[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

说明书

本申请提供了一种基于支持向量机模型的欺诈行为的识别方法及系统，所述方法包括以下步骤：获取用户设备的特征参数，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。本申请通过对用户设备的特征参数进行多维度进行分析，以判断出当前系列行为的制造者是否存在欺诈行为，解决了现有欺诈行为识别方法准确率较差以及风险较高的问题，实现了欺诈行为的有效防控。减少欺诈设备和用户的接入，减少企业损失。可以真实反映出推广运营效果，为后续的推广运营提供参照。

技术领域

本申请涉及网络安全防护技术领域，尤其涉及一种基于支持向量机模型的欺诈行为的识别方法及系统。

背景技术

随着互联网和移动智能终端的普及，移动环境下人们的生活需求不断被挖掘。与此同时，移动环境下的黑产活动愈发猖獗，支付漏洞和隐私威胁不断曝出。身份欺诈成为在线欺诈的顽疾，欺诈者以移动设备为掩体发动攻击。如，以猫池设备为代表的模拟器欺诈，以薅羊毛为代表的群控欺诈，以反复点击为代表的程序欺诈等。不法分子通过这些欺诈手段获取大规模盈利。这些行为紧紧依附互联网行业，其技术与互联网行业以等同的速度发展，向反欺诈风控业务提出了强有力的挑战。

现有的欺诈行为识别方法均是通过IP信息和位置信息进行判断，但具有容易误判、不能准确识别的缺点，例如，随着IP代理技术的不断发展，移动终端可以非常简单和低成本的更换IP信息和位置信息，这就使得以IP信息和位置信息为基础的欺诈行为识别技术，已经无法正确的检测识别大部分的欺诈行为。从而难以实现对欺诈行为的有效防控。

发明内容

本申请提供了一种基于支持向量机模型的欺诈行为的识别方法及系统，以解决现有欺诈行为识别方法，无法实现对欺诈行为的有效防控的问题。

一方面，本申请提供了一种基于支持向量机模型的欺诈行为的识别方法，具体包括以下步骤：

获取用户设备的特征参数；

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。

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sessionID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，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。

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；

通过所述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。

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。

第二方面，本申请提供了一种基于支持向量机模型的欺诈行为的识别系统，包括：

参数获取模块，用于获取用户设备的特征参数；