[发明专利]识别可疑关系的方法以及装置

说明书

本说明书实施例提供识别可疑关系的方法以及装置，其中所述方法包括：对关系网络进行社区检测，得到多个社区子图，其中，所述关系网络是根据网络平台上各方之间的关系数据构建的；通过将所述多个社区子图与可疑关系知识库中的各个已知可疑关系网络进行关联度计算，为所述多个社区子图分别设置关联的已知可疑关系网络的关系分类标签；抽取出所述多个社区子图各自的关系特征；通过将所述多个社区子图各自的关系特征以及各自的关系分类标签作为输入进行监督学习，得到所述多个社区子图各自的关系特征的权重；依据所述多个社区子图各自的关系特征的权重，确定对应关系分类标签下的可疑关系。

技术领域

本说明书实施例涉及计算机技术领域，特别涉及一种识别可疑关系的方法。本说明书一个或者多个实施例同时涉及一种识别可疑关系的装置，一种计算设备，以及一种计算机可读存储介质。

背景技术

随着互联网技术的发展，通过网络平台进行交易已经成为广大互联网用户普遍的行为。然而，网络平台交易在给用户带来便利的同时，也存在一些安全隐患。为了避免安全隐患，需要在网络平台发现产生这些安全隐患的黑灰产。

然而，随着网络平台的业务不断增长，黑灰产的行为方式不断升级，如何发现这些黑灰产，成为了人们关注的问题。

发明内容

有鉴于此，本说明书施例提供了一种识别可疑关系的方法。本说明书一个或者多个实施例同时涉及一种识别可疑关系的装置，一种计算设备，以及一种计算机可读存储介质，以解决现有技术中存在的技术缺陷。

根据本说明书实施例的第一方面，提供了一种识别可疑关系的方法，包括：对关系网络进行社区检测，得到多个社区子图，其中，所述关系网络是根据网络平台上各方之间的关系数据构建的；通过将所述多个社区子图与可疑关系知识库中的各个已知可疑关系网络进行关联度计算，为所述多个社区子图分别设置关联的已知可疑关系网络的关系分类标签；抽取出所述多个社区子图各自的关系特征；通过将所述多个社区子图各自的关系特征以及各自的关系分类标签作为输入进行监督学习，得到所述多个社区子图各自的关系特征的权重；依据所述多个社区子图各自的关系特征的权重，确定对应关系分类标签下的可疑关系。

可选地，还包括：依据识别出的可疑关系，对所述网络平台上各方之间的关系数据进行筛选，得到更新的关系数据，所述更新的关系数据用于构建更新的关系网络。

可选地，还包括：将设置了关系分类标签的所述多个社区子图作为已知可疑关系网络，加入所述可疑关系知识库。

可选地，还包括：对所述关系分类标签下的社区子图的关系特征，按照权重大小排序，得到所述关系分类标签下的可疑关系的重要性排名。

可选地，还包括：获取所述网络平台上各个小程序页面的文本数据、所述各个小程序的注册数据、所述各个小程序上消费的用户的交易数据及介质数据、所述各个小程序上收款的用户的交易数据及介质数据、所述各个小程序的用户的可信关系数据；依据所述网络平台上各个小程序页面的文本数据、所述各个小程序的注册数据、所述各个小程序上消费的用户的交易数据及介质数据、所述各个小程序上收款的用户的交易数据及介质数据、所述各个小程序的用户的可信关系数据，进行关系网络构建，得到小程序的关系网络。

可选地，在对关系网络进行社区检测之前，还包括：对所述关系网络中的节点进行异常交易检测，筛选出所述网络平台上不存在异常交易的节点；将所述不存在异常交易的节点从所述关系网络中剔除。

可选地，还包括：获取与所述社区子图具有相同关系分类标签的历史异常社区子图；通过将所述社区子图与所述历史异常社区子图进行相似度分析，得到对应关系分类标签下的共性可疑关系、共性可疑链接和/或可疑关系变化信息。

可选地，还包括：根据所述多个社区子图与可疑关系知识库中的各个已知可疑关系网络的关联度，将关联度不满足预设关联度要求的社区子图从所述多个社区子图中剔除。