[发明专利]一种用户识别方法和系统

权利要求书

1.一种可疑用户识别方法，其中包括：

收集用户在使用应用时的用户数据；

对收集到的用户数据进行预处理，生成由多个特征组成的用户信息；以及

根据所述用户信息，利用机器学习模型，确定用户的可疑程度；

其中所述用户的可疑程度至少部分基于当前用户数据之间及其和历史对应数据之间的关联和/或用户行为模式稀有性的增加。

2.根据权利要求1所述的方法，其中所述用户数据包括以下中的一者或多者：

用户的个人信息；

用户行为和行为时间；

用户行为来源以及数字指纹；

用户行为产生的数据；

用户业务数据；以及

与用户账户相关联的帐户信息。

3.根据权利要求1所述的方法，其中所述用户数据进行预处理包括：

将收集到的用户数据进行格式和/或类型的转化；

将转化后的用户数据进行特征分割、合并和/或重组，获得多个特征值；以及

将所述多个特征值写入用户信息中对应的多个特征字段。

4.根据权利要求1或3所述的用户识别方法，其中所述特征为用户设备特征、用户行为特征和用户业务特征中的一种或多种。

5.根据权利要求1所述的方法，其中所述机器学习模型包括以下中的一者或者多者的联用或组合：

分类机器学习模型；

回归机器学习模型；以及

无监督机器学习模型。

6.根据权利要求1所述的方法，其中确定用户的可疑程度包括确定用户可疑程度的评分分数。

7.根据权利要求1所述的方法，进一步地包括：利用机器学习模型根据多个用户的用户信息，将用户分组为一个或多个用户群组；获得所述一个或多个用户群组的共性参数及其值。

8.根据权利要求7所述的方法，进一步包括：根据一个或多个用户群组的共性参数及其值确定对应的用户群组是否为可疑用户群组。

9.根据权利要求1所述的方法，其中用户数据之间的关联包括用户设备之间的关联，所述用户设备之间的关联包括以下的一者或多者：

多个用户设备属于同一用户；

多个用户设备属于与同一用户有关联的多个用户；以及

多个用户设备属于与多个用户有关联的多个用户。

10.根据权利要求1所述的方法，其中用户行为模式稀有性的增加包括以下的一者或多者：

识别出批量用户的稀有性行为模式；

行为模式稀有性增加超过预定的阈值；

行为模式稀有性增加的时间段小于预定时间段；以及

行为模式稀有性增加与一个用户或多个关联用户有关。

11.一种客户端设备，包括：

显示器，用于向用户提供应用操作界面；

通信单元；以及

处理器，其与显示器和通信单元连接；

其中，所述处理器经配置包括：

埋点数据采集单元，经配置用以采集页面埋点获得用户数据；和

系统广播监控单元，经配置用以采用第三方SDK监控用户设备的系统广播消息以获得用户数据；

所述通信单元经配置以将收集到的用户数据提供给服务端。

12.根据权利要求11所述的客户端设备，其中所述处理器经进一步配置，以将收集到的用户数据进行预处理，生成由多个特征组成的用户信息，并通过所述通信单元将所述用户信息提供给服务端。