[发明专利]恶意流量账号检测方法、装置、设备和存储介质

权利要求书

1.恶意流量账号检测方法，其特征在于，包括：

根据每个账号各自的关联信息生成对应的账号行为节点；

根据所述账号行为节点确定每个账号对应的账号行为序列，以及每个账号行为节点的关联账号数量；

根据所述账号行为序列、所述关联账号数量以及账号总量计算得到每个账号之间的账号行为序列相似度；

根据所述账号行为序列相似度确定恶意流量账号。

2.根据权利要求1所述的恶意流量账号检测方法，其特征在于，所述根据所述账号行为序列、所述关联账号数量以及账号总量计算得到每个账号之间的账号行为序列相似度，包括：

根据所述账号行为序列、所述关联账号数量以及账号总量计算得到每个账号行为节点的频率值；

根据所述每个账号行为节点的频率值计算得到每个账号之间的账号行为序列相似度。

3.根据权利要求2所述的恶意流量账号检测方法，其特征在于，所述根据所述账号行为序列、所述关联账号数量以及账号总量计算得到每个账号行为节点的频率值，包括：

确定每个账号对应的账号行为序列中账号行为节点的个数，根据所述账号行为节点的个数确定每个账号的行为频率值；

根据每个账号下每个账号行为节点的关联账号数量以及账号总量计算得到每个账号行为节点的逆行为频率指数；

根据所述行为频率值以及所述逆行为频率指数计算得到每个账号行为节点的频率值。

4.根据权利要求2所述的恶意流量账号检测方法，其特征在于，所述根据所述每个账号行为节点的频率值计算得到每个账号之间的账号行为序列相似度，包括：

根据所述每个账号行为节点的频率值以及账号行为序列，构建频率值矩阵；

通过矩阵分解公式对所述频率值矩阵进行降维，得到每个账户行为序列和行为主题的相关度矩阵；

基于所述相关度矩阵计算每个账号之间的账号行为序列相似度。

5.根据权利要求4所述的恶意流量账号检测方法，其特征在于，所述基于所述相关度矩阵计算每个账号之间的账号行为序列相似度，包括：

通过相似度计算公式对所述相关度矩阵的两两行向量进行计算得到每个账号之间的账号行为序列相似度。

6.根据权利要求2所述的恶意流量账号检测方法，其特征在于，所述根据所述每个账号行为节点的频率值计算得到每个账号之间的账号行为序列相似度，包括：

根据所述账号行为序列的长度以及每个账号行为节点的频率值进行账号以及账号行为节点的滤除；

根据滤除后的账号行为节点的频率值计算得到每个账号之间的账号行为序列相似度。

7.根据权利要求1-6中任一项所述的恶意流量账号检测方法，其特征在于，所述根据所述账号行为序列相似度确定恶意流量账号，包括：

根据所述每个账号之间的账号行为序列相似度，筛选出强关联的账号关系对；

将所述强关联的账号关系对输入到连通子图中，基于预设相似度阈值计算所述连通子图的强连通分量；

将强连通分量个数大于强连通分量阈值的强连通分量对应的账号确定为恶意流量账号。

8.根据权利要求1-6中任一项所述的恶意流量账号检测方法，其特征在于，所述根据每个账号各自的关联信息生成对应的账号行为节点，包括：

根据每个账号对应记录的动作发生时间、动作发生节点以及动作执行内容生成对应的账号行为节点。

9.根据权利要求8所述的恶意流量账号检测方法，其特征在于，确定每个账号行为节点的关联账号数量的方式包括：

确定包含和每个账号行为节点中动作执行内容一致的其他账号的数量。