[发明专利]异常用户的检测方法、装置及设备

权利要求书

1.一种异常用户的检测方法，其特征在于，包括：

获取多个待检测用户分别在指定时段内对应的指标数据；所述指标数据包括累加型指标数据和/或比率型指标数据；

基于高斯混合模型从多个所述待检测用户中筛选出指标数据异常的用户；

基于筛选结果确定异常用户。

2.根据权利要求1所述的方法，其特征在于，所述基于高斯混合模型从多个所述待检测用户中筛选出指标数据异常的用户的步骤，包括：

基于高斯混合模型分别计算每个所述待检测用户的指标数据对应的马氏距离，并将计算结果作为每个所述待检测用户对应于所述指标数据的衡量分数；

根据多个所述待检测用户的衡量分数确定分数阈值；

将衡量分数高于分数阈值的待检测用户确定为指标数据异常的用户。

3.根据权利要求2所述的方法，其特征在于，所述根据多个所述待检测用户的衡量分数确定分数阈值的步骤，包括：

根据多个所述待检测用户的衡量分数，得到分数平均值和分数标准差；

基于所述分数平均值和所述分数标准差确定分数阈值。

4.根据权利要求2所述的方法，其特征在于，如果所述指标数据为比率型指标数据，所述基于高斯混合模型分别计算每个所述待检测用户的指标数据对应的马氏距离，并将计算结果作为每个所述待检测用户对应于所述指标数据的衡量分数的步骤，包括：

获取所述比率型指标数据对应的分子指标数据和分母指标数据；其中，所述比率型指标数据是所述分子指标数据和所述分母指标数据的比值；

基于高斯混合模型分别计算每个所述待检测用户对应的所述分子指标数据、所述分母指标数据以及所述比率型指标数据各自的马氏距离；

将每个待检测用户的所述分子指标数据对应的马氏距离作为所述待检测用户的第一衡量分数，所述分母指标数据对应的马氏距离作为所述待检测用户的第二衡量分数，以及所述比率型指标数据对应的马氏距离作为所述待检测用户的第三衡量分数。

5.根据权利要求4所述的方法，其特征在于，所述分数阈值包括基于多个所述待检测用户的第一衡量分数确定的第一分数阈值、基于多个所述待检测用户的第二衡量分数确定的第二分数阈值、以及基于多个所述待检测用户的第三衡量分数确定的第三分数阈值；

所述将衡量分数高于分数阈值的待检测用户确定为指标数据异常的用户的步骤，包括：

对于每个所述待检测用户，分别判断该待检测用户的所述第一衡量分数是否大于所述第一分数阈值、所述第二衡量分数是否大于所述第二分数阈值，以及所述第三衡量分数是否大于所述第三分数阈值；

如果有至少一项判断结果为是，确定该待检测用户为指标数据异常的用户。

6.根据权利要求1所述的方法，其特征在于，在执行所述获取多个待检测用户分别在指定时段内对应的指标数据的步骤之前，所述方法还包括：

预先设置用于识别用户的至少一个标识主体；

在执行基于筛选结果确定异常用户的步骤之后，所述方法还包括：

基于所述标识主体展示所述异常用户。

7.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取所述异常用户在指定时间区间内的行为序列，以针对所述行为序列进行分析；所述行为序列包括所述指定时间区间内发生的行为事件以及每个所述行为事件对应的时间。

8.根据权利要求1所述的方法，其特征在于，所述方法还包括：

将确定的异常用户按照预设群组类别进行分群管理。

9.一种异常用户的检测装置，其特征在于，包括：

数据获取模块，用于获取多个待检测用户分别在指定时段内对应的指标数据；所述指标数据包括累加型指标数据和/或比率型指标数据；

模型筛选模块，用于基于高斯混合模型从多个所述待检测用户中筛选出指标数据异常的用户；

异常用户确定模块，用于基于筛选结果确定异常用户。

10.一种电子设备，其特征在于，所述电子设备包括：

处理器；

用于存储所述处理器可执行指令的存储器；

所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现上述权利要求1-8中任一所述的异常用户的检测方法。