[发明专利]基于人工智能的用户账户安全检测系统

权利要求书

1.一种基于人工智能的用户账户安全检测系统，其特征在于，包括账户检测云平台和用户终端，账户检测云平台与用户终端之间具有通信连接；

账户检测云平台包括数据分析模块、结构提取模块、特征匹配模块和账户检测模块；

数据分析模块基于获取到的相关社交平台中各个社交用户在预设监测周期内通过用户终端产生的历史社交数据生成第一用户社交图，并基于第一用户社交图的图特征识别所述第一用户社交图中的第一行为子图和第二行为子图，其中，所述历史社交数据包括产生社交行为的社交用户的用户基础信息和行为数据，所述图特征用于表征第一用户社交图的节点特征和边特征，所述第一行为子图为第一用户社交图中可按照同一压缩方式进行压缩的子图，其表征社交用户的正常交互行为；

结构提取模块基于第一行为子图对第一用户社交图进行压缩以得到第二用户社交图，并从获取到的所有第一行为子图中提取第一行为子图的基准特征，然后根据所述基准特征识别第二行为子图中的异常子结构，其中，所述基准特征用于表征第一行为子图的节点特征和边特征；

特征匹配模块将第二行为子图的异常子结构输入至异常结构识别模型中以预测每个异常子结构的异常值，并从第二用户社交图中提取所有异常值大于预设阈值的第二行为子图的数据特征，将其与先验异常特征进行匹配；

账户检测模块基于匹配结果识别社交用户的交互行为是否为可疑社交行为；若是，基于所述社交用户的用户基础信息、行为数据和所述可疑社交行为的行为类型生成相应的日志数据，并将所述日志数据发送至管理终端进行人工审核，然后根据人工审核的结果确定所述社交用户是否为安全账户。

2.根据权利要求1所述的系统，其特征在于，所述将第二行为子图的异常子结构输入至异常结构识别模型中以预测每个异常子结构的异常值包括：

获取对应第二行为子图的异常子结构的三元组集合表示，对所述三元组集合表示进行特征编码，根据异常子结构中各个用户节点的序列特征对特征编码进行求和得到异常子结构的特征矩阵；

将获取到的特征矩阵输入至异常结构识别模型中；

利用异常结构识别模型的卷积层对输入的特征矩阵进行线性变换以确定特征矩阵中各个用户节点之间的权重矩阵，并根据归一化后的权重矩阵对所述特征矩阵进行卷积操作以提取异常子结构的局部结构特征；

利用异常结构识别模型的池化层对所述局部结构特征进行数据压缩和参数压缩以降低局部结构特征的维度从而减小过拟合；

利用异常结构识别模型的全连接层整合异常子结构中各个用户节点的局部结构特征的特征表示，并将所述特征表示映射至样本标记空间中以得到所述异常子结构的异常值。

3.根据权利要求2所述的系统，其特征在于，所述将其与先验异常特征进行匹配包括：

从先验数据库中获取历史检测出的社交用户的可疑行为数据，根据所述可疑行为数据对社交用户的交互行为进行特征提取以得到所述社交用户的交互特征集，其中，所述交互特征集包括社交用户的行为记录中各个记录数据的字段特征，所述字段特征用于表征对应记录数据的类型特征和语义特征；

基于交互特征集中各个字段特征的类别属性确定各个字段特征之间的特征转换规则，根据所述特征转换规则中的纵向转换规则对交互特征集中的各个字段特征对应的记录数据之间的数据关系进行线性转化以得到所述社交用户的第一操作特征，其中，所述纵向转换规则包括对时间窗口内的记录数据求极值、均值、方差、计数、非重计数和/或众数；

根据所述特征转化关系中的横向转换规则和每个记录数据对应的数据组编号构造所述社交用户的第二操作特征，对第一操作特征和第二操作特征进行融合处理以得到社交用户的先验异常特征，其中，所述横向转换规则包括对不同记录数据的字段特征求和、积、差值和/或差值平方。