施例提供了一种检测异常帐号的装置,该装置包括:获取模块,用于获取待检测帐号在目标时间区间内的行为特征数据,行为特征数据表征待检测帐号在目标时间区间内发起的,与其他用户建立关联关系行为的特征,行为特征数据包括待检测帐号在目标时间区间内请求建立关联关系的用户数量;判断模块,用于判断行为特征数据是否满足目标条件;处理模块,用于若判定行为特征数据满足目标条件,判定待检测帐号为异常帐号。
第三方面,本申请实施例提供了一种服务器,包括存储器以及一个或多个处理器;一个或多个程序被存储在存储器中并被配置为由所述一个或多个处理器执行,一个或多个程序配置用于执行上述第一方面所述的方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,计算机可读存储介质中存储有程序代码,其中,在程序代码由处理器运行时执行上述第一方面所述的方法。
本申请实施例提供的一种检测异常帐号的方法、装置、服务器及存储介质,本方法通过获取待检测帐号在目标时间区间内的行为特征数据,所述行为特征数据表征所述待检测帐号在所述目标时间区间内发起的,与其他用户建立关联关系行为的特征,所述行为特征数据包括待检测帐号在目标时间区间内请求建立关联关系的用户数量;判断所述行为特征数据是否满足目标条件;若判定所述行为特征数据满足所述目标条件,判定所述待检测帐号为异常帐号。本方法通过获取直播间进出用户的关联行为数据,通过后台配置目标条件策略判断甄别出异常帐号,可以实现快速发现异常帐号,有效的防止用户被频繁骚扰,提高用户友好性。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例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的一些实施例,对于本领域技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1示出了本申请实施例提供的一种应用环境示意图。
图2示出了本申请一实施例提供的检测异常帐号的方法的流程图。
图3示出了本申请另一实施例提供的检测异常帐号的方法的流程图。
图4示出了图3中的步骤S220的方法的流程图。
图5示出了本申请又一实施例提供的检测异常帐号的方法的流程图。
图6示出了本申请再一实施例提供的检测异常帐号的方法的流程图。
图7示出了本申请再一实施例提供的检测异常帐号的方法的流程图。
图8示出了本申请实施例提供的检测异常帐号的装置的结构框图。
图9示出了本申请实施例提供的一种服务器的结构框图。
图10示出了本申请实施例的用于保存或者携带实现根据本申请实施例的检测异常帐号的方法的程序代码的存储单元。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述。
即时通讯(Instant Messenger,简称IM),是一种基于互联网的即时交流消息的业务,随着互联网的快速发展,即时通讯也得到了迅速发展,即时通讯不仅可以实现两个人的及时交流,为了实现多人之间的及时交流,即时通讯还推出了多人聊天交流服务,例如聊天室、群或网络直播平台等,越来越多的用户经常通过即时通讯应用或社交网络与好友进行聊天以增进与好友之间的感情。但是越来越多的恶意分子采用外挂或者使用协议软件的方式进入到即时通讯应用或社交网络平台向用户发送恶意信息,或者是频繁的添加用户为好友,例如通过外挂进入某直播平台批量添加好友等,对用户产生了不同程度的骚扰,降低了用户体验。
针对上述问题,发明人经过长期的研究发现并提出了本申请实施例提供的一种检测异常帐号的方法、装置、服务器及存储介质,通过获取直播间进出用户的行为特征数据,通过后台配置目标条件策略判断甄别出异常帐号,可以实现快速发现异常帐号,有效的防止用户被频繁骚扰,提高用户友好性。
为了便于详细说明本申请方案,下面先结合附图对本申请实施例中的一种应用环境进行介绍。
请参阅图1,为本申请实施例提供的一种检测异常帐号的方法的应用环境示意图,如图1所示,该应用环境可以理解为本申请实施例的提供的一种网络***10,该网络***10包括:服务器11以及用户终端12。其中,服务器11可以是一台服务器(网络接入服务器),也可以是由若干台服务器组成的服务器集群(云服务器),或者可以是一个云计算中心(数据库服务器)。用户终端12可以是任何具备通信和存储功能的设备,包括但不限于PC(Personal Computer,个人计算机)、PDA(平板电脑)、智能电视、智能手机、智能可穿戴设备或其他具有网络连接功能的智能通信设备。
需要说明的是,本申请实施例中的方法应用于网络直播平台,作为一种方式,网络直播平台可以运行于如图1所示一台服务器11中,也可以是运行于若干台服务器11(图中仅示出一台)组成的服务器集群中。
可选的,用户终端12中安装了即时通讯应用或社交网络应用的客户端,所述客户端可以是应用程序客户端(如手机APP中的视频播放应用程序),也可以是网页客户端(例如网络直播平台),在此不作限定。其中,服务器11可以通过网络与用户终端12建立通信连接,作为一种方式,该网络可以是无线网络,也可以是有线网络。用户可以使用注册的用户帐号登录用户终端12中的客户端或者互联网,该客户端可以具有信息输入界面,用户在该界面内输入文本信息,并且该文本信息在客户端的聊天界面内显示。
下面将结合附图具体描述本申请的各实施例。
请参阅图2,示出了本申请一实施例提供的一种检测异常帐号的方法的流程图,本实施例提供一种检测异常帐号的方法,可应用于网络直播平台,该方法包括:
步骤S110:获取待检测帐号在目标时间区间内的的行为特征数据,所述行为特征数据表征所述待检测帐号在所述目标时间区间内发起的,与其他用户建立关联关系行为的特征,所述行为特征数据包括待检测帐号在目标时间区间内请求建立关联关系的用户数量。
本实施例中,网络直播平台的用户频繁添加好友的行为会对其他用户构成骚扰,为了克服这一问题,网络直播平台可以对目标时间区间内的待检测帐号进出网络直播平台的直播间的行为特征数据进行监听。其中,目标时间区间可以是任意时间段,可以由机器设定,也可以由人工自定义,可以根据具体情况设置不同的目标时间区间。行为特征表征待检测帐号与其他用户建立关联关系的行为,例如建立好友关系;行为特征数据包括待检测帐号在目标时间区间内请求建立关联关系的用户数量,例如可以是待检测帐号在目标时间区间内与进入直播间的其他用户请求建立好友关系的用户数量。
在一个具体的应用场景中,网络直播平台可以对工作室帐号的恶意添加好友行为特征数据进行监听。需要说明的是,本实施例中的工作室帐号表征非正常用户帐号(本实施例中可以理解为异常帐号),即可以是单个或多个采用外挂或者协议软件(破解了网络直播平台的后台协议的恶意软件)登录直播平台并进行添加好友行为的用户帐号。例如,若存在工作室帐号通过外挂或者协议软件监听了用户进出频道的行为,当有正常用户一进入直播间时,一个或多个工作室帐号会通过搜索添加正常用户为好友,那么网络直播平台可以对一个或多个工作室帐号添加正常用户为好友的行为特征数据进行监听,例如对添加正常用户为好友的频次,请求信息、文本消息或是添加的时间等进行监听,从而可以快速的发现异常帐号,避免异常帐号恶意添加好友。
可选的,当用户进入网络平台的直播间,网络平台的后台管理***可以给该用户配置一个频道信息,用于识别该用户当前所在的直播间号,那么用户的帐户数据中可以携带该直播间的频道信息(例如,频道ID),当用户退出直播间或不在直播间,那么用户的帐户数据中不携带该直播间的频道信息。因此,可以理解的是,那么本实施例中的待检测帐号可以包括频道信息,也可以不包括频道信息。也就是说,当检测到与其他用户建立关联关系行为的帐号的频道信息为有频道状态时,可以将该帐号作为待检测帐号;当检测到与其他用户建立关联关系行为的帐号的频道信息为无频道状态时,可以将该帐号作为待检测帐号。
在一种实现方式中,网络直播平台的后台管理***可以实时监听用户帐号的频道信息,当检测到某用户帐号的频道信息为无频道状态时,可以将该用户帐号作为待检测帐号。
作为一种实施方式,当待检测帐号包括频道信息时,待检测帐号可以是在网络直播平台的直播间内添加同一直播间内的用户为好友的帐号,在这种情况下,待检测帐号与其所添加为好友的用户帐号具备相同的频道信息;待检测帐号也可以是在网络直播平台的直播间内添加不同直播间内的用户为好友的帐号,此种情况下,待检测帐号与其所添加为好友的用户帐号具备不同的频道信息。
作为另一种实施方式,当待检测帐号不包括频道信息时,待检测帐号可以是不在网络平台的直播间内添加网络平台的直播间内的用户为好友的帐号,此种情况下,待检测帐号无频道信息,待检测帐号添加为好友的用户帐号具备频道信息。
步骤S120:判断所述行为特征数据是否满足目标条件。
其中,目标条件可以是网络直播平台根据行为特征数据预先设定的临界条件,也可以是网络直播平台的后台管理***实时配置的临界条件,还可以是从预设的多个临界条件中选择的一个临界条件作为目标条件,具体的目标条件的设置方式可以参考后续实施例。其中,临界条件表征设定的可以用于限定行为特征数据的阈值范围。
步骤S130:若判定所述行为特征数据满足所述目标条件,判定所述待检测帐号为异常帐号。
作为一种方式,若行为特征数据满足目标条件,可以判定待检测帐号为异常帐号。可选的,若行为特征数据不满足目标条件,则可以判定待检测帐号不为异常帐号。
可选的,若行为特征数据不满足目标条件,则结束对当前行为特征数据的判断。
本申请实施例提供的检测异常帐号的方法,通过获取待检测帐号在目标时间区间内的行为特征数据;继而判断行为特征数据是否满足目标条件;若判定行为特征数据满足目标条件,判定待检测帐号为异常帐号,从而可以快速的识别出异常帐号,提升用户体验。
请参阅图3,示出了本申请另一实施例提供的一种检测异常帐号的方法的流程图,本实施例提供一种检测异常帐号的方法,可应用于网络直播平台,该方法包括:
步骤S210:获取待检测帐号在目标时间区间内请求建立关联关系的用户的第一用户数量。
可选的,本实施例中的待检测帐号可以是网络直播平台中的主播(指登录网络直播平台且在该网络直播平台中可以进行网络直播的用户)帐号,也可以是网络直播平台的非主播(指登录网络直播平台但不能在网络直播平台中进行网络直播的用户)帐号,通常情况下,登录网络直播平台的用户之间可以相互关注,那么,如果待检测帐号为主播帐号,在一种实现方式中,待检测帐号可以为了吸取众多粉丝,或者是提高知名度而频繁添加好友,如果待检测帐号为非主播帐号,在一种实现方式中,待检测帐号可以为了达到某种商业营销目的而频繁的添加好友,但是频繁的添加好友不可避免的对其他用户构成了骚扰,破坏了网络直播平台的友好性。
其中,网络直播平台可以获取待检测帐号在目标时间区间内请求建立关联关系的用户数量集合,作为一种方式,用户数量集合可以以目标时间区间内待检测帐号发起的请求建立关联关系的请求集合与待检测帐号发出的请求建立关联关系的用户的用户集合之间的映射的方式来表示。例如,假设集合“A{A1,A2,A3,...,An}”表示目标时间区间内待检测帐号发起的请求建立关联关系的请求集合,集合“B{B1,B2,B3,...,Bm}”表示目标时间区间内待检测帐号发出的请求建立关联关系的用户的用户集合,那么A{A1,A2,A3,...,An}→B{B1,B2,B3,...,Bm}可以表示目标时间区间内的用户数量集合。其中,目标时间区间可以是当前时间戳(即网络直播平台后台管理***开始记录的时间)往前的一段时间,例如一分钟,10分钟或30分钟等,具体目标时间区间可以由网络直播平台的后台管理***根据实际需要而进行选择,在此不作限定。
作为一种方式,可以对用户数量集合中的每一个用户数量进行迭代计算,直至用户数量集合中的每一个用户数量都被计算完成。需要说明的是,对于用户数量集合A{A1,A2,A3,...,An}→B{B1,B2,B3,...,Bm},集合A{A1,A2,A3,...,An}中的某两个或更多元素可以相同,表征有两个或更多的请求是发给同一个用户;作为一种方式,集合B{B1,B2,B3,...,Bm}中的各个元素可以各不相同,例如当集合A{A1,A2,A3,...,An}中的相同的或者不同的请求分别发给集合B{B1,B2,B3,...,Bm}中的各个用户;作为另一种方式,集合B{B1,B2,B3,...,Bm}中也可以包括两个或更多个相同的元素,例如,集合A{A1,A2,A3,...,An}中的元素A1分别向集合B{B1,B2,B3,...,Bm}中的元素B1、B2发送了请求,也就是集合B{B1,B2,B3,...,Bm}中的两个或多个不同元素可以收到来自集合A{A1,A2,A3,...,An}中的同一元素发送的请求。
可选的,为了得到更准确的判断结果,可以对获取到的用户数据集合的集合A中的请求元素进行去除重复处理,具体地,可以将集合A中的发给相同用户的多次请求进行合并处理,得到不包含因为多次请求的目标用户为同一用户,而对该同一用户重复计数的第一用户数量。例如,假设用户A要添加用户B为好友,向用户B发送了三次添加好友请求,因为这三次好友请求的发送对象为同一用户,所以需要去除向用户B发送的多余的两次重复请求,可以避免重复计算,使得判断结果更准确。因此第一用户数量为对待检测帐号在目标时间区间内请求建立关联关系的用户进行去重处理后得到的数量。
步骤S220:获取所述待检测帐号请求建立关联关系的用户中具备相同频道信息的用户的第二用户数量。
可选的,对于得到的经过去重处理的第一用户数量,需要判断其中是否存在相同的频道信息的用户,若存在,获取并统计具备相同频道信息的用户的数量,得到第二用户数量,具体地,对获取第二用户数量的描述参考如下:
可选的,如图4所示,步骤S220可以包括:
步骤S221:获取所述待检测帐号请求建立关联关系的用户中具备相同频道信息的用户。
其中,频道信息可以包括频道号,也可以理解为网络直播平台的直播房间的ID号,网络直播平台包括多个直播房间,相同的直播房间的房间ID号相同,不同的直播房间具有不同的房间ID号,即频道ID。作为一种方式,网络直播平台可以监听待检测帐号请求建立关联关系的行为数据,进而可以识别出待检测帐号请求建立关联关系的用户中具备相同频道信息的用户。
在一种实现方式中,例如,若待检测帐号请求与其他用户建立好友关系,那么当待检测帐号想要添加某一直播房间内的一个或多个用户为好友时,可以通过点击该直播房间的在线观众列表,触发需要添加为好友的用户的用户头像,进入到用户对应的个人资料(或用户信息、帐号信息等)界面,通过触发“添加好友”功能按钮,可以发送对应的携带直播房间的房间ID的添加好友请求给服务器,网络直播平台对存储于服务器中的添加好友请求中的数据(包括添加好友时间,添加好友请求文本,或添加好友频次等)进行审核,可以识别出待检测帐号所添加的好友所在的直播房间的房间ID,进而识别出待检测帐号所加的好友中具备相同频道信息的用户数量。
可选的,待检测帐号请求建立关联关系的用户中具备相同频道信息的用户,可以是一个直播间中具备相同频道信息的用户,也可以是多个直播间中分别具备相同频道信息的用户。
在一个具体的应用场景中,例如,帐号A为待检测帐号,若帐号A请求添加来自同一直播间(直播间号为:875632,这里只是为了进行说明举出的一个示例,具体直播间号的位数、形式以及直播间号可以根据网络直播平台的帐号的权限以及相应等级对应不同的内容,在此不作限定)的100个用户为好友,那么帐号A请求建立关联关系的用户中具备相同频道信息的用户为100人次。若帐号A请求添加不同直播间(直播间号分别为:7814、7022、44935、3451、2082)的数量分别为(10、20、1、8、2)的用户为好友,那么帐号A请求建立关联关系的用户中具备相同频道信息的用户分别为10人次、20人次、1人次、8人次、2人次。
步骤S222:将具有相同频道信息的用户作为一个用户群组,如果具有相同频道信息的用户群组的个数大于或等于两个,将用户数量最多的用户群组对应的用户数量作为第二用户数量。
在一种实现方式中,假设用户A添加了来自同一直播间的10个用户为好友,由于来自同一直播间的用户的频道信息相同,因此这10个用户的频道信息相同,那么可以将这10个具有相同频道信息的用户作为一个用户群组。而若用户A在相同时间内添加了来自不同直播间的用户为好友,例如,添加了直播间1的10个用户为好友,添加了直播间2的15个用户为好友,添加了直播间8的52个用户为好友,此种情况下,可以分别将添加的来自不同直播间的用户作为一个用户群组,那么此时具有相同频道信息的用户群组的个数大于等于两个,为了提高计算准确度,可以将用户数量最多的用户群组对应的用户数量作为第二用户数量,即将用户A添加的来自直播间8的52个用户作为第二用户数量。
作为一种方式,当待检测帐号添加的好友为多个时,且待检测帐号所添加的好友来自于同一直播房间,那么这些所添加的好友的频道信息相同,在这这种情况下,可以将具有相同频道信息的用户作为一个用户群组,进而可以将该用户群组对应的用户数量作为第二用户数量。
作为另一种方式,当待检测帐号添加的好友为多个时,且待检测帐号所添加的好友来自于不同的直播房间,可能存在多个分别具备相同频道信息的用户群组,可选的,如果具备相同频道信息的用户群组的个数大于或等于两个,那么可以将用户数量最多的用户群组对应的用户数量作为第二用户数量。
步骤S230:将所述第一用户数量以及所述第二用户数量作为行为特征数据。
可选的,可以将第一用户数量与第二用户数量进行组合作为行为特征数据,用以网络直播平台对待检测帐号的行为进行准确掌控,及时发现异常帐号。
步骤S240:判断所述行为特征数据是否满足目标条件。
可选的,网络直播平台的后台管理***可以根据待检测帐号的历史行为特征数据预先设定可靠的目标条件,用于判断行为特征数据是否满足目标条件。作为一种方式,可以配置用以与第一用户数量进行比较的第一阈值,与第二用户数量与第一用户数量的比值进行比较的第二阈值,以及与第二用户数量进行比较的第三阈值。因此,目标条件可以包括若第一用户数量大于第一阈值,且第二用户数量与第一用户数量的比值大于第二阈值;或包括若第一用户数量小于等于第一阈值(第三阈值),且第二用户数量大于第四阈值。需要说明的是,由于目标时间区间是不确定的,由此对应到不同的目标时间区间,相同阈值(例如第一阈值与第三阈值)在不同目标时间区间内的阈值范围可以不同。
在一种实施方式中,若第一阈值、第二阈值、第三阈值与第四阈值存在于不同的目标时间区间内,那么判断行为特征数据是否满足目标条件可以包括:判断第一用户数量是否大于第一阈值,以及第二用户数量与第一用户数量的比值是否大于第二阈值。若第一用户数量大于第一阈值,且第二用户数量与第一用户数量的比值大于第二阈值,那么可以判定行为特征数据满足目标条件。
可选的,判断行为特征数据是否满足目标条件还可以包括:判断第一用户数量是否不大于第三阈值,以及第二用户数量是否大于第四阈值,其中,第三阈值大于第四阈值。若第一用户数量不大于第三阈值,且第二用户数量大于第四阈值,那么可以判定行为特征数据满足目标条件。
在另一种实施方式中,若第一阈值、第二阈值与第三阈值存在于相同的目标时间区间内,那么判断行为特征数据是否满足目标条件可以包括:判断第一用户数量是否大于第一阈值,以及第二用户数量与第一用户数量的比值是否大于第二阈值。作为一种方式,若第一用户数量大于第一阈值,且第二用户数量与第一用户数量的比值大于第二阈值,那么可以判定行为特征数据满足目标条件。作为另一种方式,若第一用户数量不大于第一阈值,且第二用户数量大于第四阈值,那么可以判定行为特征数据满足目标条件,其中,第一阈值大于第四阈值。
在一个具体的应用场景中,例如,假设待检测帐号为A,网络直播平台截取了一分钟内、10分钟内的帐号A添加好友的请求数量,由于是在不同的目标时间区间内的数据,因此第一阈值与第三阈值可以不相等。可选的,第一用户数量和第二用户数量可以分别为30和20,第一阈值、第二阈值、第三阈值、第四阈值可以分别为20、0.5、32、15。那么对于目标策略“判断第一用户数量是否大于第一阈值,以及第二用户数量与第一用户数量的比值是否大于第二阈值”,由于第一用户数量30大于第一阈值20,且第二用户数量20与第一用户数量30的比值2/3大于第二阈值0.5,因此可以判定行为特征数据满足目标条件;对于目标策略“判断第一用户数量是否不大于第三阈值,以及第二用户数量是否大于第四阈值”,由于第一用户数量30小于(不大于)第三阈值32,且第二用户数量20大于第四阈值15,因此可以判定行为特征数据满足目标条件。需要说明的是,本应用场景中的目标策略的任意一个满足,即可判定行为特征数据满足目标条件。
在另一个具体的应用场景中,例如,假设待检测帐号为A,网络直播平台截取了30分钟内的帐号A添加好友的请求数量,由于是在相同的目标时间区间内的数据,因此第一阈值与第三阈值可以相等。可选的,第一用户数据和第二用户数据可以分别为100和70,第一阈值、第二阈值、第三阈值和第四阈值可以分别为90、0.6、90和88。那么对于目标策略“判断第一用户数量是否大于第一阈值,以及第二用户数量与第一用户数量的比值是否大于第二阈值”,由于第一用户数量100大于第一阈值90,且第二用户数量与第一用户数量的比值0.7大于第二阈值,因此可以判定行为特征数据满足目标条件;需要说明的是,对于上述目标策略,由于第一用户数量大于第一阈值与第一用户数量不大于第一阈值是对立关系,因此对于截取的相同目标时间区间内的数据,两种目标条件不能同时成立,事实上,任意目标时间区间内的数据,上述两种情况也是相互对立的,也就是说,对于任意目标时间区间内的数据,只需满足上述策略的一种方式即可判定行为特征数据满足目标条件。
需要说明的是,本实施例中上述的第一阈值、第二阈值、第三阈值和第四阈值均可通过网络直播平台的后台管理***根据历史经验值配置调整各个阈值,从而可以快速的发现异常帐号,有效防止用户被频繁骚扰。
步骤S250:若判定所述行为特征数据满足所述目标条件,判定所述待检测帐号为异常帐号。
可以理解的是,若判定得到行为特征数据满足目标条件,那么则可以判定待检测帐号为异常帐号。
可选的,若行为特征数据不满足目标条件,则结束对当前行为特征数据的判断。
本申请实施例提出的检测异常帐号的方法,通过获取待检测帐号在目标时间区间内请求建立关联关系的用户的第一用户数量;获取待检测帐号请求建立关联关系的用户中具备相同频道信息的用户的第二用户数量;将第一用户数量以及第二用户数量作为行为特征数据;判断行为特征数据是否满足目标条件;若判定行为特征数据满足目标条件,判定待检测帐号为异常帐号。通过获取直播间进出用户的行为特征数据,通过后台配置目标条件策略判断甄别出异常帐号,可以实现快速发现异常帐号,有效的防止用户被频繁骚扰。
请参阅图5,示出了本申请又一实施例提供的一种检测异常帐号的方法的流程图,本实施例提供一种检测异常帐号的方法,可应用于网络直播平台,该方法包括:
步骤S310:获取待检测帐号在目标时间区间内的行为特征数据,所述行为特征数据表征所述待检测帐号在所述目标时间区间内发起的,与其他用户建立关联关系行为的特征,所述行为特征数据包括待检测帐号在目标时间区间内请求建立关联关系的用户数量。
需要说明的是,本实施例适用于待检测帐号存在频道信息和不存在频道信息的情况。
可选的,本实施例中的目标时间区间表征不同的时间周期。作为一种实现方式,目标时间区间可以为1分钟、10分钟、30分钟、1小时、24小时等,那么时间内周期可以理解为在一天的24小时的时间内,每1分钟可以轮询一次行为特征数据,每10分钟可以轮询一次行为特征数据,每30分钟、1小时、24小时分别可以轮询一次行为特征数据,因此可以根据不同需求设定不同时间周期的轮询行为特征数据,例如,可以在网络直播平台的后台管理***预先设定每30分钟对平台内的所有建立关联关系的行为特征数据进行一次轮询,查看是否存在异常帐号。需要说明的是,这里的10分钟的时长大于1分钟,30分钟的时长大于10分钟,即10分钟包括1分钟,30分钟包括10分钟,以此类推,这样可以使网络直播平台获得更准确的行为特征监听数据。
可选的,行为特征数据可以包括待检测帐号在目标时间区间内请求建立关联关系的用户数量,那么,对于待检测帐号发起的所有建立关联关系请求,网络直播平台的后台管理***都可以获取不同周期时间区间内待检测帐号请求建立关联关系的用户数量集合。作为一种方式,可以用集合之间的映射关系“A1→B{B1,B2,B3,...,Bm}”表示待检测帐号在目标时间区间内发起的请求建立关联关系的请求总量。
步骤S320:将所述待检测帐号在目标时间区间内请求建立关联关系的用户的请求数量,与所述目标时间区间对应的区间阈值进行比对,其中,不同的所述目标时间区间所对应的区间阈值不同,目标时间区间越长对应的区间阈值越大。
作为一种方式,网络直播平台的后台管理***可以预先配置不同目标时间区间的阈值,将待检测帐号请求建立关联关系的用户的请求数量与对应的区间阈值进行比对,可选的,不同的时间区间对应的区间阈值不同,目标时间区间越长对应的区间阈值越大。
在一个具体的应用场景中,可以配置“1分钟阈值为δ”、“10分钟阈值为ε”、“30分钟阈值为”、“1小时阈值为γ”和“24小时阈值为η”,其中δ,ε,γ,η表征具体数值的代表符号,具体数值均可以由网络直播平台的后台管理***根据实际情况配置调整,可选的,
步骤S330:若所述请求数量大于所述目标时间区间对应的区间阈值,判定所述行为特征数据满足所述目标条件。
可选的,若请求数量大于目标时间区间对应的区间阈值,那么可以判定行为特征数据满足目标条件。在一种实现方式中,参照上述步骤S320中的描述,若请求数量大于1分钟阈值,或大于10分钟阈值,或大于30分钟阈值,或大于1小时阈值,或大于1小时阈值,那么可以判定行为特征数据满足目标条件。需要说明的是,实施情况中不同目标时间区间对应的区间阈值可以根据实际情况而调整,也可以设置更多或更少的区间阈值来与用户数量进行比对。
步骤S340:判定所述待检测帐号为异常帐号。
本实施例提出的检测异常帐号的方法,通过获取待检测帐号在目标时间区间内的行为特征数据,将待检测帐号在目标时间区间内请求建立关联关系的用户数量,与目标时间区间对应的区间阈值进行比对,若用户数量大于目标时间区间对应的区间阈值,判定行为特征数据满足目标条件,判定待检测帐号为异常帐号,将待检测帐号在目标时间区间内的行为特征数据与预先设置的目标时间内的区间阈值进行比对,可以快速的识别出恶意添加好友的异常帐号。
请参阅图6,示出了本申请再一实施例提供的一种检测异常帐号的方法的流程图,本实施例提供一种检测异常帐号的方法,可应用于网络直播平台,该方法包括:
步骤S410:获取待检测帐号在目标时间区间内的行为特征数据,所述行为特征数据表征所述待检测帐号在所述目标时间区间内发起的,与其他用户建立关联关系行为的特征,所述行为特征数据包括待检测帐号在目标时间区间内请求建立关联关系的用户数量。
步骤S420:判断所述行为特征数据是否满足目标条件。
步骤S430:若判定所述行为特征数据满足所述目标条件,判定所述待检测帐号为异常帐号。
可选的,若行为特征数据不满足目标条件,则结束对当前行为特征数据的判断。
步骤S440:将所述异常帐号加入黑名单。
可选的,当判定待检测帐号为异常帐号后,可以对异常帐号进行处罚,作为一种方式,可以将异常帐号加入黑名单。加入黑名单的异常帐号不能执行建立关联关系行为,若要再次与其他用户建立关联关系,需要进行身份认证。
本实施例提出的检测异常帐号的方法,通过获取待检测帐号在目标时间区间内的行为特征数据,继而判断行为特征数据是否满足目标条件,若判定行为特征数据满足目标条件,判定待检测帐号为异常帐号,将异常帐号加入黑名单,将待检测帐号的行为特征数据与预先设置的目标条件进行比较,可以快速的发现异常帐号,将异常帐号加入黑名单,可以有效的防止用户被频繁骚扰。
请参阅图7,示出了本申请再一实施例提供的一种检测异常帐号的方法的流程图,本实施例提供一种检测异常帐号的方法,可应用于网络直播平台,该方法包括:
步骤S510:获取待检测帐号在目标时间区间内的行为特征数据,所述行为特征数据表征所述待检测帐号在所述目标时间区间内发起的,与其他用户建立关联关系行为的特征,所述行为特征数据包括待检测帐号在目标时间区间内请求建立关联关系的用户数量。
步骤S520:判断所述行为特征数据是否满足目标条件。
步骤S530:若判定所述行为特征数据满足所述目标条件,判定所述待检测帐号为异常帐号。
可选的,若行为特征数据不满足目标条件,则结束对当前行为特征数据的判断。
步骤S540:当检测到所述异常帐号再次与其他用户建立关联关系行为时,判断是否存在所述异常帐号的关联绑定信息。
可选的,当识别出待检测帐号为异常帐号时,若异常帐号再次建立关联关系行为时,在异常帐号发起与其他用户建立关联关系行为的请求时,网络直播平台的后台管理***可以对该请求进行拦截,检测该请求所对应的异常帐号是否存在关联绑定信息(例如绑定手机号、邮箱、微信、QQ等),作为一种方式,关联绑定信息也可以是其他关联绑定信息,例如其他即时通讯帐号等。
步骤S550:若存在,指示所述异常帐号进行验证码验证。
可选的,若存在关联绑定信息,可以识别并通过用户终端弹出包含验证信息的弹窗,指示异常帐号进行验证。作为一种方式,可以指示异常帐号进行验证码验证,网络直播平台的后台管理***可以发送验证码至异常帐号的关联绑定信息所在应用,指示异常帐号对应的用户根据接收到的验证码进行身份验证。可选的,若验证通过,那么异常帐号可以再次建立好友关联关系行为。
步骤S560:若不存在,指示所述异常帐号进行身份绑定。
可选的,若不存在关联绑定信息,那么网络直播平台的后台管理***将指示异常帐号进行身份绑定。作为一种方式,可以指示异常帐号进行手机绑定或邮箱绑定等进行身份验证。
本申请实施例提出的检测异常帐号的方法,通过获取待检测帐号在目标时间区间内的行为特征数据,判断行为特征数据是否满足目标条件,若判定行为特征数据满足目标条件,判定待检测帐号为异常帐号,当检测到异常帐号再次与其他用户建立关联关系行为时,判断是否存在异常帐号的关联绑定信息,若存在,指示异常帐号进行验证码验证,若不存在,指示异常帐号进行身份绑定。可以快速的发现异常帐号,对异常帐号的行为特征实施监听,可以有效的防止异常帐号频繁的去骚扰其他用户,提升安全性能。
请参阅图8,为本申请实施例提供的一种检测异常帐号的装置的结构框图,本实施例提供一种检测异常帐号的装置600,所述装置600包括:获取模块610、判断模块620以及处理模块630:
获取模块610,用于获取待检测帐号在目标时间区间内的行为特征数据,所述行为特征数据表征所述待检测帐号在所述目标时间区间内发起的,与其他用户建立关联关系行为的特征,所述行为特征数据包括待检测帐号在目标时间区间内请求建立关联关系的用户数量。
其中,获取模块610可以包括:第一获取单元,用于获取待检测帐号在目标时间区间内请求建立关联关系的用户的第一用户数量;第二获取单元,用于获取待检测帐号请求建立关联关系的用户中具备相同频道信息的用户的第二用户数量;处理单元,用于将第一用户数量以及第二用户数量作为行为特征数据。其中,需要说明的是,第一用户数量为对待检测帐号在目标时间区间内请求建立关联关系的用户进行去重处理后得到的数量。
可选的,第二获取单元可以用于获取待检测帐号请求建立关联关系的用户中具备相同频道信息的用户;将具有相同频道信息的用户作为一个用户群组,如果具有相同频道信息的用户群组的个数大于或等于两个,将用户数量最多的用户群组对应的用户数量作为第二用户数量。
作为一种方式,获取模块610可以用于当检测到与其他用户建立关联关系行为的帐号的频道信息为无频道状态时,将该帐号作为待检测帐号;获取待检测帐号在目标时间区间内的行为特征数据。
判断模块620,用于判断所述行为特征数据是否满足目标条件。
可选的,在一种具体的实施场景中,作为一种方式,判断模块620可以用于判断第一用户数量是否大于第一阈值,以及第二用户数量与第一用户数量的比值是否大于第二阈值;若第一用户数量大于第一阈值,且第二用户数量与第一用户数量的比值大于第二阈值,判定行为特征数据满足目标条件。
作为另一种方式,判断模块620可以用于判断第一用户数量是否不大于第三阈值,以及第二用户数量是否大于第四阈值,其中,第三阈值大于第四阈值;若第一用户数量不大于第三阈值,且第二用户数量大于第四阈值,判定行为特征数据满足目标条件。
作为又一种方式,判断模块620可以用于判断第一用户数量是否大于第一阈值,以及第二用户数量与第一用户数量的比值是否大于第二阈值;若第一用户数量大于第一阈值,且第二用户数量与第一用户数量的比值大于第二阈值,判定行为特征数据满足目标条件;若第一用户数量不大于第一阈值,且第二用户数量大于第四阈值,判定行为特征数据满足目标条件,其中,第一阈值大于第四阈值。
可选的,在另一种具体的实施场景中,判断模块620可以用于将待检测帐号在目标时间区间内请求建立关联关系的用户的请求数量,与目标时间区间对应的区间阈值进行比对,其中,不同的目标时间区间所对应的区间阈值不同,目标时间区间越长对应的区间阈值越大;若请求数量大于目标时间区间对应的区间阈值,可以判定行为特征数据满足目标条件。
处理模块630,用于若判定所述行为特征数据满足所述目标条件,判定所述待检测帐号为异常帐号。
可选的,处理模块630还包括处理单元:用于将异常帐号加入黑名单。
可选的,处理模块630可以用于当检测到异常帐号再次与其他用户建立关联关系行为时,判断是否存在异常帐号的关联绑定信息,其中,关联绑定信息表征用户已绑定的用于验证身份的通讯信息;若存在,指示异常帐号进行验证码验证;若不存在,指示异常帐号进行身份绑定。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述装置和模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,所显示或讨论的模块相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
另外,在本申请各个实施例中的各功能模块可以集成在一个处理模块中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。
请参阅图9,基于上述的检测异常帐号的方法及装置,本申请实施例还提供了一种可以执行前述检测异常帐号的方法的服务器11。服务器11包括存储器112以及相互耦合的一个或多个(图中仅示出一个)处理器114,存储器112以及处理器114之间通信线路连接。存储器112中存储有可以执行前述实施例中内容的程序,而处理器114可以执行存储器112中存储的程序。
其中,处理器114可以包括一个或者多个处理核。处理器114利用各种接口和线路连接整个服务器11内的各个部分,通过运行或执行存储在存储器112内的指令、程序、代码集或指令集,以及调用存储在存储器112内的数据,执行服务器11的各种功能和处理数据。可选地,处理器114可以采用数字信号处理(Digital Signal Processing,DSP)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)、可编程逻辑阵列(ProgrammableLogic Array,PLA)中的至少一种硬件形式来实现。处理器114可集成中央处理器(CentralProcessing Unit,CPU)、图像处理器(Graphics Processing Unit,GPU)和调制解调器等中的一种或几种的组合。其中,CPU主要处理操作***、用户界面和应用程序等;GPU用于负责显示内容的渲染和绘制;调制解调器用于处理无线通信。可以理解的是,上述调制解调器也可以不集成到处理器114中,单独通过一块通信芯片进行实现。
存储器112可以包括随机存储器(Random Access Memory,RAM),也可以包括只读存储器(Read-Only Memory)。存储器112可用于存储指令、程序、代码、代码集或指令集。存储器112可包括存储程序区和存储数据区,其中,存储程序区可存储用于实现操作***的指令、用于实现至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现前述各个实施例的指令等。存储数据区还可以存储服务器11在使用中所创建的数据(比如电话本、音视频数据、聊天记录数据)等。
请参考图10,其示出了本申请实施例提供的一种计算机可读存储介质的结构框图。该计算机可读存储介质700中存储有程序代码,所述程序代码可被处理器调用执行上述方法实施例中所描述的方法。
计算机可读存储介质700可以是诸如闪存、EEPROM(电可擦除可编程只读存储器)、EPROM、硬盘或者ROM之类的电子存储器。可选地,计算机可读存储介质700包括非瞬时性计算机可读介质(non-transitory computer-readable storage medium)。计算机可读存储介质700具有执行上述方法中的任何方法步骤的程序代码710的存储空间。这些程序代码可以从一个或者多个计算机程序产品中读出或者写入到这一个或者多个计算机程序产品中。程序代码710可以例如以适当形式进行压缩。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
最后应说明的是:以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不驱使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (10)
1.一种检测异常帐号的方法,其特征在于,所述方法包括:
当检测到与其他用户建立关联关系行为的帐号的频道信息为无频道状态时,将所述帐号作为待检测帐号,所述频道信息表征网络直播平台的直播房间的ID号;
获取所述待检测帐号在目标时间区间内请求建立关联关系的用户的第一用户数量,其中,所述第一用户数量表征所述待检测帐号在目标时间区间内请求建立关联关系的用户数量集合,所述用户数量集合采用目标时间区间内待检测帐号发起的请求建立关联关系的请求集合与待检测帐号发出的请求建立关联关系的用户的用户集合之间的映射的方式来表示;
获取所述待检测帐号请求建立关联关系的用户中具备相同频道信息的用户的第二用户数量;
将所述第一用户数量以及所述第二用户数量的组合作为行为特征数据,所述行为特征数据表征所述待检测帐号在所述目标时间区间内发起的,与其他用户建立关联关系行为的特征,所述行为特征数据包括待检测帐号在目标时间区间内请求建立关联关系的用户数量;
判断所述行为特征数据是否满足目标条件;
若判定所述行为特征数据满足所述目标条件,判定所述待检测帐号为异常帐号。
2.如权利要求1所述的方法,其特征在于,所述获取所述待检测帐号请求建立关联关系的用户中具备相同频道信息的用户的第二用户数量的步骤包括:
获取所述待检测帐号请求建立关联关系的用户中具备相同频道信息的用户;
将具有相同频道信息的用户作为一个用户群组,如果具有相同频道信息的用户群组的个数大于或等于两个,将用户数量最多的用户群组对应的用户数量作为第二用户数量。
3.如权利要求1或2所述的方法,其特征在于,所述判断所述行为特征数据是否满足目标条件的步骤包括:
判断所述第一用户数量是否大于第一阈值,以及所述第二用户数量与所述第一用户数量的比值是否大于第二阈值;
若所述第一用户数量大于第一阈值,且所述第二用户数量与所述第一用户数量的比值大于第二阈值,判定所述行为特征数据满足所述目标条件。
4.如权利要求1或2所述的方法,其特征在于,所述判断所述行为特征数据是否满足目标条件的步骤包括:
判断所述第一用户数量是否不大于第三阈值,以及所述第二用户数量是否大于第四阈值,所述第三阈值大于第四阈值;
若所述第一用户数量不大于第三阈值,且所述第二用户数量大于第四阈值,判定所述行为特征数据满足所述目标条件。
5.如权利要求1所述的方法,其特征在于,所述判断所述行为特征数据是否满足目标条件的步骤包括:
判断所述第一用户数量是否大于第一阈值,以及所述第二用户数量与所述第一用户数量的比值是否大于第二阈值;
若所述第一用户数量大于第一阈值,且所述第二用户数量与所述第一用户数量的比值大于第二阈值,判定所述行为特征数据满足所述目标条件;
若所述第一用户数量不大于第一阈值,且所述第二用户数量大于第四阈值,判定所述行为特征数据满足所述目标条件,所述第一阈值大于所述第四阈值。
6.如权利要求1所述的方法,其特征在于,所述第一用户数量为对待检测帐号在目标时间区间内请求建立关联关系的用户进行去重处理后得到的数量。
7.如权利要求1所述的方法,其特征在于,所述行为特征数据包括待检测帐号在目标时间区间内请求建立关联关系的用户的请求数量,所述判断所述行为特征数据是否满足目标条件的步骤包括:
将所述待检测帐号在目标时间区间内请求建立关联关系的用户的请求数量,与所述目标时间区间对应的区间阈值进行比对,其中,不同的所述目标时间区间所对应的区间阈值不同,目标时间区间越长对应的区间阈值越大;
若所述请求数量大于所述目标时间区间对应的区间阈值,判定所述行为特征数据满足所述目标条件。
8.一种检测异常帐号的装置,其特征在于,所述装置包括:
获取模块,用于当检测到与其他用户建立关联关系行为的帐号的频道信息为无频道状态时,将所述帐号作为待检测帐号,所述频道信息表征网络直播平台的直播房间的ID号;获取所述待检测帐号在目标时间区间内请求建立关联关系的用户的第一用户数量,其中,所述第一用户数量表征所述待检测帐号在目标时间区间内请求建立关联关系的用户数量集合,所述用户数量集合采用目标时间区间内待检测帐号发起的请求建立关联关系的请求集合与待检测帐号发出的请求建立关联关系的用户的用户集合之间的映射的方式来表示;获取所述待检测帐号请求建立关联关系的用户中具备相同频道信息的用户的第二用户数量;将所述第一用户数量以及所述第二用户数量作为行为特征数据,所述行为特征数据表征所述待检测帐号在所述目标时间区间内发起的,与其他用户建立关联关系行为的特征,所述行为特征数据包括待检测帐号在目标时间区间内请求建立关联关系的用户数量;
判断模块,用于判断所述行为特征数据是否满足目标条件;
处理模块,用于若判定所述行为特征数据满足所述目标条件,判定所述待检测帐号为异常帐号。
9.一种服务器,其特征在于,包括存储器;
一个或多个处理器;
一个或多个程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个程序配置用于执行权利要求1-7任一所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有程序代码,其中,在所述程序代码由处理器运行时执行权利要求1-7任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811626326.XA CN109495378B (zh) | 2018-12-28 | 2018-12-28 | 检测异常帐号的方法、装置、服务器及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811626326.XA CN109495378B (zh) | 2018-12-28 | 2018-12-28 | 检测异常帐号的方法、装置、服务器及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109495378A CN109495378A (zh) | 2019-03-19 |
CN109495378B true CN109495378B (zh) | 2021-03-12 |
Family
ID=65713115
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811626326.XA Active CN109495378B (zh) | 2018-12-28 | 2018-12-28 | 检测异常帐号的方法、装置、服务器及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109495378B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110232473B (zh) * | 2019-05-22 | 2022-12-27 | 重庆邮电大学 | 一种基于大数据金融的黑产用户预测方法 |
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 |
CN111339436B (zh) * | 2020-02-11 | 2021-05-28 | 腾讯科技(深圳)有限公司 | 一种数据识别方法、装置、设备以及可读存储介质 |
CN113938455A (zh) * | 2021-10-13 | 2022-01-14 | 平安银行股份有限公司 | 群聊***的用户监控方法、装置、电子设备及存储介质 |
CN115987579B (zh) * | 2022-12-07 | 2023-09-15 | 南京鼎山信息科技有限公司 | 基于大数据和物联网通信的数据处理方法和数据处理*** |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101212419A (zh) * | 2006-12-25 | 2008-07-02 | 阿里巴巴公司 | 一种在即时通信***中处理垃圾消息的方法 |
CN104636453A (zh) * | 2015-01-29 | 2015-05-20 | 小米科技有限责任公司 | 非法用户资料识别方法及装置 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7657935B2 (en) * | 2001-08-16 | 2010-02-02 | The Trustees Of Columbia University In The City Of New York | System and methods for detecting malicious email transmission |
CN201985891U (zh) * | 2010-12-03 | 2011-09-21 | 北京开心人信息技术有限公司 | 一种防止社交网络中陌生人骚扰的*** |
US10033684B2 (en) * | 2013-08-16 | 2018-07-24 | Nexgate, Inc. | Classifying social entities and applying unique policies on social entities based on crowd sourced data |
CN105592008A (zh) * | 2014-10-23 | 2016-05-18 | 腾讯科技(深圳)有限公司 | 用户网络行为处理方法及装置 |
CN106549974B (zh) * | 2016-12-06 | 2020-06-02 | 北京知道创宇信息技术股份有限公司 | 预测社交网络账户是否恶意的设备、方法及*** |
CN108280346B (zh) * | 2017-01-05 | 2022-05-31 | 腾讯科技(深圳)有限公司 | 一种应用防护监控方法、装置以及*** |
CN108718271A (zh) * | 2018-04-20 | 2018-10-30 | Oppo广东移动通信有限公司 | 好友请求的处理方法、装置、存储介质及终端 |
-
2018
- 2018-12-28 CN CN201811626326.XA patent/CN109495378B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101212419A (zh) * | 2006-12-25 | 2008-07-02 | 阿里巴巴公司 | 一种在即时通信***中处理垃圾消息的方法 |
CN104636453A (zh) * | 2015-01-29 | 2015-05-20 | 小米科技有限责任公司 | 非法用户资料识别方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109495378A (zh) | 2019-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109495378B (zh) | 检测异常帐号的方法、装置、服务器及存储介质 | |
US11405350B2 (en) | Multi-media processing and displaying method, terminal, and computer storage medium in a social networking application based on interaction information by multiple user accounts | |
US10985853B2 (en) | Method and system for real-time broadcast audience engagement | |
CN104539514B (zh) | 消息过滤方法和装置 | |
US20170063757A1 (en) | Spam detection and prevention in a social networking system | |
CN102523195B (zh) | 邀请滥用防止 | |
US8868439B2 (en) | Content activity feedback into a reputation system | |
CN109698809B (zh) | 一种账号异常登录的识别方法及装置 | |
TW201523487A (zh) | 一種消息推送方法、裝置及系統 | |
CN110149270B (zh) | 用于即时消息传送的设备和方法 | |
US20200257749A1 (en) | Method and a device for friend recommendation | |
JP2018528544A (ja) | 情報をプッシュする方法、装置、およびシステム | |
CN113127723B (zh) | 用户画像处理方法、装置、服务器及存储介质 | |
CN107634850B (zh) | 一种应用状态获取方法及其设备、存储介质、服务器 | |
CN108377396A (zh) | 一种直播录制方法、装置及设备 | |
US20190334851A1 (en) | Near real time relevance ranker for notifications | |
CN106789413B (zh) | 一种检测代理上网的方法和装置 | |
CN110996180B (zh) | 一种网络直播聊天方法、***及服务器 | |
CN109831417B (zh) | 防骚扰处理帐号的方法、装置、服务器及存储介质 | |
CN109688099B (zh) | 服务器端撞库识别方法、装置、设备及可读存储介质 | |
US11568038B1 (en) | Threshold-based authentication | |
WO2019165683A1 (zh) | 一种召唤方法及召唤*** | |
US20180139160A1 (en) | Method, system and server for removing alerts | |
CN106487653B (zh) | 一种消息处理方法及服务器 | |
CN111246293B (zh) | 用于监控用户行为的方法、设备和计算机存储介质 |
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 | ||
EE01 | Entry into force of recordation of patent licensing contract | ||
EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20190319 Assignee: GUANGZHOU CUBESILI INFORMATION TECHNOLOGY Co.,Ltd. Assignor: GUANGZHOU HUADUO NETWORK TECHNOLOGY Co.,Ltd. Contract record no.: X2021440000032 Denomination of invention: Method, device, server and storage medium for detecting abnormal account number License type: Common License Record date: 20210125 |
|
GR01 | Patent grant | ||
GR01 | Patent grant |