[发明专利]一种识别行为异常用户的方法及装置

说明书

本发明公开了一种识别行为异常用户的方法，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衍生指标进行筛选，生成包括显著指标的第二信息表；将第一信息表和第二信息表结合，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。本发明还公开了一种识别行为异常用户的装置。采用本发明提供的识别行为异常用户的方法及装置，可以减少算法模型上线后的调整优化时间。

技术领域

本发明涉及计算机技术领域，尤其涉及一种识别行为异常用户的方法及装置。

背景技术

现有技术中识别异常呼叫用户或诈骗号码时，一般先通过用户自主标记、警方与信安部提供黑名单、第三方友商渠道等建立或搜集黑名单，对黑名单进行分类后建立数据库，再将当前号码与数据库进行比对进行当前号码识别。该方法不能有效实时发现行为异常的用户或是涉及诈骗的号码。

另一种识别异常呼叫用户或诈骗号码的方案中，通过算法针对用户行为进行分析并形成算法模型，该方案能透过现有的数据测试算法模型是否正确，并在算法模型实际上线运作后逐步调整优化，但算法模型从上线到稳定运行所需时间较长，从而导致在较长时间内无法识别行为异常用户。

发明内容

为解决上述技术问题，本发明实施例提供一种识别行为异常用户的方法及装置，以减少算法模型上线后的调整优化时间。

本发明实施例的技术方案是这样实现的：

本发明实施例提供一种识别行为异常用户的方法及装置，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；

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。

上述方案中，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。

上述方案中，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。

上述方案中，所述使用第一筛选策略对所述衍生指标进行筛选，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。