[发明专利]异常行为分析方法、电子设备及计算机程序产品

说明书

本申请实施例中提供了一种异常行为分析方法、电子设备及计算机程序产品。采用本申请中的方案，根据用户标识openID对风控数据进行特征提取，得到各openID的特征，再对各openID的特征进行首次异常行为识别，并将分析结果作为新特征加入openID特征中，再对加入后的openID特征进行再次异常行为识别，得到最终的识别结果，本申请分析的风控数据不再基于发现问题再回溯源数据确定异常行为，而是基于数据本身确定异常行为，可以进行及时反馈，避免造成损失。

技术领域

本申请涉及信息安全技术，具体地，涉及一种异常行为分析方法、电子设备及计算机程序产品。

背景技术

随着互联网本地在线服务的快速发展，越来越多的交易正在从传统的线下传统渠道迁移到在线、实时的平台上，互联网平台为了培育市场，也在运营和推广中投入了大量资金。但从另一个角度来看，这也给互联网“黑色产业”提供了滋生的土壤。有别于传统风控，互联网在线业务风控面临的风险形式多样、变化快，可以利用的信息冗杂，长此以往，电商不仅宣传力度大打折扣，店铺利润也因薅羊毛行为大幅下滑，因此，对线上异常风险的挖掘是很有必要的。

当今技术主要停留在事后分析层面，风控部门往往是在交易发生之后拿到相关数据进行单纯的数据统计分析，得到相关维度后进行可视化，由峰值或者曲线异常点发现问题所在，再回溯到源数据中找到相关用户标识，最后以该用户的其他相关信息，找出可疑用户关联的IP地址、useragent(用户代理)以及deviceID(设备标识)，再根据这些信息关联出其他用户标识，以此来发现批量注册的存在。

但此种分析方法发生在交易完成之后，且过于被动，分析滞后时间过长，反馈不及时，造成的损失同样无法弥补。

发明内容

本申请实施例中提供了一种异常行为分析方法、电子设备及计算机程序产品。

根据本申请实施例的第一个方面，提供了一种异常行为分析方法，包括：

S101，获取第一风控数据，所述第一风控数据的字段包括用户标识openID；

S102，提取所述第一风控数据的特征，得到各openID的第一特征；

S103，对各openID的第一特征进行首次异常行为识别，得到各openID的初始异常行为分析结果；

S104，根据各openID的初始异常行为识别结果和各openID的第一特征，形成各openID的第二特征；

S105，对各openID的第二特征进行再次异常行为识别，得到各openID的最终异常行为分析结果。

根据本申请实施例的第二个方面，提供了一种电子设备，所述电子设备包括：显示器，存储器，一个或多个处理器；以及一个或多个模块，所述一个或多个模块被存储在所述存储器中，并被配置成由所述一个或多个处理器执行，所述一个或多个模块包括用于执行上述第一个方面任一所述方法中各个步骤的指令。

根据本申请实施例的第三个方面，提供了一种计算机程序产品，所述计算机程序产品对用于执行一种过程的指令进行编码，所述过程包括上述第一个方面中任一项所述的方法。

采用本申请实施例中提供的方法，根据用户标识openID对风控数据进行特征提取，得到各openID的特征，再对各openID的特征进行首次异常行为识别，并将分析结果作为新特征加入openID特征中，再对加入后的openID特征进行再次异常行为识别，得到最终的识别结果，本申请分析的风控数据不再基于发现问题再回溯源数据确定异常行为，而是基于数据本身确定异常行为，可以进行及时反馈，避免造成损失。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：