[发明专利]一种网站异常流量的监控方法、系统及介质

说明书

本发明公开了一种网站异常流量的监控方法、系统及介质，方法包括以下步骤：按照运营日、用户ID及其访问数据提取标签，创建并存储运营历史数据；提取运营历史数据，根据运营历史数据创建用户ID的正态分布模型；提取正态分布模型得出用户ID的访问数据均值，通过访问数据均值及第一抽样区间得出用户ID的正态分布模型的置信区间；判断用户ID的置信区间的第一宽度是否满足阈值，当置信区间的第一宽度大于预定阈值，则执行置信区间缩减策略，判断执行置信区间缩减策略次数，根据判断结果执行提取正态分布模型或封停用户ID，能够提升用户对平台的好感度，且可以打击平台恶意流量，打击用户之间的恶意竞争，保护消费者的合法权益。

技术领域

本发明涉及网站流量监控技术领域，特别是涉及一种网站异常流量的监控方法、系统及介质。

背景技术

随着5G网络的迅速发展，人们通过网络进行交流、分享日常的生活，或者各种实体店通过网络贩卖产品的情况变得越来越普及，在各种网络平台上，优质用户相当于明星，这种优质用户可以调动大量的资源以及人气。

这些优质用户的定义为拥有大量的关注人数、点击量或者通过网络直播卖货可以一次性的卖出大量的产品，但是由于网民不知道是否真实售出货物，导致冲动型消费造成损失，并降低消费者对平台的高感度，在网络直播业内话语中，这种卖家的行为是刷单。

刷单即在同一IP，刷单者登录多个ID向卖家输出大量点击量的行为，这种行为可以通过数学模型预测，通过数学模型预测打击刷单者可以保护平台真实的优质用户的口碑。

现有技术中暂无较好的解决方法，可以保护真实的优质用户，并打击刷单者，且提升用户对平台的好感度。

发明内容

本发明主要解决的是由于虚假的优质用户向平台导入大量的异常数据，导致用户降低对平台好感度的问题。

为解决上述技术问题，本发明采用的一个技术方案是：提供一种网站异常流量的监控方法，包括以下步骤：

建立数据仓库：按照运营日、用户ID获取访问数据，创建数据仓库，获取所述访问数据，将其对应的所述运营日及所述用户ID整合为运营历史数据并存储；

创建正态分布模型：在所述数据仓库中提取所述运营历史数据，根据所述运营历史数据创建所述用户ID的正态分布模型；

置信区间获取：提取所述正态分布模型得出所述用户ID的访问数据均值，通过所述访问数据均值及第一抽样区间得出所述用户ID的所述正态分布模型的置信区间；

提取边界并过滤：判断所述用户ID的置信区间的第一宽度是否满足预定阈值，当所述置信区间的所述第一宽度大于所述预定阈值，则执行置信区间缩减策略，判断执行置信区间缩减策略次数，根据判断结果执行提取正态分布模型步骤或异常警告操作步骤；

异常警告操作：发出警告指示，并禁止使用所述用户ID。

优选地，所述建立数据仓库的步骤进一步包括：

提取所述数据仓库内属于所述用户ID的第一字段；

使用图论算法，对比任意所述用户ID的所述第一字段，确定所述用户ID的所述第一字段之间是否存在边；

在所述数据仓库中提取属于所述边的第二字段。

优选地，所述根据所述运营历史数据创建所述用户ID的正态分布模型的步骤进一步包括：

将所述第一字段和所述第二字段根据所述用户ID的所述运营日执行过滤操作，得到所述用户ID的基准字段。

优选地，所述置信区间获取步骤进一步包括：

根据所述运营历史数据设定显著性水平；

计算所述基准字段的平均值和标准偏差；

根据所述用户ID的运营日设定第一抽样区间；

将所述显著性水平、平均值、标准偏差及所述第一抽样区间带入置信区间算法，得到所述用户ID的置信区间。