2019一尾中特期期准:一種識別風險設備的方法以及相關設備技術

技術編號:21185429 閱讀:39 留言:0更新日期:2019-05-22 16:03
本發明專利技術實施例提供了一種識別風險設備的方法以及相關設備,可以準確的識別出直播平臺中批量注冊的風險設備,凈化直播平臺的網絡環境。該方法包括:獲取目標設備,所述目標設備為直播平臺中待識別風險的設備;確定所述目標設備的圖模型特征;將所述目標設備的圖模型特征輸入預設訓練模型,以得到所述目標設備的風險值;判斷所述目標設備的風險值是否大于預設閾值;若是,則確定所述目標設備為風險設備。

A Method of Identifying Risk Equipment and Related Equipment

572222一尾中特平 www.fbmtd.icu The embodiment of the invention provides a method for identifying risk equipment and related equipment, which can accurately identify batch registered risk equipment in the live broadcast platform and purify the network environment of the live broadcast platform. The method includes: acquiring the target equipment, which is the equipment to identify the risk in the live broadcast platform; determining the graph model characteristics of the target equipment; inputting the graph model features of the target equipment into the preset training model to obtain the risk value of the target equipment; judging whether the risk value of the target equipment is greater than the preset threshold value; and, if so, determining the target. The equipment is risk equipment.

【技術實現步驟摘要】
一種識別風險設備的方法以及相關設備
本專利技術涉及信息處理
,尤其涉及一種識別風險設備的方法以及相關設備。
技術介紹
對于直播平臺而言,活躍的平臺用戶是平臺健康運營的保證。然而,某些黑產團體為了自身利益,常常有一些危害平臺的行為,例如批量注冊、批量刷直播間熱度、批量刷關注等。黑產團體往往采用設備群控的方式進行批量操作,從而獲取利潤。在這種操作模式中,黑產團伙由于頻繁更換賬號,導致難以直接從賬號捕獲黑產團伙。然而,由于黑產無法頻繁的更換設備,導致設備在一段時間內會存在某些異常的行為模式,這些行為模式可以被捕捉到。因此,如果可以對黑產用戶的設備進行識別,有利于減少黑產對平臺的損害,提高黑產的成本。
技術實現思路
本專利技術實施例提供了一種識別風險設備的方法及相關設備,可以準確的識別出直播平臺中風險設備,凈化直播平臺的網絡環境。本專利技術實施例的第一方面提供了一種識別風險設備的方法,包括:獲取目標設備,所述目標設備為直播平臺中待識別風險的設備;確定所述目標設備的圖模型特征;將所述目標設備的圖模型特征輸入預設訓練模型,以得到所述目標設備的風險值,所述預設訓練模型為經過邏輯回歸模型對訓練數據進行訓練得到的,所述訓練數據包括已風險標注的訓練設備的標簽以及所述已風險標注的訓練設備的圖模型特征,所述已風險標注的訓練設備的標簽指示所述已風險標注的訓練設備是否為風險設備,所述已風險標注的訓練設備的圖模型特征為通過所述已風險標注的訓練設備對應的圖模型確定得到的,所述圖模型包括所述已風險標注的訓練設備之間的關聯關系;判斷所述目標設備的風險值是否大于預設閾值;若是,則確定所述目標設備為風險設備??裳〉?,所述將所述目標設備的圖模型特征輸入預設訓練模型,以得到所述目標設備的風險值之前,所述方法還包括:獲取所述已風險標注的訓練設備的標簽;構建所述已風險標注的訓練設備對應的圖模型;基于所述圖模型確定所述已風險標注的訓練設備中各個訓練設備的圖模型特征;將所述各個訓練設備的標簽以及所述各個訓練設備的圖模型特征對應輸入邏輯回歸模型進行迭代訓練;當滿足預置的迭代終止條件時,將迭代終止時的所述邏輯回歸模型確定為所述預設訓練模型??裳〉?,所述各個訓練設備的圖模型特征包括所述各個訓練設備的圖節點的度、所述各個訓練設備的圖節點的連接總強度、所述各個訓練設備的圖節點的平均連接強度、所述各個訓練設備的圖節點的聚類系數以及所述各個訓練設備的圖節點的聚類強度??裳〉?,所述基于所述圖模型確定所述訓練設備集合中各個訓練設備的圖模型特征包括:通過如下公式計算所述各個訓練設備的圖節點的度:ki=|L(i)|;其中,所述ki為所述各個訓練設備中的第i個設備的圖節點的度,所述第i個設備的圖節點的度為所述圖模型中與所述第i個設備的圖節點vi連接的邊的數量,L(i)為所述圖模型中與所述第i個設備的圖節點vi連接的圖節點集合,L(i)={vj:eij∈E},vj為所述圖模型中與所述圖節點vi連接的節點,eij為所述圖模型中所述圖節點vi與圖節點vj之間連接的邊,為所述圖模型中的邊集合,n為所述已風險標注的訓練設備的數量;通過如下公式確定所述各個訓練設備的圖節點的連接總強度:其中,csi為所述第i個設備的圖節點的連接總強度,wij為所述eij的權重;通過如下公式確定所述各個訓練設備的圖節點的平均連接強度:其中,csai為所述第i個設備的圖節點的平均連接強度,所述ki為所述第i個設備的圖節點的度;通過如下公式確定所述各個訓練設備的聚類系數;其中,ci為所述第i個設備的聚類系數,mi為所述圖模型中與所述節點vi連接的節點之間相互連接的邊的個數,為所述圖模型中相鄰節點之間兩兩連接的邊的個數,所述mi為通過如下公式計算得到的:mi=|{ekl:ekl∈E∧vk∈L(i)∧vl∈L(i)}|,ekl為所述圖模型中與所述節點vi連接的節點vk和節點vl之間的邊;通過如下公式確定所述各個訓練設備的圖節點的聚類強度:其中,mi為所述圖模型中與所述節點vi連接的節點之間相互連接的邊的個數,wkl為所述節點vk和所述節點vl之間的邊的權重,為所述圖模型中與所述節點vi連接的節點之間相互連接的邊的權重之和??裳〉?,所述方法還包括:判斷迭代次數是否達到預置數值,若是,則確定滿足所述預置的迭代終止條件;或,判斷所述預設訓練模型的參數是否收斂,若是,則確定滿足所述預置的迭代終止條件。本專利技術實施例第二方面提供了一種識別風險設備的裝置,包括:獲取單元,用于獲取目標設備,所述目標設備為直播平臺中待識別風險的設備;確定單元,用于確定所述目標設備的圖模型特征;處理單元,用于將所述目標設備的圖模型特征輸入預設訓練模型,以得到所述目標設備的風險值,所述預設訓練模型為經過邏輯回歸模型對訓練數據進行訓練得到的,所述訓練數據包括已風險標注的訓練設備的標簽以及所述已風險標注的訓練設備的圖模型特征,所述已風險標注的訓練設備的標簽指示所述已風險標注的訓練設備是否為風險設備,所述已風險標注的訓練設備的圖模型特征為通過所述已風險標注的訓練設備對應的圖模型確定得到的,所述圖模型包括所述已風險標注的訓練設備之間的關聯關系;判斷單元,用于判斷所述目標設備的風險值是否大于預設閾值;所述確定單元,用于當所述目標設備的風險值大于所述預設閾值時,確定所述目標設備為風險設備??裳〉?,所述裝置還包括:訓練單元,所述訓練單元用于:獲取所述已風險標注的訓練設備的標簽;構建所述已風險標注的訓練設備對應的圖模型;基于所述圖模型確定所述已風險標注的訓練設備中各個訓練設備的圖模型特征;將所述各個訓練設備的標簽以及所述各個訓練設備的圖模型特征對應輸入邏輯回歸模型進行迭代訓練;當滿足預置的迭代終止條件時,將迭代終止時的所述邏輯回歸模型確定為所述預設訓練模型??裳〉?,所述各個訓練設備的圖模型特征包括所述各個訓練設備的圖節點的度、所述各個訓練設備的圖節點的連接總強度、所述各個訓練設備的圖節點的平均連接強度、所述各個訓練設備的圖節點的聚類系數以及所述各個訓練設備的圖節點的聚類強度??裳〉?,所述訓練單元基于所述圖模型確定所述訓練設備集合中各個訓練設備的圖模型特征包括:通過如下公式計算所述各個訓練設備的圖節點的度:ki=|L(i)|;其中,所述ki為所述各個訓練設備中的第i個設備的圖節點的度,所述第i個設備的圖節點的度為所述圖模型中與所述第i個設備的圖節點vi連接的邊的數量,L(i)為所述圖模型中與所述第i個設備的圖節點vi連接的圖節點集合,L(i)={vj:eij∈E},vj為所述圖模型中與所述圖節點vi連接的節點,eij為所述圖模型中所述圖節點vi與圖節點vj之間連接的邊,為所述圖模型中的邊集合,n為所述已風險標注的訓練設備的數量;通過如下公式確定所述各個訓練設備的圖節點的連接總強度:其中,csi為所述第i個設備的圖節點的連接總強度,wij為所述eij的權重;通過如下公式確定所述各個訓練設備的圖節點的平均連接強度:其中,csai為所述第i個設備的圖節點的平均連接強度,所述ki為所述第i個設備的圖節點的度;通過如下公式確定所述各個訓練設備的聚類系數;其中,ci為所述第i個設備的聚類系數,mi為所述圖模型中與所述節點vi連接的節點之間相互連接的邊的個數,為所述圖模型中相鄰節本文檔來自技高網...

【技術?;さ恪?/strong>
1.一種識別風險設備的方法,其特征在于,包括:獲取目標設備,所述目標設備為直播平臺中待識別風險的設備;確定所述目標設備的圖模型特征;將所述目標設備的圖模型特征輸入預設訓練模型,以得到所述目標設備的風險值,所述預設訓練模型為經過邏輯回歸模型對訓練數據進行訓練得到的,所述訓練數據包括已風險標注的訓練設備的標簽以及所述已風險標注的訓練設備的圖模型特征,所述已風險標注的訓練設備的標簽指示所述已風險標注的訓練設備是否為風險設備,所述已風險標注的訓練設備的圖模型特征為通過所述已風險標注的訓練設備對應的圖模型確定得到的,所述圖模型包括所述已風險標注的訓練設備之間的關聯關系;判斷所述目標設備的風險值是否大于預設閾值;若是,則確定所述目標設備為風險設備。

【技術特征摘要】
1.一種識別風險設備的方法,其特征在于,包括:獲取目標設備,所述目標設備為直播平臺中待識別風險的設備;確定所述目標設備的圖模型特征;將所述目標設備的圖模型特征輸入預設訓練模型,以得到所述目標設備的風險值,所述預設訓練模型為經過邏輯回歸模型對訓練數據進行訓練得到的,所述訓練數據包括已風險標注的訓練設備的標簽以及所述已風險標注的訓練設備的圖模型特征,所述已風險標注的訓練設備的標簽指示所述已風險標注的訓練設備是否為風險設備,所述已風險標注的訓練設備的圖模型特征為通過所述已風險標注的訓練設備對應的圖模型確定得到的,所述圖模型包括所述已風險標注的訓練設備之間的關聯關系;判斷所述目標設備的風險值是否大于預設閾值;若是,則確定所述目標設備為風險設備。2.根據權利要求1所述的方法,其特征在于,所述將所述目標設備的圖模型特征輸入預設訓練模型,以得到所述目標設備的風險值之前,所述方法還包括:獲取所述已風險標注的訓練設備的標簽;構建所述已風險標注的訓練設備對應的圖模型;基于所述圖模型確定所述已風險標注的訓練設備中各個訓練設備的圖模型特征;將所述各個訓練設備的標簽以及所述各個訓練設備的圖模型特征對應輸入邏輯回歸模型進行迭代訓練;當滿足預置的迭代終止條件時,將迭代終止時的所述邏輯回歸模型確定為所述預設訓練模型。3.根據權利要求2所述的方法,其特征在于,所述各個訓練設備的圖模型特征包括所述各個訓練設備的圖節點的度、所述各個訓練設備的圖節點的連接總強度、所述各個訓練設備的圖節點的平均連接強度、所述各個訓練設備的圖節點的聚類系數以及所述各個訓練設備的圖節點的聚類強度。4.根據權利要求3所述的方法,其特征在于,所述基于所述圖模型確定所述訓練設備集合中各個訓練設備的圖模型特征包括:通過如下公式計算所述各個訓練設備的圖節點的度:ki=|L(i)|;其中,所述ki為所述各個訓練設備中的第i個設備的圖節點的度,所述第i個設備的圖節點的度為所述圖模型中與所述第i個設備的圖節點vi連接的邊的數量,L(i)為所述圖模型中與所述第i個設備的圖節點vi連接的圖節點集合,L(i)={vj:eij∈E},vj為所述圖模型中與所述圖節點vi連接的節點,eij為所述圖模型中所述圖節點vi與圖節點vj之間連接的邊,為所述圖模型中的邊集合,n為所述已風險標注的訓練設備的數量;通過如下公式確定所述各個訓練設備的圖節點的連接總強度:其中,csi為所述第i個設備的圖節點的連接總強度,wij為所述eij的權重;通過如下公式確定所述各個訓練設備的圖節點的平均連接強度:其中,csai為所述第i個設備的圖節點的平均連接強度,所述ki為所述第i個設備的圖節點的度;通過如下公式確定所述各個訓練設備的聚類系數;其中,ci為所述第i個設備的聚類系數,mi為所述圖模型中與所述節點vi連接的節點之間相互連接的邊的個數,為所述圖模型中相鄰節點之間兩兩連接的邊的個數,所述mi為通過如下公式計算得到的:ekl為所述圖模型中與所述節點vi連接的節點vk和節點vl之間的邊;通過如下公式確定所述各個訓練設備的圖節點的聚類強度:其中,mi為所述圖模型中與所述節點vi連接的節點之間相互連接的邊的個數,wkl為所述節點vk和所述節點vl之間的邊的權重,為所述圖模型中與所述節點vi連接的節點之間相互連接的邊的權重之和。5.根據權利要求2至4中任一項所述的方法,其特征在于,所述方法還包括:判斷迭代次數是否達到預置數值,若是,則確定滿足所述預置的迭代終止條件;或,判斷所述預設訓練模型的參數是否收斂,若是,則確定滿足所述預置的迭代終止條件。6.一種識別風險設備的裝置,其特征在于,包括:獲取單元,用于獲取目標設備,所述目標設備為直播平臺中待識別風險的設備;確定單元,用于確定所述目標設備的圖...

【專利技術屬性】
技術研發人員:王非池,
申請(專利權)人:武漢斗魚魚樂網絡科技有限公司,
類型:發明
國別省市:湖北,42

網友詢問留言 已有0條評論
  • 還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。

1
北京pk是最稳全天计划 重庆时时开奖结果记录大小 澳洲pk赛车计划软件 赌场赌盘玩法 下载APP送28元彩金100可提现 七乐彩走势图表近50期 球探 竞彩足球计算器胜平负 精准36码的网址 2019十大时时彩平台 北京幸运28稳赚技巧 羽毛球即时比分直播 七乐彩app下载 二八杠棋牌娱乐 大乐透开结果走势图 ag都开的一样怎么杀猪