CN112422480A

CN112422480A - 帐号属性的确定方法和装置、存储介质及电子装置

Info

Publication number: CN112422480A
Application number: CN201910780096.0A
Authority: CN
Inventors: 黄引刚
Original assignee: Tencent Technology Shenzhen Co Ltd
Current assignee: Tencent Technology Shenzhen Co Ltd
Priority date: 2019-08-22
Filing date: 2019-08-22
Publication date: 2021-02-26
Anticipated expiration: 2039-08-22
Also published as: CN112422480B

Abstract

本发明公开了一种帐号属性的确定方法和装置、存储介质及电子装置。其中，该方法包括：获取与目标身份相关的待识别帐号；根据待识别帐号的真实度参数获取待识别帐号对应的真实度概率，其中，真实度概率用于表示待识别帐号为目标身份使用的帐号的概率；根据待识别帐号对应的真实度概率从待识别帐号中确定目标身份对应的真实帐号和/或可疑帐号，其中，真实帐号为目标身份使用的帐号，可疑帐号为模仿目标身份使用的帐号。本发明解决了无法主动识别社交网络平台上假冒帐号的技术问题。

Description

帐号属性的确定方法和装置、存储介质及电子装置

技术领域

本发明涉及数据处理技术领域，具体而言，涉及一种帐号属性的确定方法和装置、存储介质及电子装置。

背景技术

随着互联网技术的发展，社交网络平台上经常出现假冒的身份帐号，进行谣言传播或者诈骗活动。目前的相关技术中，没有一种有效的方案能够主动识别出这些假冒帐号，只能通过用户举报的方式被动发现，也就无法向受害者及时发出报警提示。

针对现有技术中无法主动识别社交网络平台上假冒帐号的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种帐号属性的确定方法和装置、存储介质及电子装置，以至少解决无法主动识别社交网络平台上假冒帐号的技术问题。

根据本发明实施例的一个方面，提供了一种帐号属性的确定方法，包括：获取与目标身份相关的待识别帐号；根据所述待识别帐号的真实度参数获取所述待识别帐号对应的真实度概率，其中，所述真实度概率用于表示所述待识别帐号为所述目标身份使用的帐号的概率；根据所述待识别帐号对应的真实度概率从所述待识别帐号中确定所述目标身份对应的真实帐号和/或可疑帐号，其中，所述真实帐号为所述目标身份使用的帐号，所述可疑帐号为模仿所述目标身份使用的帐号。

根据本发明实施例的另一方面，还提供了一种帐号属性的确定装置，包括：

第一获取模块，用于获取与目标身份相关的待识别帐号；

第二获取模块，用于根据所述待识别帐号的真实度参数获取所述待识别帐号对应的真实度概率，其中，所述真实度概率用于表示所述待识别帐号为所述目标身份使用的帐号的概率；

第一确定模块，用于根据所述待识别帐号对应的真实度概率从所述待识别帐号中确定所述目标身份对应的真实帐号和/或可疑帐号，其中，所述真实帐号为所述目标身份使用的帐号，所述可疑帐号为模仿所述目标身份使用的帐号。

可选地，所述第二获取模块包括：

第一获取单元，用于获取所述待识别帐号在社交网络数据中亲属维度上的第一真实度参数，其中，所述第一真实度参数与所述社交网络数据中所述待识别帐号和与所述待识别帐号具有亲属关系的帐号之间的第一交互操作相关联；

第二获取单元，用于获取所述待识别帐号在社交网络数据中同事维度上的第二真实度参数，其中，所述第二真实度参数与所述社交网络数据中所述待识别帐号和与所述待识别帐号具有同事关系的帐号之间的第二交互操作相关联；

第三获取单元，用于获取所述待识别帐号在特征维度上的第三真实度参数，其中，所述第三真实度参数与所述待识别帐号的特征值相关联；

第四获取单元，用于根据所述第一真实度参数、所述第二真实度参数以及所述第三真实度参数获取所述待识别帐号对应的真实度概率。

可选地，所述第一真实度参数与所述社交网络数据中所述待识别帐号和与所述待识别帐号具有亲属关系的帐号之间的第一交互操作的操作参数正相关，其中，所述第一交互操作的操作参数至少包括以下之一：所述第一交互操作的次数、频率、操作时长；

所述第二真实度参数与所述社交网络数据中所述待识别帐号和与所述待识别帐号具有同事关系的帐号之间的第二交互操作的操作参数正相关，其中，所述第二交互操作的操作参数至少包括以下之一：所述第二交互操作的次数、频率、操作时长。

可选地，所述第四获取单元包括：

加权子单元，用于对所述第一真实度参数、所述第二真实度参数以及所述第三真实度参数进行加权求和，得到所述真实度概率，其中，所述第一真实度参数、所述第二真实度参数以及所述第三真实度参数对应的预先设定的权重分别为β1、β2、β3，β1+β2+β3＝1，0≤β1、β2、β3≤1。

可选地，所述第一获取单元包括：

第一获取子单元，用于从所述社交网络数据中获取与所述待识别帐号具有亲属关系的第一帐号集合；

第一确定子单元，用于根据所述社交网络数据中所述待识别帐号i与所述第一帐号集合中的帐号t之间的第一交互操作，确定所述待识别帐号i与所述帐号t之间的第一亲密度参数；

第二确定子单元，用于根据所述待识别帐号i与所述帐号t之间的第一亲密度参数，确定所述帐号t对所述待识别帐号i进行身份认证的第一可信度参数p1_t，i，其中，所述第一可信度参数p1_t，i的取值与所述第一亲密度参数的取值正相关；

第三确定子单元，用于通过运行多次以下公式确定出所述待识别帐号中第i个帐号的第一真实度参数PR1(i)：

其中，PR1(i)的初始值为0至1之间的一个随机值，p1_t，i为所述第一帐号集合中的第t个帐号对所述待识别帐号中的第i个帐号进行身份认证的第一可信度参数，PR1(t)为所述第t个帐号的第一真实度参数，所述alpha1为常数。

可选地，所述第二获取单元包括：

第二获取子单元，用于从所述社交网络数据中获取所述待识别帐号具有同事关系的第二帐号集合；

第四确定子单元，用于根据所述社交网络数据中所述待识别帐号i与所述第二帐号集合中的帐号k之间的第二交互操作，确定所述待识别帐号i与所述帐号k之间的第二亲密度参数；

第五确定子单元，用于根据所述待识别帐号i与所述帐号k之间的第二亲密度参数，确定所述帐号k对所述待识别帐号i进行身份认证的第二可信度参数p2_k，i，其中，所述第二可信度参数p2_k，i的取值与所述第二亲密度参数的取值正相关；

第六确定子单元，用于通过运行多次以下公式确定出所述待识别帐号中第i个帐号的第二真实度参数PR2(i)：

其中，PR2(i)的初始值为0至1之间的一个随机值，p2_k，i为所述第二帐号集合中的第k个帐号对所述待识别帐号中的第i个帐号进行身份认证的第二可信度参数，PR2(k)为所述第k个帐号的第二真实度参数，所述alpha2为常数。

可选地，所述第三获取单元包括：

输入子单元，用于将所述待识别帐号的特征值输入到目标网络模型，得到所述目标网络模型输出的所述待识别帐号的所述第三真实度参数，其中，所述目标网络模型是使用样本帐号的特征值对初始网络模型进行训练得到的模型，在所述训练完成时所述目标网络模型输出的所述样本帐号的第三真实度参数与预先确定的所述样本帐号的第三真实度参数之间的误差满足第一条件，所述待识别帐号的特征值至少包括以下之一：所述待识别帐号的第一真实度参数、所述待识别帐号的第二真实度参数、所述待识别帐号是否被举报、所述待识别帐号的参数信息是否与身份证信息一致。

可选地，所述第一确定模块包括：

第一确定单元，用于确定所述真实度概率最大的所述待识别帐号为所述目标身份对应的真实帐号；

第二确定单元，用于确定所述真实度概率小于预设值所述待识别帐号为所述目标身份对应的可疑帐号。

可选地，所述装置还包括：

第三获取模块，用于获取所述可疑帐号中的第一可疑帐号a和第二可疑帐号b；

建立模块，用于以所述a和所述b为双中心，建立与所述a和/或所述b具有好友关系的帐号形成的好友关系网络，其中，所述好友关系网络中包含n个顶点和s条边，每个所述顶点用于表示所述好友关系网络中的一个帐号，每条边连接具有好友关系的两个顶点，n和s为大于1的整数；

标记模块，用于标记所述好友关系网络的邻接矩阵A，其中，当所述a和所述b之间有边直接相连时，A_a，b＝1，当所述a和所述b之间没有边时，A_a，b＝0，当a＝b时，A_a，b＝1；

第二确定模块，用于根据以下公式确定所述每个顶点在所述好友关系网络中的权重值γ：Ax＝γx，其中，x为n维向量，所述x包括所述好友关系网络中n个顶点对应的真实度概率，x＝[PR(1),PR(2),PR(3),…..PR(n)]，PR(i)是所述好友关系网络中顶点i对应的真实度概率，1≤i≤n；

第三确定模块，用于根据矩阵B_a，b确定所述a和所述b真实度相对大小，其中，B_a，b＝exp(γ_a)/exp(γb)，γ_a为所述a在所述好友关系网络中的权重值，γ_b为所述b在所述好友关系网络中的权重值，B_a，b越大，表示a相对b的真实度概率越大。

可选地，所述装置还包括：

迭代模块，用于对所述矩阵B经过N次迭代，得到矩阵C，其中，C＝B^N，N为大于1的整数；

计算模块，用于根据以下公式计算所述可疑帐号的真实度得分：

其中，xn表示所述目标帐号集合中所述待识别帐号的个数；

第四确定模块，用于根据所述真实度得分确定所述可疑帐号的真实度概率值，其中，所述真实度概率值与所述真实度得分为正比关系。

可选地，所述装置还包括：

发送模块，用于向与所述可疑帐号进行信息交互的帐号发送提示信息，其中，所述提示信息用于向所述帐号提示存在所述可疑帐号。

根据本发明实施例的又一方面，还提供了一种存储介质，该存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述帐号属性的确定方法。

根据本发明实施例的又一方面，还提供了一种电子装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，上述处理器通过计算机程序执行上述的帐号属性的确定方法。

在本发明实施例中，通过获取与目标身份相关的目标帐号的集合，然后在多个维度上计算集合中待识别帐号的真实度概率，通过真实度概率的大小确定待识别帐号是否为可疑账号，也就是模仿目标身份真实帐号的假冒帐号，达到了主动有效识别社交网络平台上假冒帐号的目的，从而实现了降低社交网络平台中假冒他人帐号进行谣言传播和/或电信诈骗等事件概率的技术效果，进而解决了无法主动识别社交网络平台上假冒帐号的技术问题。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是根据本发明实施例一种可选的帐号属性的确定方法的硬件环境示意图；

图2是根据本发明实施例的一种可选的帐号属性的确定方法的流程图；

图3是根据本发明实施例一种可选的帐号属性的确定方法的应用环境示意图；

图4是根据本发明实施例的一种可选地目标网络模型的输入输出示意图；

图5是根据本发明实施例的一种可选的双中心网络示意图；

图6根据本发明实施例帐号属性的确定方法一种可选的交互流程图；

图7是根据本发明实施例的帐号属性的确定装置的一种可选的结构框图；

图8是根据本发明实施例的帐号属性的确定装置的又一种可选的结构框图；

图9是根据本发明实施例的一种可选的电子装置的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

为了解决上述技术问题，本发明实施例提供了一种帐号属性的确定方法。图1是根据本发明实施例一种可选的帐号属性的确定方法的硬件环境示意图，如图1所示，该硬件环境可以包括但不限于第一用户设备102、网络110、服务器112、第二用户设备202，其中，第一用户设备102中可以包括但不限于存储器104、处理器106、显示器108，服务器112张可以包括但不限于数据库114、处理引擎116，第二用户设备202中可以包括但不限于存储器204、处理器206、显示器208。此处的用户设备可以但不限于是智能手机(如Android手机、iOS手机等)、平板电脑、掌上电脑以及移动互联网设备(Mobile Internet Devices，MID)、PAD等终端设备。在图1所示的即时通信场景中，第一用户设备102上登陆了一个帐号，第二用户设备202上登陆了一个帐号，两个帐号之间可以进行交互，本发明实施例的帐号属性的确定方法一种可选的实现步骤如下：

步骤S102，第一用户设备102上的帐号将第一数据信息发送到网络端110，并指示网络端110将第一数据信息发送到第二用户设备202上的帐号，可选地，第一数据信息可以是打招呼信息，例如“哈喽，在吗”；

步骤S104，网络端110将第一数据信息转发给服务器112；

步骤S106，服务器112接收到第一数据信息后，对第一用户设备102上的帐号和第二用户设备202上的帐号进行识别，判断两个帐号是否为可疑账号，如果两个设备上的帐号都是真实帐号，则直接将第一数据信息发送给第二用户设备202，若判断出第一用户设备102上的帐号为可疑帐号，向第二用户设备202发送第一数据信息的同时发送提示信息，说明第一用户设备102的帐号为可疑帐号；

步骤S108，服务器112判断出两个设备上的帐号都是真实帐号，则直接将第二用户设备202返回的第二数据信息发送给网络端，如果判断出第二用户设备202上的帐号为可疑帐号，则在发送第二数据信息的同时发送提示信息，提示信息用于说明第二用户设备202的帐号为可疑帐号；

步骤S110，网络端110将从服务器112接收到的信息反馈给第一用户设备102。

需要说明的是，上述场景可以不仅仅应用即时通信的交互中，还可以应用于社交网络平台上任意两个帐号之间的私信、留言、点赞、评论、转发、发红包、转账、打赏等任意交互操作。

可选地，在本发明实施例中，上述帐号属性的确定方法可以但不限于应用于服务器112中，第一用户设备102和第二用户设备202可以但不限于为手机、平板电脑、笔记本电脑、PC机等支持运行应用客户端的终端设备。上述服务器112、第一用户设备102和第二用户设备202可以但不限于通过网络实现数据交互，上述网络可以包括但不限于无线网络或有线网络。其中，该无线网络包括：蓝牙、WIFI及其他实现无线通信的网络。上述有线网络可以包括但不限于：广域网、城域网、局域网。上述仅是一种示例，本实施例中对此不作任何限定。

可选地，步骤S106中，服务器112对第一用户设备102上的帐号和第二用户设备202上的帐号进行识别，判断两个帐号是否为可疑账号可以通过以下步骤实现：获取与目标身份相关的待识别帐号；根据待识别帐号的真实度参数获取待识别帐号对应的真实度概率，其中，真实度概率用于表示待识别帐号为目标身份使用的帐号的概率；根据待识别帐号对应的真实度概率从待识别帐号中确定目标身份对应的真实帐号和/或可疑帐号，其中，真实帐号为目标身份使用的帐号，可疑帐号为模仿目标身份使用的帐号。

图2是本发明实施例的一种可选的帐号属性的确定方法的流程图。如图2所示，该方法包括：

步骤S202，获取与目标身份相关的待识别帐号；

步骤S204，根据待识别帐号的真实度参数获取待识别帐号对应的真实度概率，其中，真实度概率用于表示待识别帐号为目标身份使用的帐号的概率；

步骤S206，根据待识别帐号对应的真实度概率从待识别帐号中确定目标身份对应的真实帐号和/或可疑帐号，其中，真实帐号为目标身份使用的帐号，可疑帐号为模仿目标身份使用的帐号。

可选地，目标身份可以包括但不限于个人用户、企业用户、民间组织用户、官方组织用户等任意可以在社交网络平台上进行注册帐号的用户，本发明实施例对此不做限定。

可选地，在本实施例中，上述帐号属性的确定方法可以应用于如图3所示的第一客户端302、服务器304、第二客户端306所构成的硬件环境中，图2所示的各个步骤的执行主体可以但不限于是服务器304。如图3所示，服务器304接收到客户端302发送的第一数据信息，对第一客户端302上的帐号和第二客户端306上的帐号进行识别，判断两个帐号是否为可疑账号，如果两个客户端上的帐号都是真实帐号，则直接将第一数据信息发送给第二客户端306，若判断出第一客户端302上的帐号为可疑帐号，向第二客户端306发送第一数据信息的同时发送提示信息，说明第一客户端302的帐号为可疑帐号。服务器304判断出两个设备上的帐号都是真实帐号，则直接将第二客户端306返回的第二数据信息发送给第一客户端302，如果判断出第二客户端306上的帐号为可疑帐号，则在发送第二数据信息的同时发送提示信息。

服务器304中的处理步骤包括：

步骤S301，获取与目标身份相关的待识别帐号；

步骤S302，根据待识别帐号的真实度参数获取待识别帐号对应的真实度概率，其中，真实度概率用于表示待识别帐号为目标身份使用的帐号的概率；

步骤S303，根据待识别帐号对应的真实度概率从待识别帐号中确定目标身份对应的真实帐号和/或可疑帐号，其中，真实帐号为目标身份使用的帐号，可疑帐号为模仿目标身份使用的帐号。

可选的一个实施方式中，根据待识别帐号对应的真实度概率从待识别帐号中确定目标身份对应的真实帐号和/或可疑帐号包括:

确定真实度概率最大的待识别帐号为目标身份对应的真实帐号；

确定真实度概率小于预设值待识别帐号为目标身份对应的可疑帐号。

在获取的待识别帐号中，可能只有一个真实帐号，也可能有多个真实帐号，也可能全部都是可疑帐号，目标身份没有在该社交平台注册帐号。

可选的一个实施方式中，获取待识别帐号，可以通过获取与目标身份相关的目标帐号集合的方式实现，主要包括以下步骤：

S1，获取第一帐号的第一参数信息，其中，第一参数信息与目标身份相匹配，第一参数信息至少包括以下之一：帐号头像，帐号昵称，帐号签名；

S2，在社交网络数据中筛选与所第一帐号具有相同或相似参数信息的第二帐号；

S3，将第一帐号和第二帐号确定为目标帐号集合中的待识别帐号。

可选地，第一参数信息可以是帐号使用的头像、昵称、签名等，也可以是背景图片、封面图片等任何可以确定目标身份的参数信息。例如，明星A在第一社交网络平台上注册了一个帐号1，使用的是自己的照片作为头像，自己的真实姓名“AXX”作为昵称。如果社交网络数据中筛选出帐号2，使用的头像和昵称与帐号1完全一致，可以认定帐号2与帐号1具有相同的参数信息。如果筛选出的帐号3，使用的头像与帐号1不同，但也是明星A的照片，使用的昵称为“A_XX”，相对于帐号1的昵称多了一条下划线，可以认定帐号3于帐号1具有相似的参数信息。将帐号1、2、3均放入目标帐号集合中作为待识别帐号等待识别。

可选地，帐号的真实度参数可以是多维度的，可以进一步保证真实度概率取值的可信性。多维度的真实度参数可以包括但不限于：待识别帐号在亲属维度、同事维度、自身属性维度的真实度参数，还可以包括在好友维度的真实度参数。

可选的一个实施方式中，根据目标帐号集合中的待识别帐号在多个维度上的真实度参数获取待识别帐号对应的真实度概率可以通过以下步骤实现：

S1，获取所待识别帐号在社交网络数据中亲属维度上的第一真实度参数，其中，第一真实度参数与社交网络数据中待识别帐号和与待识别帐号具有亲属关系的帐号之间的第一交互操作相关联；

S2，获取待识别帐号在社交网络数据中同事维度上的第二真实度参数，其中，第二真实度参数与社交网络数据中待识别帐号和与待识别帐号具有同事关系的帐号之间的第二交互操作相关联；

S3，获取待识别帐号在特征维度上的第三真实度参数，其中，第三真实度参数与待识别帐号的特征值相关联；

S4，根据第一真实度参数、第二真实度参数以及第三真实度参数获取待识别帐号对应的真实度概率。

可选地，第一真实度参数与社交网络数据中待识别帐号和与待识别帐号具有亲属关系的帐号之间的第一交互操作的操作参数正相关，其中，第一交互操作的操作参数至少包括以下之一：第一交互操作的次数、频率、操作时长。第一交互操作可以包括但不限于即时通信、私信、留言、点赞、评论、转发、发红包、转账、打赏等任意交互操作。亲属关系可以是与待识别帐号具有直接的血缘的关系，也可以没有血缘关系但是具有亲属关系，例如，可以是待识别帐号的“哥哥”，也可以是待识别帐号的“嫂子”。待识别帐号与具有亲属关系的帐号之间的第一交互操作次数越多、频率越高、交互时长越长，则待识别帐号的第一真实度参数取值越大。

可选地，第二真实度参数与社交网络数据中待识别帐号和与待识别帐号具有同事关系的帐号之间的第二交互操作的操作参数正相关，其中，第二交互操作的操作参数至少包括以下之一：第二交互操作的次数、频率、操作时长。第二交互操作可以包括但不限于即时通信、私信、留言、点赞、评论、转发、发红包、转账、打赏等任意交互操作。同事关系的确定可以是与待识别帐号属于同一家公司或行政部门，也可以是不属于同一家公司但位于同一个工作群中。待识别帐号与具有同事关系的帐号之间的第二交互操作次数越多、频率越高、交互时长越长，则待识别帐号的第二真实度参数取值越大。

可选地，当目标身份为企业用户或其他组织用户时，可以将同事关系或亲属关系设置为具有合作关系的帐号，例如企业的供应商、客户、子公司、分公司、母公司、直接监管部门等，只要是能够对帐号真实度作出验证的用户即可，本发明实施例对此不做限定。

可选地，待识别帐号的特征值可以是用于验证待识别帐号自身属性的特征值，例如：帐号的真实头像与其对应的目标身份的身份证头像是否一致，帐号的真实姓名与其对应的目标身份的身份证姓名是否一致，帐号是否曾经被举报为假冒帐号等，特征值也可以包括待识别帐号的第一真实度参数和/或第二真实度参数。

可选地，根据第一真实度参数、第二真实度参数以及第三真实度参数获取待识别帐号对应的真实度概率可以通过以下步骤实现：对第一真实度参数、第二真实度参数以及第三真实度参数进行加权求和，得到真实度概率，其中，第一真实度参数、第二真实度参数以及第三真实度参数对应的预先设定的权重分别为β1、β2、β3，β1+β2+β3＝1，0≤β1、β2、β3≤1。

对应的公式如下：

score(i)＝β₁*PR1(i)+β₂*PR2(i)+β₃*PR3(i)。

其中，β1、β2、β3为预先设定的常数，β1、β2、β3的取值可以根据目标身份的具体情况具体设置。例如，当目标身份的亲属较多、同事较少时，可以将β1的取值设置较大，β2的取值设置较小，当目标身份的亲属较少、同时较多时，可以将β1的取值设置较小，β2的取值设置较大。当β1的取值为0时，表示待识别帐号没有亲属维度这一真实度参数，当β2的取值为0时，表示待识别帐号没有同事维度第一真实度验证参数。

可选地，也可以设置有影响力的好友维度的真实度参数。例如，帐号A与B为好友关系，帐号B的身份是比较有影响力的名人或组织，如果帐号B对帐号A的真实度进行验证，可以作为具有参考价值的真实度参数。

可选的一个实施方式中，获取待识别帐号在社交网络数据中亲属维度上的第一真实度参数，可以通过以下步骤实现：

S1，从社交网络数据中获取与待识别帐号具有亲属关系的第一帐号集合；

S2，根据社交网络数据中待识别帐号i与第一帐号集合中的帐号t之间的第一交互操作，确定待识别帐号i与帐号t之间的第一亲密度参数；

S3，根据待识别帐号i与帐号t之间的第一亲密度参数，确定帐号t对待识别帐号i进行身份认证的第一可信度参数p1_t，i，其中，第一可信度参数p1_t，i的取值与第一亲密度参数的取值正相关；

S4，通过运行多次以下公式确定出待识别帐号中第i个帐号的第一真实度参数PR1(i)：

其中，PR1(i)的初始值为0至1之间的一个随机值，p1_t，i为第一帐号集合中的第t个帐号对待识别帐号中的第i个帐号进行身份认证的第一可信度参数，PR1(t)为第t个帐号的第一真实度参数，alpha1为常数。

可选的，获取与待识别帐号具有亲属关系的第一帐号集合，可以是在社交网络数据中抽取与待识别帐号具有亲属关系的亲属网络，亲属网络的抽取方法可以使用现有技术中已有的方法，本发明实施例对此不做限定。

可选地，待识别帐号i与帐号t之间的第一亲密度参数可以通过以下公式实现：

其中，tightness(t，i)为帐号t与帐号i之间的第一亲密度参数，cnt(t，i)为帐号t与帐号i第一交互操作的操作参数，cnt(j，i)为帐号j与帐号i第一交互操作的操作参数，H为交互操作的操作类型的数量，m为第一帐号集合中帐号的个数。可选地，帐号i与帐号t之间的第一交互操作次数越多、频率越高、交互时长越长，则表示帐号i与帐号t的联系越密切，帐号i与帐号t之间的第一亲密度参数也就越大。

帐号t对待识别帐号i进行身份认证的第一可信度参数p1_t，i可以通过以下公式计算得出：

其中，r_t，i为帐号t与帐号i之间具有亲属关系的概率值，r_j，i为帐号j与帐号i之间具有亲属关系的概率值，tightness(t,i)为帐号t与帐号i之间的第一亲密度参数，tightness(j,i)为帐号j与帐号t之间的第一亲密度参数。r_t，i越大，表示帐号t对帐号i主动联系越多，tightness(t,i)越大，帐号t和帐号i的第一亲密度参数越大，p1_t，i值越大，即帐号t对帐号i进行验证的可信度越高。

将获取的第一可信度参数p1_t，i代入上述公式：

通过多次迭代求得待识别帐号中第i个帐号的第一真实度参数PR1(i)。

可选的一个实施方式中，获取待识别帐号在社交网络数据中同事维度上的第二真实度参数，可以通过以下步骤实现：

S1，从社交网络数据中获取待识别帐号具有同事关系的第二帐号集合；

S2，根据社交网络数据中待识别帐号i与第二帐号集合中的帐号k之间的第二交互操作，确定待识别帐号i与帐号k之间的第二亲密度参数；

S3，根据待识别帐号i与帐号k之间的第二亲密度参数，确定帐号k对待识别帐号i进行身份认证的第二可信度参数p2_k，i，其中，第二可信度参数p2_k，i的取值与第二亲密度参数的取值正相关；

通过运行多次以下公式确定出待识别帐号中第i个帐号的第二真实度参数PR2(i)：

可选地，上述公式中参数的计算方法与第一真实度参数计算方法中类似，可以通过第一真实度参数计算方法中的公式计算第二真实度参数。

可选地，可以通过以下方式统计帐号i和帐号k是同事的概率值：

其中，有直接同事关系则cnt(k，i)+＝1，在同一个工作群中，则cnt(k，i)+＝1。

可选的一个实施方式中，获取待识别帐号在特征维度上的第三真实度参数可以通过以下步骤实现：

S1，将待识别帐号的特征值输入到目标网络模型，得到目标网络模型输出的待识别帐号的第三真实度参数，其中，目标网络模型是使用样本帐号的特征值对初始网络模型进行训练得到的模型，在训练完成时目标网络模型输出的样本帐号的第三真实度参数与预先确定的样本帐号的第三真实度参数之间的误差满足第一条件，待识别帐号的特征值至少包括以下之一：待识别帐号的第一真实度参数、待识别帐号的第二真实度参数、待识别帐号是否被举报、待识别帐号的参数信息是否与身份证信息一致。

图4是根据本发明实施例的一种可选地目标网络模型的输入输出示意图，如图4所示，将待识别帐号的特征值输入目标网络模型之前，还可以通过以下方法训练目标网络模型：

收集负样本、正样本以及已知身份帐号的特征值，其中，负样本为可疑帐号，正样本为真实帐号；

将收集到的数据<Xi,y_i>作为训练样本代入以下公式进行模型训练，得到目标网络模型的参数W1,W2,W3,b1,b2,b3：

F(Xi)＝f(f(Xi*W1+b1)*W2+b2)*W3+b3

其中，f是一个激活函数，F(Xi)表示用户选择x个好友认证的可信度参数，F(Xi)越大，表示可信度越高，且0<＝F(Xi)≤1，Xi是第i个帐号的特征值，y_i是收集到第i条记录的y变量，当帐号i为可疑帐号时，y_i取值为0，当用户i为真实帐号时，y_i取值为1；

当训练次数达到第一预设阈值和/或目标网络模型的参数变化小于第二预设阈值时，停止目标网络模型的训练。

可选地，输入的特征值可以包括但不限于第一真实度参数PR1，第二真实度参数PR2，帐号的真实头像与其对应的目标身份的身份证头像是否一致，帐号的真实姓名与其对应的目标身份的身份证姓名是否一致，帐号是否曾经被举报为假冒帐号等。

可选的一个实施方式中，在根据待识别帐号对应的真实度概率在待识别帐号中确定出可疑帐号之后，已经可以根据真实度概率值确定真实度概率值最大的帐号，可以将其他帐号都认定为可疑帐号，如果要比较集合中任意两个帐号之间的相对可疑概率，可以通过以下步骤实现：

S1，获取可疑帐号中的第一可疑帐号a和第二可疑帐号b；

S2，以第一可疑帐号a和第二可疑帐号b为双中心，建立与第一可疑帐号a和/或第二可疑帐号b具有好友关系的帐号形成的好友关系网络，其中，好友关系网络中包含n个顶点和s条边，每个顶点用于表示好友关系网络中的一个帐号，每条边连接具有好友关系的两个顶点，n和s为大于1的整数；如图5所示可以认为是以用户i和用户j为双中心的自我中心网络(ego network)示意图；

S3，标记好友关系网络的邻接矩阵A，其中，当a和所述b之间有边直接相连时，A_a，b＝1，当a和b之间没有边时，A_a，b＝0，当a＝b时，0_a，b＝1；

S4，根据以下公式确定每个顶点在好友关系网络中的权重值γ：Ax＝γx，其中，x为n维向量，x包括好友关系网络中n个顶点对应的真实度概率，x＝[PR(1),PR(2),PR(3),…..PR(n)]，PR(i)是好友关系网络中顶点i对应的真实度概率，1≤i≤n；

S5，根据矩阵B_a，b确定第一可疑帐号a和第二可疑帐号b真实度相对大小，其中，B_a，b＝exp(γa)/exp(γ_b)，γ_a为所述a在所好友关系网络中的权重值，γ_b为第二可疑帐号b在好友关系网络中的权重值，B_a，b越大，表示a相对b的真实度概率越大。

可选地，根据矩阵B_a，b确定第一可疑帐号a和所述b真实度相对大小之后，所述方法还包括：

S1，对矩阵B经过N次迭代，得到矩阵C，其中，C＝B^N，N为大于1的整数；

S2，根据以下公式计算所述可疑帐号的真实度得分：

其中，xn表示所述目标帐号集合中所述待识别帐号的个数；

S3，根据真实度得分确定可疑帐号的真实度概率值，其中，真实度概率值与真实度得分为正比关系。

可选的一个实施方式中，在根据待识别帐号对应的真实度概率在待识别帐号中确定出可疑帐号之后，上述方法还包括：向与可疑帐号进行信息交互的帐号发送提示信息，其中，提示信息用于向帐号提示存在可疑帐号。

图6根据本发明实施例帐号属性的确定方法一种可选的交互流程图，如图6所示，该方法包括：

步骤S601，帐号A在社交平台C上向帐号B发起交流；

步骤S602，社交平台C针对与帐号B的身份相关的所有的帐号进行识别，可以不限于其中一个社交平台，可以在多个社交平台的综合数据库中获取帐号B的相关帐号；

步骤S603，若识别结果帐号B为可疑帐号，向帐号A发送提示信息，提醒帐号A注意风险，若识别结果帐号B为真实帐号，则不发送提示信息，正常进行交流转发；

步骤S604，若帐号B为真是帐号，且识别出由其他的可疑帐号假冒帐号B，向帐号B发送提示信息，提醒帐号B存在假冒账号，注意风险。

需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。

根据本发明实施例的另一个方面，还提供了一种用于实施上述帐号属性的确定方法的帐号属性的确定装置。图7是根据本发明实施例的帐号属性的确定装置的一种可选的结构框图，如图7所示，该装置包括：

第一获取模块702，用于获取与目标身份相关的待识别帐号；

第二获取模块704，用于根据待识别帐号的真实度参数获取待识别帐号对应的真实度概率，其中，真实度概率用于表示所待识别帐号为目标身份使用的帐号的概率；

第一确定模块706，用于根据待识别帐号对应的真实度概率从待识别帐号中确定目标身份对应的真实帐号和/或可疑帐号，其中，真实帐号为目标身份使用的帐号，可疑帐号为模仿目标身份使用的帐号。

可选地，如图8所示，第二获取模块704包括：

第一获取单元7041，用于获取待识别帐号在社交网络数据中亲属维度上的第一真实度参数，其中，第一真实度参数与社交网络数据中待识别帐号和与待识别帐号具有亲属关系的帐号之间的第一交互操作相关联；

第二获取单元7042，用于获取待识别帐号在社交网络数据中同事维度上的第二真实度参数，其中，第二真实度参数与社交网络数据中待识别帐号和与待识别帐号具有同事关系的帐号之间的第二交互操作相关联；

第三获取单元7043，用于获取待识别帐号在特征维度上的第三真实度参数，其中，第三真实度参数与待识别帐号的特征值相关联；

第四获取单元7044，用于根据第一真实度参数、第二真实度参数以及第三真实度参数获取待识别帐号对应的真实度概率。

可选地，第一真实度参数与社交网络数据中待识别帐号和与待识别帐号具有亲属关系的帐号之间的第一交互操作的操作参数正相关，其中，第一交互操作的操作参数至少包括以下之一：第一交互操作的次数、频率、操作时长；

第二真实度参数与社交网络数据中待识别帐号和与待识别帐号具有同事关系的帐号之间的第二交互操作的操作参数正相关，其中，第二交互操作的操作参数至少包括以下之一：第二交互操作的次数、频率、操作时长。

可选地，第四获取单元包括：

加权子单元，用于对第一真实度参数、第二真实度参数以及第三真实度参数进行加权求和，得到真实度概率，其中，第一真实度参数、第二真实度参数以及第三真实度参数对应的预先设定的权重分别为β1、β2、β3，β1+β2+β3＝1，0≤β1≤1、0≤β2≤1、0≤β3≤1。

可选地，第一获取单元包括：

第一获取子单元，用于从社交网络数据中获取与待识别帐号具有亲属关系的第一帐号集合；

第一确定子单元，用于根据社交网络数据中待识别帐号i与第一帐号集合中的帐号t之间的第一交互操作，确定待识别帐号i与帐号t之间的第一亲密度参数；

第二确定子单元，用于根据待识别帐号i与帐号t之间的第一亲密度参数，确定帐号t对待识别帐号i进行身份认证的第一可信度参数p1_t，i，其中，第一可信度参数p1_t，i的取值与第一亲密度参数的取值正相关；

第三确定子单元，用于通过运行多次以下公式确定出待识别帐号中第i个帐号的第一真实度参数PR1(i)：

其中，PR1(i)的初始值为0至1之间的一个随机值，p1_t，i为第一帐号集合中的第t个帐号对所述待识别帐号中的第i个帐号进行身份认证的第一可信度参数，PR1(t)为第t个帐号的第一真实度参数，alpha1为常数。

可选地，第二获取单元包括：

第二获取子单元，用于从社交网络数据中获取待识别帐号具有同事关系的第二帐号集合；

第四确定子单元，用于根据社交网络数据中待识别帐号i与第二帐号集合中的帐号k之间的第二交互操作，确定待识别帐号i与帐号k之间的第二亲密度参数；

第五确定子单元，用于根据待识别帐号i与帐号k之间的第二亲密度参数，确定帐号k对待识别帐号i进行身份认证的第二可信度参数p2_k，i，其中，第二可信度参数p2_k，i的取值与第二亲密度参数的取值正相关；

第六确定子单元，用于通过运行多次以下公式确定出待识别帐号中第i个帐号的第二真实度参数PR2(i)：

其中，PR2(i)的初始值为0至1之间的一个随机值，p2_k，i为第二帐号集合中的第k个帐号对待识别帐号中的第i个帐号进行身份认证的第二可信度参数，PR2(k)为第k个帐号的第二真实度参数，alpha2为常数。

可选地，第三获取单元包括：

输入子单元，用于将待识别帐号的特征值输入到目标网络模型，得到目标网络模型输出的待识别帐号的第三真实度参数，其中，目标网络模型是使用样本帐号的特征值对初始网络模型进行训练得到的模型，在训练完成时目标网络模型输出的样本帐号的第三真实度参数与预先确定的样本帐号的第三真实度参数之间的误差满足第一条件，待识别帐号的特征值至少包括以下之一：待识别帐号的第一真实度参数、待识别帐号的第二真实度参数、待识别帐号是否被举报、待识别帐号的参数信息是否与身份证信息一致。

可选地，第一确定模块包括：

第一确定单元，用于确定真实度概率最大的待识别帐号为目标身份对应的真实帐号；

第二确定单元，用于确定真实度概率小于预设值待识别帐号为目标身份对应的可疑帐号。

可选地，所述装置还包括：

第三获取模块，用于获取可疑帐号中的第一可疑帐号a和第二可疑帐号b；

建立模块，用于以第一可疑帐号a和第二可疑帐号b为双中心，建立与第一可疑帐号a和/或第二可疑帐号b具有好友关系的帐号形成的好友关系网络，其中，好友关系网络中包含n个顶点和s条边，每个顶点用于表示所述好友关系网络中的一个帐号，每条边连接具有好友关系的两个顶点，n和s为大于1的整数；

标记模块，用于标记好友关系网络的邻接矩阵A，其中，当a和所述b之间有边直接相连时，A_a，b＝1，当a和b之间没有边时，A_a，b＝0，当a＝b时，A_a，b＝1；

第二确定模块，用于根据以下公式确定每个顶点在好友关系网络中的权重值γ：Ax＝γx，其中，x为n维向量，x包括好友关系网络中n个顶点对应的真实度概率，x＝[PR(1),PR(2),PR(3),…..PR(n)]，PR(i)是好友关系网络中顶点i对应的真实度概率，1≤i≤n；

第三确定模块，用于根据矩阵B_a，b确定第一可疑帐号a和第二可疑帐号b真实度相对大小，其中，B_a，b＝exp(γ_a)/exp(γ_b)，γ_a为第一可疑帐号a在好友关系网络中的权重值，γ_b为第二可疑帐号b在好友关系网络中的权重值，B_a，b越大，表示a相对b的真实度概率越大。

可选地，所述装置还包括：

迭代模块，用于对矩阵B经过N次迭代，得到矩阵C，其中，C＝B^N，N为大于1的整数；

计算模块，用于根据以下公式计算可疑帐号的真实度得分：

其中，xn表示目标帐号集合中待识别帐号的个数；

第四确定模块，用于根据真实度得分确定可疑帐号的真实度概率值，其中，真实度概率值与真实度得分为正比关系。

可选地，第一获取模块包括：

第五获取单元，用于获取第一帐号的第一参数信息，其中，第一参数信息与所述目标身份相匹配，第一参数信息至少包括以下之一：帐号头像，帐号昵称，帐号签名；

筛选单元，用于在社交网络数据中筛选与第一帐号具有相同或相似参数信息的第二帐号；

确定单元，用于将第一帐号和第二帐号确定为目标帐号集合中的待识别帐号。

可选地，所述装置还包括：

发送模块，用于向与可疑帐号进行信息交互的帐号发送提示信息，其中，提示信息用于向帐号提示存在所述可疑帐号。

根据本发明实施例的又一个方面，还提供了一种用于实施上述帐号属性的确定方法的电子装置，上述电子装置可以但不限于应用于上述图1所示的服务器112中。如图9所示，该电子装置包括存储器902和处理器904，该存储器902中存储有计算机程序，该处理器904被设置为通过计算机程序执行上述任一项方法实施例中的步骤。

可选地，在本实施例中，上述电子装置可以位于计算机网络的多个网络设备中的至少一个网络设备。

可选地，在本实施例中，上述处理器可以被设置为通过计算机程序执行以下步骤：

S1，获取与目标身份相关的待识别帐号；

S2，根据待识别帐号的真实度参数获取待识别帐号对应的真实度概率，其中，真实度概率用于表示待识别帐号为目标身份使用的帐号的概率；

S3，根据待识别帐号对应的真实度概率从待识别帐号中确定目标身份对应的真实帐号和/或可疑帐号，其中，真实帐号为目标身份使用的帐号，可疑帐号为模仿目标身份使用的帐号。

可选地，本领域普通技术人员可以理解，图9所示的结构仅为示意，电子装置也可以是智能手机(如Android手机、iOS手机等)、平板电脑、掌上电脑以及移动互联网设备(Mobile Internet Devices，MID)、PAD等终端设备。图9其并不对上述电子装置的结构造成限定。例如，电子装置还可包括比图9中所示更多或者更少的组件(如网络接口等)，或者具有与图9所示不同的配置。

其中，存储器902可用于存储软件程序以及模块，如本发明实施例中的帐号属性的确定方法和装置对应的程序指令/模块，处理器904通过运行存储在存储器902内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的数据请求的处理方法。存储器902可包括高速随机存储器，还可以包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器902可进一步包括相对于处理器904远程设置的存储器，这些远程存储器可以通过网络连接至终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。其中，存储器902具体可以但不限于用于储存帐号属性的确定方法的程序步骤。作为一种示例，如图9所示，上述存储器902中可以但不限于包括上述帐号属性的确定装置中的第一获取模块702、第二获取模块704和第一确定模块706。此外，还可以包括但不限于上述帐号属性的确定装置中的其他模块单元，本示例中不再赘述。

可选地，上述的传输装置906用于经由一个网络接收或者发送数据。上述的网络具体实例可包括有线网络及无线网络。在一个实例中，传输装置906包括一个网络适配器(Network Interface Controller，NIC)，其可通过网线与其他网络设备与路由器相连从而可与互联网或局域网进行通讯。在一个实例中，传输装置906为射频(Radio Frequency，RF)模块，其用于通过无线方式与互联网进行通讯。

此外，上述电子装置还包括：显示器908，用于显示可疑帐号的告警推送；和连接总线910，用于连接上述电子装置中的各个模块部件。

本发明的实施例还提供了一种存储介质，该存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。

可选地，在本实施例中，上述存储介质可以被设置为存储用于执行以下步骤的计算机程序：

S1，获取与目标身份相关的待识别帐号；

可选地，存储介质还被设置为存储用于执行上述实施例中的方法中所包括的步骤的计算机程序，本实施例中对此不再赘述。

可选地，在本实施例中，本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：闪存盘、只读存储器(Read-Only Memory，ROM)、随机存取器(Random Access Memory，RAM)、磁盘或光盘等。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

上述实施例中的集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在上述计算机可读取的存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在存储介质中，包括若干指令用以使得一台或多台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。

在本申请的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的客户端，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的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，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

以上所述仅是本申请的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。

Claims

1.一种帐号属性的确定方法，其特征在于，包括：

获取与目标身份相关的待识别帐号；

根据所述待识别帐号的真实度参数获取所述待识别帐号对应的真实度概率，其中，所述真实度概率用于表示所述待识别帐号为所述目标身份使用的帐号的概率；

根据所述待识别帐号对应的真实度概率从所述待识别帐号中确定所述目标身份对应的真实帐号和/或可疑帐号，其中，所述真实帐号为所述目标身份使用的帐号，所述可疑帐号为模仿所述目标身份使用的帐号。

2.根据权利要求1所述的方法，其特征在于，所述根据所述待识别帐号的真实度参数获取所述待识别帐号对应的真实度概率包括：

获取所述待识别帐号在社交网络数据中亲属维度上的第一真实度参数，其中，所述第一真实度参数与所述社交网络数据中所述待识别帐号和与所述待识别帐号具有亲属关系的帐号之间的第一交互操作相关联；

获取所述待识别帐号在社交网络数据中同事维度上的第二真实度参数，其中，所述第二真实度参数与所述社交网络数据中所述待识别帐号和与所述待识别帐号具有同事关系的帐号之间的第二交互操作相关联；

获取所述待识别帐号在特征维度上的第三真实度参数，其中，所述第三真实度参数与所述待识别帐号的特征值相关联；

根据所述第一真实度参数、所述第二真实度参数以及所述第三真实度参数获取所述待识别帐号对应的真实度概率。

3.根据权利要求2所述的方法，其特征在于，

所述第一真实度参数与所述社交网络数据中所述待识别帐号和与所述待识别帐号具有亲属关系的帐号之间的第一交互操作的操作参数正相关，其中，所述第一交互操作的操作参数至少包括以下之一：所述第一交互操作的次数、频率、操作时长；

4.根据权利要求2所述的方法，其特征在于，所述根据所述第一真实度参数、所述第二真实度参数以及所述第三真实度参数获取所述待识别帐号对应的真实度概率，包括：

对所述第一真实度参数、所述第二真实度参数以及所述第三真实度参数进行加权求和，得到所述真实度概率，其中，所述第一真实度参数、所述第二真实度参数以及所述第三真实度参数对应的预先设定的权重分别为β1、β2、β3，β1+β2+β3＝1，0≤β1、β2、β3≤1。

5.根据权利要求2所述的方法，其特征在于，所述获取所述待识别帐号在社交网络数据中亲属维度上的第一真实度参数，包括：

从所述社交网络数据中获取与所述待识别帐号具有亲属关系的第一帐号集合；

根据所述社交网络数据中所述待识别帐号i与所述第一帐号集合中的帐号t之间的第一交互操作，确定所述待识别帐号i与所述帐号t之间的第一亲密度参数；

根据所述待识别帐号i与所述帐号t之间的第一亲密度参数，确定所述帐号t对所述待识别帐号i进行身份认证的第一可信度参数p1_t，i，其中，所述第一可信度参数p1_t，i的取值与所述第一亲密度参数的取值正相关；

通过运行多次以下公式确定出所述待识别帐号中第i个帐号的第一真实度参数PR1(i)：

6.根据权利要求2所述的方法，其特征在于，所述获取所述待识别帐号在社交网络数据中同事维度上的第二真实度参数，包括：

从所述社交网络数据中获取所述待识别帐号具有同事关系的第二帐号集合；

根据所述社交网络数据中所述待识别帐号i与所述第二帐号集合中的帐号k之间的第二交互操作，确定所述待识别帐号i与所述帐号k之间的第二亲密度参数；

根据所述待识别帐号i与所述帐号k之间的第二亲密度参数，确定所述帐号k对所述待识别帐号i进行身份认证的第二可信度参数p2_k，i，其中，所述第二可信度参数p2_k，i的取值与所述第二亲密度参数的取值正相关；

通过运行多次以下公式确定出所述待识别帐号中第i个帐号的第二真实度参数PR2(i)：

7.根据权利要求2所述的方法，其特征在于，所述获取所述待识别帐号在特征维度上的第三真实度参数，包括：

将所述待识别帐号的特征值输入到目标网络模型，得到所述目标网络模型输出的所述待识别帐号的所述第三真实度参数，其中，所述目标网络模型是使用样本帐号的特征值对初始网络模型进行训练得到的模型，在所述训练完成时所述目标网络模型输出的所述样本帐号的第三真实度参数与预先确定的所述样本帐号的第三真实度参数之间的误差满足第一条件，所述待识别帐号的特征值至少包括以下之一：所述待识别帐号的第一真实度参数、所述待识别帐号的第二真实度参数、所述待识别帐号是否被举报、所述待识别帐号的参数信息是否与身份证信息一致。

8.根据权利要求1至7中任一项所述的方法，其特征在于，所述根据所述待识别帐号对应的真实度概率从所述待识别帐号中确定所述目标身份对应的真实帐号和/或可疑帐号包括：

之后，所述方法还包括：

确定所述真实度概率最大的所述待识别帐号为所述目标身份对应的真实帐号；

确定所述真实度概率小于预设值所述待识别帐号为所述目标身份对应的可疑帐号。

9.根据权利要求8所述的方法，其特征在于，所述确定所述真实度概率小于预设值所述待识别帐号为所述目标身份对应的可疑帐号之后，所述方法还包括：

获取所述可疑帐号中的第一可疑帐号a和第二可疑帐号b；

以a和b为双中心，建立与所述a或所述b具有好友关系的帐号形成的好友关系网络，其中，所述好友关系网络中包含n个顶点和s条边，每个所述顶点用于表示所述好友关系网络中的一个帐号，每条边连接具有好友关系的两个顶点，n和s为大于1的整数；

标记所述好友关系网络的邻接矩阵A，其中，当所述a和所述b之间有边直接相连时，A_a，b＝1，当所述a和所述b之间没有边时，A_a，b＝0，当a＝b时，A_a，b＝1；

根据以下公式确定所述每个顶点在所述好友关系网络中的权重值γ：Ax＝γx，其中，x为n维向量，所述x包括所述好友关系网络中n个顶点对应的真实度概率，x＝[PR(1),PR(2),PR(3),…..PR(n)]，PR(i)是所述好友关系网络中顶点i对应的真实度概率，1≤i≤n；

根据矩阵B_a，b确定所述a和所述b真实度相对大小，其中，B_a，b＝exp(γ_a)/exp(γ_b)，γ_a为所述a在所述好友关系网络中的权重值，γ_b为所述b在所述好友关系网络中的权重值，B_a，b越大，表示a相对b的真实度概率越大。

10.根据权利要求9所述的方法，其特征在于，根据矩阵B_a，b确定所述a和所述b真实度相对大小之后，所述方法还包括：

对所述矩阵B经过N次迭代，得到矩阵C，其中，C＝B^N，N为大于1的整数；

根据以下公式计算所述可疑帐号的真实度得分：

其中，xn表示所述目标帐号集合中所述待识别帐号的个数；

根据所述真实度得分确定所述可疑帐号的真实度概率值，其中，所述真实度概率值与所述真实度得分为正比关系。

11.根据权利要求8所述的方法，其特征在于，在确定所述真实度概率小于预设值所述待识别帐号为所述目标身份对应的可疑帐号之后，所述方法还包括：

向与所述可疑帐号进行信息交互的帐号发送提示信息，其中，所述提示信息用于向所述帐号提示存在所述可疑帐号。

12.一种帐号属性的确定装置，其特征在于，包括：

第一获取模块，用于获取与目标身份相关的待识别帐号；

13.根据权利要求12所述的装置，其特征在于，所述第二获取模块包括：

第一获单元，用于获取所述待识别帐号在社交网络数据中亲属维度上的第一真实度参数，其中，所述第一真实度参数与所述社交网络数据中所述待识别帐号和与所述待识别帐号具有亲属关系的帐号之间的第一交互操作相关联；

14.一种存储介质，所述存储介质包括存储的程序，其中，所述程序运行时执行上述权利要求1至11任一项中所述的方法。

15.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为通过所述计算机程序执行所述权利要求1至11任一项中所述的方法。