[发明专利]一种基于订单属性和用户行为的反作弊识别方法及系统

权利要求书

1.一种基于订单属性和用户行为的反作弊识别方法，其特征在于，包括：

获取所述订单的属性信息和所述订单相关的用户的行为信息；

根据所述属性信息和所述行为信息，通过作弊预测模型获得所述订单的作弊概率；

将所述订单的作弊概率与第一阈值相比较，如果所述订单的作弊概率大于所述第一阈值，则判断所述订单为作弊订单。

2.根据权利要求1所述的方法，其特征在于，如果所述订单的作弊概率小于等于所述第一阈值，则判断所述订单为正常订单。

3.根据权利要求1所述的方法，其特征在于，在所述判断所述订单为作弊订单后，所述方法还包括：

增加所述作弊订单对应的用户的作弊订单数；

将所述作弊订单数与第二阈值相比较，若所述作弊订单数大于第二阈值，则判断所述用户为作弊用户。

4.根据权利要求1所述的方法，其特征在于，在所述通过作弊预测模型获得所述订单的作弊概率之前，所述方法还包括：

获取订单样本集合，所述订单样本集合中的至少一个订单样本包括订单的属性信息、所述用户在该订单样本的行为信息及所述用户的历史行为信息；

根据所述订单样本集合，采用机器学习算法，训练得到所述作弊预测模型。

5.根据权利要求4所述的方法，其特征在于，在所述根据所述订单样本集合，采用机器学习算法，训练得到所述作弊预测模型之前，还包括：

基于判断规则识别所述订单样本集合的每一个订单样本的订单类别，所述订单类别为正样本或负样本。

6.根据权利要求5所述的方法，其特征在于，在所述训练得到所述作弊预测模型之后，还包括：

对所述作弊预测模型的参数进行优化，直至优化后的所述作弊预测模型识别作弊订单的正确率达到第三阈值；其中，所述识别作弊订单的正确率包括所述负样本识别的召回率和所述负样本识别的准确率。

7.根据权利要求1至6任一项所述的方法，其特征在于，所述用户包括乘客和司机。

8.根据权利要求7所述的方法，其特征在于，所述用户的历史行为信息包括以下信息的一种或多种：所述乘客的历史作弊行为、所述乘客的注册时间、所述乘客的手机号/设备是否是黑名单用户、所述司机的历史作弊行为、所述司机的注册时间及所述司机在预设时间段内的订单数。

9.根据权利要求7所述的方法，其特征在于，所述属性信息包括以下信息的一种或多种：所述乘客的发单时间、所述乘客的发单区域、所述司机完成所述订单的速度、所述订单的距离费用比及所述司机完成所述订单的时间；

所述行为信息包括以下信息的一种或多种：所述司机的行驶速度、所述司机的行驶轨迹、所述乘客距离订单起点的位置及所述乘客支付时距离终点的位置。

10.一种基于订单属性和用户行为的反作弊识别系统，其特征在于，包括：

第一获取单元，用于获取所述订单的属性信息和所述订单相关的用户的行为信息；

第二获取单元，用于根据所述属性信息和所述行为信息，通过作弊预测模型获得所述订单的作弊概率；

第一判定单元，用于将所述订单的作弊概率与第一阈值相比较，如果所述订单的作弊概率大于所述第一阈值，则判断所述订单为作弊订单。

11.根据权利要求10所述的系统，其特征在于，所述系统还包括：

记录单元，用于在所述判断所述订单为作弊订单后，增加所述作弊订单对应的用户的作弊订单数；

第二判定单元，用于将所述作弊订单数与第二阈值相比较，若所述作弊订单数大于第二阈值，则判断所述用户为作弊用户。