[发明专利]一种基于机器学习的防秒杀预判系统

说明书

一种基于机器学习的防秒杀预判系统，包括订单数据采集模块、数据库模块和交易模块，订单数据采集模块用于获取客户和市场的大量订单数据，数据库模块包括区块链管理单元、订单数据检测单元、机器学习分类单元和恶意流量限制单元，区块链管理单元用于对采集的数据进行特征提取预处理，订单数据检测单元用于对恶意流量订单进行检测，机器学习分类单元用于对良性流量和恶意流量进行分类，恶意流量限制单元用于对恶意高频流量进行限制，交易模块用于客户正常交易。本发明采用机器学习方法对客户订单数据进行特征提取预处理、对恶意流量进行检测、分类及限制，有效阻止违规秒杀人员利用计算机自动脚本程序将客户商品以最小成本拍得，保障客户利益。

技术领域

本发明创造涉及大数据及信息安全领域，具体涉及一种基于机器学习的防秒杀预判系统。

背景技术

随着科学技术的飞速发展，大数据已成为如今新兴技术的重要分支，大数据作为现阶段研究热点，需配备科学、合理机器学习算法满足社会需求，并提升数据处理效率，结合大数据特点，借助聚类及分治等算法，增强数据处理条理性，降低数据分析、数据处理难度，增强机器学习能力，此外，为于大数据领域有所突破，还应将传统机器算法予以优化升级，全面提升数据处理能力。

机器学习是由模式识别、人工智能计算学习理论为基础所转变的一类计算机科学分支，被广泛应用至各相关领域中，机器学习是一项多领域综合学科，涉及算法复杂度理论、逼近论、统计学及概率论等多项理论，此学科将计算机如何模拟及实现人类学习行为作为主要研究内容，探究计算机获取新知识、技能方式，将已存在知识结构予以重新组织，实现自身性能不断优化，机器学习为人工智能核心，也为使计算机拥有智能的基本方式，现已逐渐应用至与人工智能相关的各领域中，主要为综合及归纳而并非演绎，据研究表明，多数状态下，处理数据规模越大，机器学习模型效率越高，所以，机器学习是大数据智能分析的主要方式，机器学习为现阶段大数据重要处理方式，能将多种优势予以结合，针对具体问题选取最为适宜处理方式，机器学习能将人为因素所造成的局限性予以突破，借助深度学习、决策树及神经网络等，将数据予以科学处理，并将数据运算速度予以有效提升，现阶段统计调查、商业活动及信息网络等均会产生大量数据，而传统数据处理手段已难以满足此类数据处理需求，急需机器学习予以处理。

同时，目前没有已知的防秒杀预判技术，通常是直接购买DDOS防御类型设备，例如绿盟，F5等DDOS防御产品，缺点是：实时防御能减少流量带宽，但是无法精细分析识别恶意的程序，精细分析需要预前防御，事后异步分析，才能精准定位出真实客户。

基于机器学习的防秒杀预判系统，通过对海量客户订单数据进行特征提取及预处理，再结合机器学习算法对预处理后的订单数据进行恶意流量检测，检测出原始订单数据中的恶意流量订单，并在机器学习算法下对检测后的订单数据进行良性流量和恶意流量的分类，将具有某种共同属性或特征的订单数据归并在一起，通过其类别的属性或特征来对订单数据进行区别，对分类后的订单数据进行恶意高频流量限制，统计出秒杀程序的IP，限制业务流量增加，并阻断这部分流量，降低对带宽的影响，并保障客户利益，供客户在消费平台能够安全正常的进行交易，能够快速且有效地从海量的客户订单数据中限制恶意流量订单数据，提高防秒杀预判系统对恶意流量的阻断效果，不需耗费大量人力物力和时间去进行恶意流量阻断，减少出现错误的情况，且所有数据均可追溯，有效提高防秒杀预判系统的工作效果，为阻断恶意流量提供更优的方案，为防秒杀预判系统提供更为全面、准确地技术支撑，为安全、科学、高效地防秒杀预判系统提供更好的决策支持，更好的保障各类客户的消费安全，更好的满足各类客户的自身需求，拓展应用领域，在数据处理、时间消耗、恶意流量检测、恶意流量阻断和决策支持方面都有明显效果。

发明内容

针对上述问题，本发明旨在提供一种基于机器学习的防秒杀预判系统。

本发明创造的目的通过以下技术方案实现：