[发明专利]一种信用阈值的训练、IP地址的检测方法及相关装置

权利要求书

1.一种信用阈值的训练方法，其特征在于，包括：

对基于IP地址历史触发的业务操作统计多种业务特征；

对每种所述业务特征分级计算至少两个相关系数，所述相关系数用于表示所述业务特征与合法性之间的相关性；

针对所述IP地址，根据所述业务特征对应的所述相关系数生成表示合法性的信用值，包括：

针对所述IP地址下的业务特征，查询每种所述业务特征的数值所在的特征范围，所述特征范围关联相关系数；

查找为每种所述业务特征训练的特征权重；

基于所述相关系数与所述特征权重对每种所述业务特征计算候选值，所述候选值与所述相关系数、所述特征权重均正相关；

对所有所述候选值求和，获得表示合法性的信用值；

对所述IP地址生成评估指标，所述评估指标用于评估使用所述业务特征预测所述IP地址的合法性；

若所述IP地址的所述评估指标符合目标条件，则确定所述评估指标对应的所述信用值为信用阈值，所述信用阈值用于划分所述合法性的状态。

2.根据权利要求1所述的方法，其特征在于，所述对基于IP地址历史触发的业务操作统计多种业务特征，包括：

确定基于IP地址历史触发的业务操作为注册操作，所述注册操作包括发送包含验证码的短信、验证所述验证码；

对所述注册操作统计如下至少一种数据，作为业务特征：

请求短信的次数、验证所述验证码的次数、验证所述验证码的成功率、登录的账号的数量、接收所述验证码的电话号码的总数量、跨国家或地区接收所述验证码的电话号码的数量。

3.根据权利要求1所述的方法，其特征在于，所述对每种所述业务特征分级计算至少两个相关系数，包括：

为每种所述业务特征设置多个特征范围；

若所述业务特征的数值在所述特征范围中，则将所述业务特征划分至所述特征范围对应的特征子集中；

在每个所述特征子集中，使用所述业务特征对所述特征范围计算证据权重，作为所述业务特征在所述特征范围的相关系数。

4.根据权利要求3所述的方法，其特征在于，所述IP地址标记有表示合法性的第一状态；所述在每个所述特征子集中，使用所述业务特征对所述特征范围计算证据权重，作为所述业务特征在所述特征范围的相关系数，包括：

在所述特征子集中，统计所述第一状态为异常的IP地址与所述第一状态为异常的所有IP地址之间的比值，作为第一比例；

在所述特征子集中，统计所述第一状态为正常的IP地址与所述第一状态为正常的所有IP地址之间的比值，作为第二比例；

对所述第一比例与所述第二比例之间的比值取对数，作为所述业务特征在所述特征范围的证据权重。

5.根据权利要求1所述的方法，其特征在于，所述查找为每种所述业务特征训练的特征权重，包括：

查找在训练分类模型时、为每种所述业务特征训练的特征权重，其中，所述分类模型用于根据所述业务特征对所述IP地址预测表示合法性的第二状态。

6.根据权利要求1所述的方法，其特征在于，所述基于所述相关系数与所述特征权重对每种所述业务特征计算候选值，包括：

计算所述相关系数与所述特征权重之间的第一乘积；

计算所述第一乘积与子回归截距之间的第一和值，所述子回归截距为回归截距与所述特征权重之间的比值，所述回归截距应用于预测所述IP地址的合法性；

计算所述第一和值与预设的比例因子之间的第二乘积；

计算所述第二乘积与子偏移量之间的第二和值，作为所述业务特征计算候选值，所述子偏移量为偏移量与所述特征权重之间的比值。

7.根据权利要求1所述的方法，其特征在于，所述IP地址标记有表示合法性的第一状态；所述对所述IP地址生成评估指标，包括：

将所述IP地址对应的业务特征输入分类模型中、对所述IP地址预测表示合法性的第二状态；

对比所述第一状态与所述第二状态，以对所述IP地址生成评估所述预测的指标，作为评估指标。