[发明专利]一种识别行为异常用户的方法及装置

权利要求书

1.一种识别行为异常用户的方法，其特征在于，所述方法包括：

根据黑号码库和白号码库在全量话单的信令数据中获取训练信令数据和测试信令数据；

获取训练信令数据中特征值与目标的特征值相关性较高的第一信令数据；

根据所述第一信令数据的特征值和时间粒度生成包括衍生指标的第一信息表；

使用第一筛选策略对所述衍生指标进行筛选，生成包括显著指标的第二信息表；其中，所述使用第一筛选策略对所述衍生指标进行筛选，生成包括显著指标的第二信息表，包括：对所述衍生指标的特征值两两之间的相关性进行相关分析，根据分析结果将多余特征值筛除；对所述衍生指标的特征值与目标的特征值的相关性进行维规约分析，根据分析结果将不相关特征值筛除；再对所述衍生指标进行方差分析和/或去噪处理，得到显著指标，并形成包含显著指标的第二信息表；

将所述第一信息表和所述第二信息表结合，生成训练信息表；

基于所述训练信息表建立第一模型，并使用所述测试信令数据对所述第一模型进行测试，得到测试结果；

根据所述测试结果对所述第一模型进行评估，得到评估优化后的第二模型，以识别行为异常用户。

2.根据权利要求1所述的方法，其特征在于，所述根据黑号码库和白号码库在全量话单的信令数据中获取训练信令数据和测试信令数据，包括：

从数据库中取出全量话单的信令数据；

根据黑号码库和白号码库，在全量话单中获取黑样本数据和白样本数据；

通过黑样本数据和白样本数据在全量话单的信令数据中获取训练信令数据和测试信令数据。

3.根据权利要求2所述的方法，其特征在于，所述获取训练信令数据中特征值与目标的特征值相关性较高的第一信令数据，包括：

将训练信令数据中特征值与目标的特征值无关的信令数据或特征值为噪声的信令数据删除，获取训练信令数据中特征值与目标的特征值相关性较高的第一信令数据。

4.根据权利要求1至3任一项所述的方法，其特征在于，所述基于所述训练信息表建立第一模型，并使用所述测试信令数据对所述第一模型进行测试，得到测试结果，包括：

基于所述训练信息表和分类算法构建分类器，并使用测试信令数据对所述分类器进行测试，并记录相应测试结果。

5.根据权利要求4所述的方法，其特征在于，所述根据所述测试结果对所述第一模型进行评估，包括：

对所述第一模型的预测效果和运行效果分别进行评估。

6.根据权利要求2或3所述的方法，其特征在于，所述通过黑样本数据和白样本数据在全量话单的信令数据中获取训练信令数据，包括：

获取全部黑样本数据和部分白样本数据组成所述训练信令数据；其中，

所述黑样本数据的数量占所述训练信令数据数量的第一阈值范围；

在全量话单的信令数据中随机抽取的白样本数据的数量占所述训练信令数据数量的第二阈值范围。

7.一种识别行为异常用户的装置，其特征在于，所述装置包括：

第一获取单元，用于根据黑号码库和白号码库在全量话单的信令数据中获取训练信令数据和测试信令数据；

第二获取单元，用于获取训练信令数据中特征值与目标的特征值相关性较高的第一信令数据；

第一生成单元，用于根据所述第一信令数据的特征值和时间粒度生成包括衍生指标的第一信息表；

第二生成单元，用于使用第一筛选策略对所述衍生指标进行筛选，生成包括显著指标的第二信息表；其中，所述第二生成单元具体用于：对所述衍生指标的特征值两两之间的相关性进行相关分析，根据分析结果将多余特征值筛除；对所述衍生指标的特征值与目标的特征值的相关性进行维规约分析，根据分析结果将不相关特征值筛除；再对所述衍生指标进行方差分析和/或去噪处理，得到显著指标，并形成包含显著指标的第二信息表；

第三生成单元，用于将所述第一信息表和所述第二信息表结合，生成训练信息表；

建模分析单元，用于基于所述训练信息表建立算法模型，并使用所述测试信令数据对所述算法模型进行测试；

评估单元，用于对测试后的所述算法模型进行评估，得到最优算法模型。