[发明专利]监控用户的方法、装置、电子设备及介质

权利要求书

1.一种用户风险指数的监控方法，其特征在于，包括：

获取目标用户的监控参数以及等级标签，所述监控参数对应于行为信息以及静态信息的至少一种，其中，所述行为信息用于反映所述目标用户使用各类应用程序所生成的信息，所述静态信息用于反映所述目标用户的身份标识，所述等级标签用于表征所述目标用户已使用目标应用程序的等级；

基于所述目标用户的监控参数和等级标签，确定所述目标用户对应的违禁风险指数；

当所述违禁风险指数高于预设阈值时，对所述目标用户执行所述违禁风险指数对应的监控惩罚操作。

2.如权利要求1所述的方法，其特征在于，所述基于所述目标用户的监控参数和等级标签，确定所述目标用户对应的违禁风险指数，包括：

基于所述目标用户的等级标签，确定所述目标用户对应的监控参数以及监控网络模型，所述监控网络模型包括静态网络模型以及行为网络模型的至少一种；

将所述监控参数输入至所述监控网络模型，得到所述目标用户的违禁风险指数；

当检测到所述违禁风险指数高于所述预设阈值时，对所述目标用户执行所述违禁风险指数对应的监控惩罚操作。

3.如权利要求2所述的方法，其特征在于，所述基于所述等级标签，确定所述目标用户对应的监控参数以及监控网络模型，包括：

当检测到所述等级标签对应于第一使用等级时，确定所述目标用户对应于行为监控参数以及所述行为网络模型，所述行为监控参数用于表征所述目标用户使用各类应用程序所生成的内容信息；

当检测到所述等级标签对应于第二使用等级时，确定所述目标用户对应于静态监控参数以及所述静态网络模型，所述静态监控参数用于表征所述目标用户的身份标识，所述第二使用等级低于所述第一使用等级。

4.如权利要求3所述的方法，其特征在于，所述基于所述等级标签，确定所述目标用户对应的监控参数以及监控网络模型前，包括：

当检测到所述等级标签对应于第三使用等级时，确定所述目标用户对应于所述静态监控参数以及所述行为监控参数，并且对应于所述静态网络模型以及所述行为网络模型，其中所述第三使用等级低于所述第一使用等级且高于所述第二使用等级。

5.如权利要求4所述的方法，其特征在于，在所述当检测到所述等级标签对应于第三使用等级之后，还包括：

将所述目标用户的静态监控参数输入至所述静态网络模型，得到静态风险指数，以及将所述目标用户的行为监控参数输入至所述行为网络模型，得到行为风险指数；

基于所述第三使用等级的大小值，选取对应第一权重比的所述静态风险指数，以及，对应第二权重比的所述行为风险指数合并作为所述目标用户的违禁风险指数。

6.如权利要求3所述的方法，其特征在于，所述当检测到所述等级标签对应于第一使用等级之后，还包括：

当检测到所述等级标签对应于第一使用等级时，确定所述目标用户对应于行为监控参数；

基于所述目标用户的历史风险指数，确定所述目标用户对应的第一历史时间段；

将所述目标用户在所述第一历史时间段生成的行为监控参数输入至所述行为网络模型，得到所述目标用户的违禁风险指数。

7.如权利要求1所述的方法，其特征在于，所述获取目标用户的等级标签，包括：

获取所述目标用户在第二历史时间段内使用所述目标应用程序超过预设时长的次数，和/或，所述目标用户已使用所述目标应用程序的总时长；

基于所述超过预设时长的次数，和/或，所述已使用目标应用程序的总时长，确定所述目标用户的等级标签。

8.如权利要求1或7所述的方法，其特征在于，在所述获取目标用户的等级标签之前，还包括：

获取第一数量的样本静态监控参数以及对应的样本结果，所述样本静态监控参数包括样本用户的身份信息以及设备信息，所述样本结果用于反映对应样本用户的风险指数高低；

利用所述第一数量的样本静态监控参数以及对应的样本结果，对预设的初始神经网络模型进行训练，得到满足预设条件的第一静态网络模型。