[发明专利]计算机盗帐户识别方法及系统

权利要求书

1.一种计算机盗帐户识别方法，其特征在于，该方法包括以下步骤：

获取可疑交易的数据；

从所述可疑交易的数据中提取出所述可疑交易在第一设定时间段的案发时特征数据和案发后特征数据；

根据所述案发时特征数据和所述案发后特征数据计算得分；

判断所述得分是否大于第一阈值，若所述得分大于第一阈值，则确认所述可疑交易为盗帐户案件。

2.根据权利要求1所述的计算机盗帐户识别方法，其特征在于，所述案发后特征数据包括所述可疑交易在第一设定时间段的删除数据项；

所述“根据所述案发时特征数据和所述案发后特征数据计算得分”的步骤中包括以下子步骤：

根据可疑删除数据表对所述可疑交易在第一设定时间段的删除数据项进行识别并统计，得到所述可疑交易在第一设定时间段的可疑删除数据项的数量，所述可疑删除数据表限定了可疑删除数据项；

判断所述可疑删除数据项的数量是否大于第二阈值，若大于，则在所述得分中增加相应分数。

3.根据权利要求1所述的计算机盗帐户识别方法，其特征在于，所述案发时特征数据包括所述可疑交易的IP地址；

所述“根据所述案发时特征数据和所述案发后特征数据计算得分”的步骤中包括以下子步骤：

在地址信用表中查询所述可疑交易的IP地址的信用级别，所述地址信用表限定了IP地址的信用级别；

至少部分地根据所述IP地址的信用级别计算得分。

4.根据权利要求1所述的计算机盗帐户识别方法，其特征在于，所述案发后特征数据包括是否存在销毁作案痕迹、案件发生前后的收支情况的差异性、嫌疑盗用者与资金收益方是否有后续的资金往来、是否多次卡边金额操作、案件发生后是否有找回密码操作、是否在特殊时段操作以及是否多次销赃操作。

5.根据权利要求1所述的计算机盗帐户识别方法，其特征在于，所述案发时特征数据包括交易环境是否为黑环境、账户在过去一段时间内登录不同环境的次数、买家最近一段时间的交易习惯是否发生变化以及账户在交易环境下的交易特征是否发生变化。

6.根据权利要求1至5中任一项所述的计算机盗帐户识别方法，其特征在于，在所述获取可疑交易的数据的步骤前还包括以下步骤：

获取所有历史交易的数据；

从所述历史交易的数据中提取每一历史交易在第二设定时间段的案发时特征数据和案发后特征数据；以及

对每一历史交易的案发时特征数据和案发后特征数据进行统计分析并建立识别模型；

在根据所述案发时特征数据和所述案发后特征数据计算得分的步骤中，所述得分通过所述识别模型进行计算。

7.根据权利要求6所述的计算机盗帐户识别方法，其特征在于，对每一历史交易的案发时特征数据和案发后特征数据进行统计分析并建立识别模型的步骤中包括以下子步骤：

对每一历史交易在所述第二设定时间段中缺失的案发时特征数据和案发后特征数据进行补齐；

去除所述案发时特征数据和所述案发后特征数据的离群数据点；

对所述案发时特征数据和所述案发后特征数据进行统计分布分析；

对所述案发时特征数据和所述案发后特征数据进行分散并进行回归建模。

8.一种计算机盗账户识别系统，其特征在于，该系统包括：

第一获取模块，用于获取可疑交易的数据；

第一提取模块，用于从所述第一获取模块获取的可疑交易的数据中提取出所述可疑交易在第一设定时间段的案发时特征数据和案发后特征数据；

计算模块，用于根据所述第一提取模块提取的所述案发时特征数据和所述案发后特征数据计算得分；

判断模块，用于判断所述计算模块计算的得分是否大于第一阈值；以及

判定模块，用于若所述判断模块确认所述得分大于第一阈值，则确认所述可疑交易为盗帐户案件。