[发明专利]一种电商网络异常用户检测方法及系统

说明书

本发明涉及电商平台的网络安全领域，为了消除这些异常用户所带来的负面影响，公开了一种电商网络异常用户检测方法及系统。所述系统包括计算机处理器和内存、电商网络数据预处理单元、电商网络异常用户检测模型训练单元、电商网络异常用户检测结果输出单元。所述方法包括电商网络数据预处理环节、电商网络异常用户检测模型构建及优化环节、电商网络异常用户检测结果输出及处理环节三个部分。具体将处理后的电商网络数据的空间结构信息进行抽取，并在此基础上利用自编码器和支持向量数据描述建立电商网络异常用户检测模型，使模型具有一定的自监督学习能力，能够自动为异常检测工作提供监督信息，有效的提升了建立模型的检测性能。

技术领域

本发明涉及电商平台的网络安全领域，特别涉及一种电商网络异常用户检测方法及系统。

背景技术

随着互联网的不断普及和发展，许多不良商家通过操纵大量用户在各大电商网络平台上进行虚假评论、恶意刷单等欺诈活动，诱导顾客购买有缺陷的产品，严重损害了消费者们的利益。为了消除这些异常用户所带来的负面影响，本发明提出了一种电商网络异常用户检测方法及系统，可以较准确的检测到异常用户。

发明内容

针对上述问题本发明提供了一种电商网络异常用户检测方法及系统，能够对电商平台网络中的异常用户进行有效可靠的检测。

为了达到上述目的，本发明采用了下列技术方案：

本发明通过分析电商网络中异常用户的产生机制，重点关注用户在不同设备上的登录活动，并据此提出了异常用户的两大行为特性：设备聚集性和活动聚集性。根据这两大特性，本发明提供一种电商网络异常用户检测方法，该方法包含三个主要环节，步骤S10为电商网络数据预处理环节，步骤S20-S40为电商网络异常用户检测模型构建及优化环节，步骤S50为电商网络异常用户检测结果输出及处理环节。

一种电商网络异常用户检测方法，具体步骤如下：

S10、对采集到的电商网络数据进行预处理，降低噪声数据对检测结果的影响；

S20、对步骤S10预处理后获得的电商网络数据进行空间结构信息的抽取，构建异质信息网络并转化为用户-设备二分图；

S30、基于步骤S20获得的用户-设备二分图，利用自编码器和支持向量数据描述构建电商网络异常用户检测模型；

S40、对于步骤S30构建的电商网络异常用户检测模型，通过迭代计算方式对模型进行训练，确定模型的最优参数；

S50、利用步骤S30构建的电商网络异常检测模型，以及步骤S40确定的模型最优参数，将异常用户检测结果进行输出，并对异常用户进行处理。

进一步，所述步骤S10中对采集到的电商网络数据进行预处理具体包含以下步骤：

S11、清理采集到的电商网络数据中具有缺失值的样本，通过随机采样原数据集进行补齐；

S12、对样本进行矫正，降低由于采样的随机性对检测结果可能造成的影响。

进一步，所述步骤S20具体包含以下步骤：