[发明专利]请求识别的方法、装置、电子设备和存储介质

说明书

本发明公开了请求识别的方法、装置、电子设备和存储介质，涉及计算机技术领域。该方法的一具体实施方式包括：接收目标请求，并根据目标请求所属类型，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，计算各识别特征的特征向量；根据各特征向量计算各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目标请求属于恶意请求的概率；根据目标请求属于恶意请求的概率，识别目标请求是否属于恶意请求。该实施方式能够解决现有的拦截规则无法的识别恶意请求，无法有效的拦截恶意请求，降低恶意请求拦截效率的问题。

技术领域

本发明涉及计算机技术领域，尤其涉及一种请求识别的方法、装置、电子设备和存储介质。

背景技术

电商平台为追求用户的活跃度与用户黏性，通常会为各新老用户设置对应的优惠方式，如领取优惠券等等，这种方式导致一些不法分子通过非法方式发起大批量恶意请求来套取优惠，影响电商平台的正常运营。现有技术中，电商平台通常会设置请求拦截规则，例如一个手机号只能对应一个有效账号等来拦截恶意请求，但是不反分子利用科技形成了发送恶意请求的产业链，逃避电商拼台设置的拦截规则，导致现有的拦截方式无法的识别恶意请求，从而无法有效的拦截恶意请求，降低恶意请求拦截效率。

发明内容

有鉴于此，本发明实施例提供一种请求识别的方法、装置、电子设备和存储介质，能够解决现有的拦截规则无法的识别恶意请求，无法有效的拦截恶意请求，降低恶意请求拦截效率的问题。

为实现上述目的，根据本发明实施例的一个方面，提供了一种请求识别的方法。

本发明实施例的一种请求识别的方法包括：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。

在一个实施例中，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。

在又一个实施例中，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。

在又一个实施例中，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。

在又一个实施例中，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；