[发明专利]识别网站的潜在恶意用户的方法和装置

权利要求书

1.一种识别网站的潜在恶意用户的方法，包括：

基于用户基础数据和业务数据，使用Fast Unfolding算法生成社区网络图；

从所述社区网络图获取社区信息，所述社区信息包括社区网络图的社区属性和图属性；

基于用户基础数据、业务数据和所属社区的社区信息，生成宽表，基于宽表生成衍生字段，所述衍生字段是能够用于判断用户是否为恶意用户的字段；

将被选择用于训练的用户的特征数据作为训练数据，使用随机森林算法进行建模，得到随机森林模型，其中特征数据包括用户的基本信息、用户的社区信息、以及相应衍生字段；以及

使用随机森林模型进行恶意用户识别。

2.根据权利要求1所述的方法，其中，用户基础数据包括用户基本信息和注册信息，用户业务数据包括用户在该网站进行业务活动的数据。

3.根据权利要求1所述的方法，其中，生成社区网络图包括：

基于用户基础数据和业务数据，根据用户间的关系生成边数据，具有关系的两个用户之间有一条边，边的源顶点ID和目标顶点ID分别为有关系的两个用户的ID号，边的属性信息包括用户关系值和/或用户关系类型；

使用边数据生成包括边和顶点的初始图；

对初始图运行Fast Unfolding算法，生成社区网络图并计算各社区的模块度值。

4.根据权利要求1所述的方法，其中：

社区属性包括以下三个属性：用户所属社区、用户所属社区用户数、用户所属社区模块度；以及

图属性包括用户所在社区的图的度属性。

5.根据权利要求1所述的方法，其中，所述衍生字段包括以下任意一个或多个：使用相同下单ip对相同商品下单的用户数；同一天使用相同下单ip和相同收货地的下单量；用户所在社区的度的总和。

6.根据权利要求1所述的方法，其中，使用随机森林算法进行建模包括：

设置随机森林算法的目标变量、特征数据及算法参数，并生成Pipeline对象，所述Pipeline是spark框架提供的用于构建机器学习工作流应用的库，目标变量是一个标识用户是否是恶意用户的字段，算法参数包括以下的任意一个或多个：树的最大深度、特征的最大分箱数、每个叶节点的最小实例数、最小信息增益、特征子集采样策略、树的棵数；以及

使用训练数据作为入参并使用训练数据训练Pipeline对象，得到随机森林模型。

7.根据权利要求1所述的方法，其中，使用随机森林模型进行恶意用户识别包括：

加载待识别用户及其相应的特征数据；以及

使用随机森林模型基于特征数据进行恶意用户识别并输出识别结果。

8.一种识别网站的潜在恶意用户的装置，包括：

用于基于用户基础数据和业务数据，使用Fast Unfolding算法生成社区网络图的装置；

用于从所述社区网络图获取社区信息的装置，所述社区信息包括社区网络图的社区属性和图属性；

用于基于用户基础数据、业务数据和所属社区的社区信息，生成宽表，基于宽表生成衍生字段的装置，所述衍生字段是能够用于判断用户是否为恶意用户的字段；

用于将被选择用于训练的用户的特征数据作为训练数据，使用随机森林算法进行建模，得到随机森林模型的装置，其中特征数据包括用户的基本信息、用户的社区信息、以及相应衍生字段；以及

用于使用随机森林模型进行恶意用户识别的装置。

9.根据权利要求8所述的装置，其中，用户基础数据包括用户基本信息和注册信息，用户业务数据包括用户在该网站进行业务活动的数据。