[发明专利]被盗帐号的检测方法、装置及系统

权利要求书

1.一种被盗帐号的识别方法，其特征在于，包括：

服务器检测用户终端通过用户帐号进行操作的数据，根据预置规则判断与每个用户帐号相关的数据是否发生异常，所述与每个用户帐号相关的数据包括多种类型，每种类型对应一个类型标识；收集数据发生异常的用户帐号以及发生异常的数据所对应的所述类型标识；

根据所收集的每个用户帐号所对应的类型标识以及预存的每个类型标识对应的被盗概率值，计算每个所收集的用户帐号被盗的联合概率；

判断所述用户帐号被盗的联合概率是否大于预设阈值，若是，则确定所述用户帐号已被盗，并将所述用户帐号存储在被盗帐号库中。

2.根据权利要求1所述的方法，其特征在于，所述与每个用户帐号相关的数据的类型包括：所述用户帐号的登录数据、所述用户帐号的虚拟财产的消费数据、所述用户帐号向其他用户帐号发送的文本数据、以及所述用户帐号向其他用户帐号发送的图片数据中的一种或几种。

3.根据权利要求2所述的方法，其特征在于，所述预置规则包括：

如果所述用户帐号的登录数据中的登录密码发生改变、或者登录地点发生改变、或者登录时所使用的用户终端发生改变，则判定该类型的数据发生异常；或者

如果所述用户帐号的虚拟财产的消费数据中的消费金额超过预定额度或者消费频率超过预定频率，则判定该类型的数据发生异常；或者

如果所述用户帐号向其他用户帐号发送的文本数据中包括广告信息，则判定该类型的数据发生异常；或者

如果所述用户帐号向其他用户帐号发送的图片数据中包括色情图片，则判定该类型的数据发生异常。

4.根据权利要求1所述的方法，其特征在于，所述预存的每个类型标识对应的被盗概率值通过样本分析计算获得，包括：

采集多个被盗帐号样本以及多个正常帐号样本；

统计所述多个被盗帐号样本中与每个类型标识对应的异常样本数量以及所述多个正常帐号样本中与每个类型标识对应的异常样本数量；

根据与每个类型标识对应的正常样本数量、异常样本数量以及被盗帐号样本和正常帐号样本的总数量，计算每个类型标识对应的被盗概率值。

5.根据权利要求1所述的方法，其特征在于，通过贝叶斯算法计算每个所收集的用户帐号被盗的联合概率。

6.一种被盗帐号的识别方法，其特征在于，包括：

检测服务器检测用户终端通过用户帐号进行操作的不同类型的数据，根据预置规则判断与每个用户帐号相关的各种类型的数据是否发生异常，如果发生异常，将发生异常的该种类型对应的类型标识以及所述用户帐号发送给计算服务器；

计算服务器收集数据发生异常的用户帐号以及发生异常的数据所对应的所述类型标识，根据所收集的每个用户帐号所对应的类型标识以及预存的每个类型标识对应的被盗概率值，计算每个所收集的用户帐号被盗的联合概率，并判断所述用户帐号被盗的联合概率是否大于预设阈值，若是，则确定所述用户帐号已被盗，并将所述用户帐号发送给存储服务器进行存储。

7.一种被盗帐号的识别装置，其特征在于，包括：

检测及判断模块，用于检测用户终端通过用户帐号进行操作的数据，根据预置规则判断与每个用户帐号相关的数据是否发生异常，所述与每个用户帐号相关的数据包括多种类型，每种类型对应一个类型标识；

收集模块，用于收集数据发生异常的用户帐号以及发生异常的数据所对应的所述类型标识；

计算模块，用于根据所收集的每个用户帐号所对应的类型标识以及预存的每个类型标识对应的被盗概率值，计算每个所收集的用户帐号被盗的联合概率；

判断及存储模块，用于判断所述用户帐号被盗的联合概率是否大于预设阈值，若是，则确定所述用户帐号已被盗，并将所述用户帐号存储在被盗帐号库中。

8.根据权利要求7所述的装置，其特征在于，所述与每个用户帐号相关的数据的类型包括：所述用户帐号的虚拟财产的消费数据、所述用户帐号向其他用户帐号发送的文本数据、以及所述用户帐号向其他用户帐号发送的图片数据中的一种或几种。