[发明专利]一种电商行业作弊行为的检测方法及装置

权利要求书

1.一种电商行业作弊行为的检测方法，其特征在于，所述方法包括：

接收用户分析请求，所述用户分析请求中包括检测时段以及各个待分析用户终端的标识信息，所述待分析用户终端为在所述检测时段内登录过电商企业服务器的用户终端；

以所述待分析用户终端的标识信息为索引，提取出所述待分析用户终端在所述检测时段内产生的X数据记录XDR数据；

从所述待分析用户终端产生的所述XDR数据中获得所述待分析用户终端的位置信息以及操作属性统计量；

按照所述待分析用户终端之间的位置信息和操作属性统计量的相似性，将所述待分析用户终端划分为若干用户终端群组；

从同一用户终端群组中各用户终端的XDR数据中获得各用户终端的操作行为；将所述同一用户终端群组按照操作行为的相似性划分为若干用户终端子分组；将操作行为的相似性大于预设阈值的用户终端子分组内的用户终端确定为作弊用户终端。

2.根据权利要求1所述的方法，其特征在于，所述从所述待分析用户终端产生的所述XDR数据中获得所述待分析用户终端的位置信息包括：

根据所述XDR数据中记录的基站的位置信息，计算获得所述待分析用户终端的位置信息；

或者，从所述XDR数据中提取所述待分析用户终端的位置信息。

3.根据权利要求2所述的方法，其特征在于，所述从所述XDR数据中提取所述待分析用户终端的位置信息，包括：

在所述XDR数据中的网络接口与预存的对应关系表中的网络接口匹配上时，从所述XDR数据中匹配上的网络接口对应的位置字段处提取出所述待分析用户终端的位置信息，所述对应关系表中包括网络接口和位置字段的对应关系。

4.根据权利要求1所述的方法，其特征在于，所述按照所述待分析用户终端之间的位置信息和操作属性统计量的相似性，将所述待分析用户终端划分为若干用户终端群组，包括：

由所述待分析用户终端的位置信息、操作属性统计量构成待分析用户终端的特征向量，计算各待分析用户终端的特征向量之间的加权距离，其中，待分析用户终端的位置信息的权重大于操作属性统计量的权重；

根据所述各待分析用户终端的特征向量之间的加权距离采用聚类算法，通过多次迭代将所述待分析用户终端聚类划分为若干用户终端群组。

5.根据权利要求1所述的方法，其特征在于，所述从同一用户终端群组中各用户终端的XDR数据中获得各用户终端的操作行为；将所述同一用户终端群组按照操作行为的相似性划分为若干用户终端子分组；将操作行为的相似性大于预设阈值的用户终端子分组内的用户终端确定为作弊用户终端，包括：

从同一用户终端群组中各用户终端的XDR数据中获得各用户终端的操作时间和操作类型；

将各用户终端的操作时间和操作类型进行编码获得各用户终端的操作时间序列码；

计算同一用户终端群组内各个用户终端之间的操作时间序列码的闵可夫斯基距离；

根据所述同一用户终端群组内各个用户终端之间的闵可夫斯基距离，采用聚类算法，通过多次迭代将所述同一用户终端群组聚类划分成若干用户终端子分组；

计算所述用户终端子分组内各用户终端之间的闵可夫斯基距离的均值和方差；在所述均值小于预设第一阈值且所述方差小于预设第二阈值时，确定所述用户终端子分组内的用户终端确定为作弊用户终端。