[发明专利]异常检测方法、装置及计算机设备

说明书

本申请涉及一种异常检测方法、装置及计算机设备，该方法包括：获取各用户标识分别对应的用户行为记录；提取各所述用户行为记录中包括的特征；确定所述用户行为记录中对应于各所述特征的各属性值的异常度；根据所述各属性值的异常度对各所述用户标识进行聚类，得到用户组别；确定每个用户组别的异常度；选取异常度大于或等于预设异常阈值的用户组别，得到异常用户组别。本申请的方案，降低了异常检测成本。

技术领域

本发明涉及计算机技术领域，特别是涉及一种异常检测方法、装置及计算机设备。

背景技术

随着科学技术的飞速发展，互联网时代已然到来。然而，伴随着互联网行业蓬勃发展的同时，为了获利，一些不法的黑色产业也逐步产生。黑色产业往往会通过批量注册和操纵大量的恶意用户账号来最大化地获取利益，因此，识别出这些恶意用户账号非常重要。

传统方法中，通常是使用人工添加标注的样本数据进行有监督的机器学习训练，以训练出分类器模型，通过训练好的分类器模型来检测异常的恶意的用户账号，从而识别出属于黑色产业的恶意团伙。然而，人工添加标注会耗费大量人工成本。

发明内容

基于此，有必要针对传统方法中耗费大量人工成本的问题，提供一种异常检测方法、装置、计算机设备及存储介质。

一种异常检测方法，所述方法包括：

获取各用户标识分别对应的用户行为记录；

提取各所述用户行为记录中包括的特征；

确定所述用户行为记录中对应于各所述特征的各属性值的异常度；

根据所述各属性值的异常度对各所述用户标识进行聚类，得到用户组别；

确定每个用户组别的异常度；

选取异常度大于或等于预设异常阈值的用户组别，得到异常用户组别。

一种异常检测装置，所述装置包括：

特征提取模块，用于获取各用户标识分别对应的用户行为记录；提取各所述用户行为记录中包括的特征；

属性异常度评估模块，用于确定所述用户行为记录中对应于各所述特征的各属性值的异常度；

聚类模块，用于根据所述各属性值的异常度对各所述用户标识进行聚类，得到用户组别；

组别异常度评估模块，用于确定每个用户组别的异常度；

异常识别模块，用于选取异常度大于或等于预设异常阈值的用户组别，得到异常用户组别。

一种计算机设备，其特征在于，包括存储器和处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如下步骤：

获取各用户标识分别对应的用户行为记录；

提取各所述用户行为记录中包括的特征；

确定所述用户行为记录中对应于各所述特征的各属性值的异常度；

根据所述各属性值的异常度对各所述用户标识进行聚类，得到用户组别；

确定每个用户组别的异常度；

选取异常度大于或等于预设异常阈值的用户组别，得到异常用户组别。

一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如下步骤：

获取各用户标识分别对应的用户行为记录；

提取各所述用户行为记录中包括的特征；