[发明专利]一种用户识别方法和系统

说明书

本发明涉及用户识别方法和系统。所述用户识别方法包括：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。所述用户识别系统包括：应用接口；用于接收客户端的用户数据或用户信息；和计算核心；计算核心经配置以利用用户数据或用户信息，利用机器学习模型，确定用户的可疑程度。本发明可洞察可疑的用户及其作弊状态，及时预警，也可以结合业务手段和策略，对作弊用户进行相应的处理，从而保护守法用户的正当权益，减少应用平台的损失。

技术领域

本发明涉及一种网络应用技术领或，特别地涉及一种用户识别方法和系统。

背景技术

随着网络应用，尤其是各类移动应用的发展，各类应用为人们提供了越来越便利的生活。然而，目前在网络社交媒体应用中频繁出现的水军、为了获取应用提供的优惠而出现的欺骗行为，，从用户的角度来说，影响了真正用户应获取的优惠和利益；从应用提供者的角度而言，既被恶意用户套取了利益，也没有达到鼓励用户提高应用使用率的目的。因而，对于这些恶意用户的识别成为了目前网络应用领域中的一项难题。

发明内容

针对现有技术中存在的技术问题，本发明提出了一种用户识别方法和系统，用于识别当前各类应用的恶意用户。

为解决上述技术问题，本发明提供了一种用户识别方法，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。

优选地，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。

优选地，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。

优选地，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。

优选地，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。

优选地，确定用户的可疑程度包括确定用户可疑程度的评分分数。

优选地，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。

优选地，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。