[发明专利]请求识别的方法、装置、电子设备和存储介质在审

专利信息
申请号: 202110137332.4 申请日: 2021-02-01
公开(公告)号: CN113762313A 公开(公告)日: 2021-12-07
发明(设计)人: 李川;杨立军 申请(专利权)人: 北京沃东天骏信息技术有限公司;北京京东世纪贸易有限公司
主分类号: G06K9/62 分类号: G06K9/62;G06N3/04;G06N3/08
代理公司: 中原信达知识产权代理有限责任公司 11219 代理人: 张春晓;张效荣
地址: 100176 北京市北京经济技术*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 请求 识别 方法 装置 电子设备 存储 介质
【权利要求书】:

1.一种请求识别的方法,其特征在于,包括:

接收目标请求,并根据所述目标请求所属类型,查询用于请求识别的多个识别特征;

根据所述目标请求包括的请求参数和预设时间窗口内的历史请求,计算各所述识别特征的特征向量;

根据各所述特征向量计算各所述识别特征对应的低阶关联特征向量和高阶关联特征向量,并输入分类模型计算所述目标请求属于恶意请求的概率;

根据所述目标请求属于恶意请求的概率,识别所述目标请求是否属于恶意请求。

2.根据权利要求1所述的方法,其特征在于,所述识别特征包括基础参数特征和统计参数特征;

所述根据所述目标请求包括的请求参数和预设时间窗口内的历史请求,计算所述识别特征的特征向量,包括:

解析所述请求参数得出所述目标请求对应基础参数特征的特征值,并根据第一预设编码算法计算所述目标请求对应基础参数特征的特征向量;

根据所述预设时间窗口内的历史请求,统计所述目标请求对应统计参数特征的特征值,并根据第二预设编码算法计算所述目标请求对应统计参数特征的特征向量。

3.根据权利要求2所述的方法,其特征在于,所述根据第一预设编码算法计算所述目标请求对应基础参数特征的特征向量,包括:

对每个基础参数特征,查询所述基础参数特征对应值的序列,将所述序列中与所述基础参数特征的特征值相同的位取第一值、所述序列中与所述基础参数特征的特征值不相同的位取第二值,得出所述目标请求对应基础参数特征的特征向量。

4.根据权利要求2所述的方法,其特征在于,所述请求类型包括注册请求,基础参数特征可以包括地址归属地、手机号的归属地、手机号类型、请求设备类型中的一项或多项;统计参数特征可以包括预设时间窗口内地址出现次数、所述手机号的归属地出现次数、所述手机号类型出现次数、所述请求设备出现次数中的一项或多项。

5.根据权利要求1所述的方法,其特征在于,所述分类模型包括注意力机制函数和分类函数;

所述根据各所述特征向量计算各所述识别特征对应的低阶关联特征向量和高阶关联特征向量,并输入分类模型计算所述目标请求属于恶意请求的概率,包括:

将各所述特征向量分别输入预设低阶计算模型和预设高阶计算模型,计算所述识别特征对应的低阶关联特征向量和高阶关联特征向量;

将所述低阶关联特征向量和高阶关联特征向量输入注意力机制函数,计算各所述识别特征对应的聚合关联特征向量;

将所述聚合关联特征向量输入分类函数,计算所述目标请求属于恶意请求的概率。

6.根据权利要求5所述的方法,其特征在于,所述预设低阶计算模型包括FM算法模型,所述预设高阶计算模型包括DNN算法模型。

7.一种请求识别的装置,其特征在于,包括:

接收单元,用于接收目标请求,并根据所述目标请求所属类型,查询用于请求识别的多个识别特征;

确定单元,用于根据所述目标请求包括的请求参数和预设时间窗口内的历史请求,计算各所述识别特征的特征向量;

所述计算单元,还用于根据各所述特征向量计算各所述识别特征对应的低阶关联特征向量和高阶关联特征向量,并输入分类模型计算所述目标请求属于恶意请求的概率;

识别单元,用于根据所述目标请求属于恶意请求的概率,识别所述目标请求是否属于恶意请求。

8.根据权利要求7所述的装置,其特征在于,所述识别特征包括基础参数特征和统计参数特征;

所述计算单元具体用于:

解析所述请求参数得出所述目标请求对应基础参数特征的特征值,并根据第一预设编码算法计算所述目标请求对应基础参数特征的特征向量;

根据所述预设时间窗口内的历史请求,统计所述目标请求对应统计参数特征的特征值,并根据第二预设编码算法计算所述目标请求对应统计参数特征的特征向量。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京沃东天骏信息技术有限公司;北京京东世纪贸易有限公司,未经北京沃东天骏信息技术有限公司;北京京东世纪贸易有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110137332.4/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top