[发明专利]IP地址黑灰名单分析方法、服务器、终端及存储介质

权利要求书

1.一种基于马尔科夫决策过程的IP地址黑灰名单分析方法，其特征在于，包括：

接收用户的IP地址黑灰名单分析请求；

确定所述IP地址黑灰名单分析请求的优化参数，所述优化参数包括覆盖率、准确率及响应延迟率；

针对所述优化参数基于马尔科夫决策过程对所述IP地址黑灰名单分析请求进行分析，得到初始IP地址黑灰名单分析方案；

针对所述优化参数对所述初始IP地址黑灰名单分析方案进行分析，得到最终的IP地址黑灰名单分析方案；

从所述用户的IP数据源中获取用户IP数据；以及，

基于所述最终的IP地址黑灰名单分析方案对所述用户IP数据进行分析，得到IP地址黑灰名单；

其中，初始IP地址黑灰名单分析方案根据以下公式得到：

式中，表示初始IP地址黑灰名单分析方案，其中k为迭代次数；i、j和t为维度，且i∈[1,m],j∈[1,n],t∈[1,q]，m、n、q分别表示维度最大值；为第k次迭代时的覆盖率，覆盖率为分析出的黑灰账户总数量/实际黑灰账户总量；为第k次迭代时的准确率，准确率为分析出的实际黑灰账户数量/分析出的黑灰账户总数量；为第k次迭代时的响应延迟率，响应延迟率为单位时间内黑灰账户分析无效占用时间量/单位时间总量；

其中，针对所述优化参数对所述初始IP地址黑灰名单分析方案进行分析，得到最终的IP地址黑灰名单分析方案，包括：

设置迭代初始参数和最大迭代次数；

针对所述优化参数对所述初始IP地址黑灰名单分析方案进行深度分析，得到匹配度最优的中间IP地址黑灰名单分析方案，根据以下公式得到：

式中，Min Z^K表示第k次迭代时得到匹配度最优的中间IP地址黑灰名单分析方案，C^Gmax表示历史最高准确率，E^Gmin表示历史最低响应延迟率、W^Gmax表示历史最大覆盖率；

判断所述匹配度最优的中间IP地址黑灰名单分析方案是否满足预设的评估条件；

若满足预设的评估条件，则选择所述匹配度最优的中间IP地址黑灰名单分析方案作为最终的IP地址黑灰名单分析方案；

若不满足预设的评估条件，则判断当前迭代次数是否不大于所述最大迭代次数；若不大于所述最大迭代次数，则对所述初始IP地址黑灰名单分析方案进行深度无监督学习，得到迭代次数加1后的初始IP地址黑灰名单分析方案，返回执行针对所述优化参数对所述初始IP地址黑灰名单分析方案进行深度分析的步骤；若大于所述最大迭代次数，则选择所述匹配度最优的中间IP地址黑灰名单分析方案作为最终的IP地址黑灰名单分析方案。

2.根据权利要求1所述的方法，其特征在于，判断所述匹配度最优的中间IP地址黑灰名单分析方案是否满足预设的评估条件，根据以下公式得到：

式中，表示第k次迭代时的准确率乘积概率，表示第k次迭代时的响应延迟率乘积概率，表示第k次迭代时的覆盖率乘积概率。

3.根据权利要求1所述的方法，其特征在于，对所述初始IP地址黑灰名单分析方案进行深度无监督学习，得到迭代次数加1后的初始IP地址黑灰名单分析方案，根据以下公式得到：

式中，表示迭代次数为第k+1次时的初始IP地址黑灰名单分析方案，包含三方面的信息向量，表示迭代次数为第k+1次时的准确率，表示迭代次数为第k+1次时的响应延迟率，表示迭代次数为第k+1次时覆盖率，表示迭代次数为第k+1次时的深度无监督学习加强因子；

其中，深度无监督学习加强因子根据以下公式得到：

式中，C^Gmax表示历史最高准确率，E^Gmin表示历史最低响应延迟率、W^Gmax表示历史最大覆盖率。