[发明专利]一种基于支持向量机模型的欺诈行为的识别方法及系统

权利要求书

1.一种基于支持向量机模型的欺诈行为的识别方法，其特征在于，具体包括以下步骤：

获取用户设备的特征参数；所述特征参数包括：同一IP地址的注册次数、同一IP地址的签到次数、同一移动终端的注册次数、同一移动终端的签到次数、是否为模拟器、是否为群控平台、同一session ID的出现次数、移动终端的设备ID、注册时间与购买时间的差值、是否使用代理、同一移动终端的关联用户数量、同一设备的注册时间间隔、同一ID地址的注册时间间隔、同一IP地址的关联用户数量、同一IP地址的关联设备数量、同一用户账号的关联设备数量以及同一用户账号关联的IP地址数量；

对所述特征参数进行预处理，得到预处理特征参数；

将所述预处理特征参数输入机器学习模型，得到欺诈行为识别结果。

2.根据权利要求1所述的基于支持向量机模型的欺诈行为的识别方法，其特征在于，对所述特征参数进行预处理，具体包括以下步骤：

对所述特征参数进行格式转换；

对所述特征参数进行缺失值处理；

对所述特征参数进行归一化处理。

3.根据权利要求1所述的基于支持向量机模型的欺诈行为的识别方法，其特征在于，还包括机器学习模型进行训练，具体以下步骤：

获取特征参数数据；

对特征参数数据进行预处理；

通过预处理参数数据训练机器学习模型；

得到模型训练结果，所述模型训练结果为识别准确率，所述机器学习模型为支持向量机模型。

4.根据权利要求1所述的基于支持向量机模型的欺诈行为的识别方法，其特征在于，还包括以下步骤：

通过人工调参方式对所述机器学习模型进行优化。

5.一种基于支持向量机模型的欺诈行为的识别系统，其特征在于，包括：

参数获取模块，用于获取用户设备的特征参数；所述特征参数包括：同一IP地址的注册次数、同一IP地址的签到次数、同一移动终端的注册次数、同一移动终端的签到次数、是否为模拟器、是否为群控平台、同一session ID的出现次数、移动终端的设备ID、注册时间与购买时间的差值、是否使用代理、同一移动终端的关联用户数量、同一设备的注册时间间隔、同一ID地址的注册时间间隔、同一IP地址的关联用户数量、同一IP地址的关联设备数量、同一用户账号的关联设备数量以及同一用户账号关联的IP地址数量；

参数预处理模块，用于对所述特征参数进行预处理，得到预处理特征参数；

机器学习训练模块，用于将所述预处理特征参数输入机器学习模型，得到欺诈行为识别结果。

6.根据权利要求5所述的基于支持向量机模型的欺诈行为的识别系统，其特征在于，所述参数预处理模块包括：

格式转换模块，用于对所述特征参数进行格式转换；

缺失值处理模块，用于对所述特征参数进行缺失值处理；

归一化处理模块，用于对所述特征参数进行归一化处理。

7.根据权利要求5所述的基于支持向量机模型的欺诈行为的识别系统，其特征在于，还包括：

模型优化模块，用于通过人工调参方式对所述机器学习模型进行优化。

8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行，以实现权利要求1至4中任一项所述基于支持向量机模型的欺诈行为的识别方法。

9.一种基于支持向量机模型的欺诈行为的识别装置，其特征在于，包括：处理器和存储器；所述存储器用于存储计算机程序；所述处理器与所述存储器相连，用于执行所述存储器存储的计算机程序，以使所述基于支持向量机模型的欺诈行为的识别装置执行权利要求1至4中任一项所述的基于支持向量机模型的欺诈行为的识别方法。