[发明专利]一种批量识别机器账号的方法及系统

说明书

本发明实施例提供一种批量识别机器账号的方法及系统，计算引擎Spark周期性自数据库中获取前一周期内登录账号的用户行为日志，提取出前一周期内行为数量超过预设数量阈值的所有账号；获取每个账号前一周期所有关键行为的发生时间并形成各账号的弹性数据集；按照预设的长度时间段依次统计各长度时间段内发生的关键行为数量；采用线性回归方程对任一账号各长度时间段内的关键行为数量随时间的变化关系进行拟合，得到该账号线性回归拟合曲线；并根据线性回归拟合曲线计算各账号相应的关键行为数据的拟合优度；根据每个账号关键行为数据的拟合优度批量判断各账号是否为机器账号。基于Spark查找账号的关键行为，降低对非机器账号误伤率。

技术领域

本发明涉及计算机领域，具体涉及一种批量识别机器账号的方法及系统。

背景技术

在现代的社交媒体的互联网社交平台中，有大量不法分子利用脚本批量登陆一些账号以进行刷量等非法操作，这一部分账号一般没有什么实质内容，对正常用户的使用有着负面的影响，同时也对平台的公平性有一定的挑战。因此需要批量的把这些利用脚本批量登陆的机器账号找出来。

在实现本发明过程中，申请人发现现有技术中至少存在如下问题：现有技术通常是通过统计每个用户每天的访问量，然后按照访问量从高到低排序，认为前5％的用户是机器账号。虽然能够找出一些机器账号，但误伤率比较高，尤其是对于头部账号的误伤率会更高，这伤害到正常用户，是不可接受的。

发明内容

本发明实施例提供一种批量识别机器账号的方法及系统，基于Spark查找账号的关键行为，根据关键行为数据的变化采用线性回归进行拟合，得到拟合曲线，计算拟合曲线的拟合优度，降低对非机器账号误伤率。

为达上述目的，一方面，本发明实施例提供一种批量识别机器账号的方法，包括：

计算引擎Spark周期性自数据库中获取前一周期内登录账号的用户行为日志，提取出前一周期内行为数量超过预设数量阈值的所有账号，形成用户账号集；

在数据库的用户行为日志中获取用户账号集内每个账号在前一周期的所有关键行为的发生时间，根据每个账号的所有关键行为的发生时间形成各账号的弹性数据集；

针对用户账号集内任一账号，根据该账号的弹性数据集，按照预设的长度时间段依次统计各长度时间段内发生的关键行为数量；其中，所述关键行为是指用户在账号权限范围做所进行的达到预设重要等级的行为；

针对用户账号集内任一账号，采用线性回归方程对该账号各长度时间段内的关键行为数量随时间的变化关系进行拟合，得到该账号关键行为数据的线性回归拟合曲线；根据用户账号集内每个账号的线性回归拟合曲线计算各账号相应的关键行为数据的拟合优度；

根据用户账号集内每个账号关键行为数据的拟合优度批量判断各账号是否为机器账号；其中，机器账号是指利用脚本批量登录以进行非法操作的账号。

另一方面，本发明实施例提供一种批量识别机器账号的系统，包括数据库和计算引擎Spark，计算引擎Spark包括：关键行为数据整合单元、线性回归单元和判断单元，其中：

数据库，用于储存登录账号的用户行为日志；

关键行为数据整合单元，用于周期性自数据库中获取前一周期内登录账号的用户行为日志，提取出前一周期内行为数量超过预设数量阈值的所有账号，形成用户账号集；在数据库的用户行为日志中获取用户账号集内每个账号在前一周期的所有关键行为的发生时间，根据每个账号的所有关键行为的发生时间形成各账号的弹性数据集；

针对用户账号集内任一账号，根据该账号的弹性数据集，按照预设的长度时间段依次统计各长度时间段内发生的关键行为数量；其中，所述关键行为是指用户在账号权限范围做所进行的达到预设重要等级的行为；