[发明专利]一种基于无监督算法的养卡号码检测方法及系统

说明书

本发明实施例提供了一种基于无监督算法的养卡号码检测方法及系统，方法包括：1)、采集运营商电渠登录日志数据；2)、从登录日志数据中获取用户的登录行为特征，并将用户的登录行为特征作为第一特征集合，将对应于用户的登录行为特征的高维统计特征作为第二特征集合；3)、利用孤立森林算法识别出第一特征集合对应的各个异常群体；并使用聚类算法对第二特征集合中的特征进行聚类，得到若干个聚类，并根据登录行为特征的稳定性获取异常聚类；4)、根据异常群体所对应的号码中被聚类到异常聚类中的数量与，异常群体所对应的号码的比例，确定异常群体对应的号码是否属于养卡号码。应用本发明实施例，可以提高养卡号码识别的准确率。

技术领域

本发明涉及一种养卡识别方法及系统，具体涉及一种基于无监督算法的养卡号码检测方法及系统。

背景技术

随着互联网经济的快速发展，各种网络灰色产业也越来越多的浮现出来，其中，以羊毛党、刷分党等最为显著，这些人通过掌握的大量账号进行网络操作牟取非法利益。上述网络灰色产业的基础就是需要进行养卡操作，养卡是指某些人为了牟取不正当利益，利用某些漏洞或不正当手段获取大量已激活电话卡，这些卡虽然每月会正常缴纳使用费，但实际并没有人真正使用。如代理商可能为了获取运营商提供的酬金，批量激活电话卡制造虚假发展量。对于游走在灰色地带的羊毛党乃至进行诈骗的犯罪分子来说，拥有不同“身份”是其开始“职业生涯”的第一步，这也就意味着提供恶意注册、养卡的黑产从业者其实是互联网黑产或某些犯罪行为的源头，因此提高对养卡号码的识别技术，能够降低企业损失，有利于预防和阻止各类违法犯罪活动，同时维护了运营商的企业形象。

现有技术中通常采用半人工计算机处理的方式识别养卡号码，具体是：首先根据经验人工自定义养卡识别规则如用户的活跃情况等；然后根据自定义的识别规则，判断哪些号码属于养卡号码。

但是，发明人发现，现有的养卡号码识别方法需要根据样本数据及业务经验人工总结养卡号码识别规则及阈值，缺乏自适应能力，需依靠人不断总结新的识别规则及阈值，以防止规则被绕过。因此，现有技术中存在养卡号码识别准确率不高的技术问题。

发明内容

本发明所要解决的技术问题在于如何提供一种基于无监督算法的养卡号码检测方法及系统以提高养卡号码识别准确率。

本发明通过以下技术手段实现解决上述技术问题的：

本发明实施例提供了一种基于无监督算法的养卡号码检测方法，所述方法包括：

1)、采集运营商电渠登录日志数据；

2)、从登录日志数据中获取用户的登录行为特征，并将所述用户的登录行为特征作为第一特征集合，将对应于所述用户的登录行为特征的高维统计特征作为第二特征集合；

3)、利用孤立森林算法识别出第一特征集合对应的各个异常群体；并使用聚类算法对第二特征集合中的特征进行聚类，得到若干个聚类，并根据登录行为特征的稳定性获取异常聚类；

4)、根据异常群体所对应的号码中被聚类到异常聚类中的数量与，所述异常群体所对应的号码的比例，确定所述异常群体对应的号码是否属于养卡号码。

应用本发明实施例，根据登录日志中获取的用户的登录行为特征，先根据登录行为特征进行群体划分；然后根据登录行为特征的高维统计特征进行聚类，然后使用群体划分结果与聚类结果相互验证，提高了养卡号码识别的准确率。

可选的，所述第一特征集合，包括：

用户登录次数、用户登录IP数、用户登录IMEI数、用户登录失败占比、用户短时间间隔登录占比。

可选的，所述第二特征集合，包括：

用户登录次数、登录IP变动率、登录IMEI变动率、登录时间间隔变异系数。

可选的，所述根据登录行为特征的稳定性获取异常聚类，包括：