[发明专利]群体虚假交易识别方法及装置

说明书

技术领域

本发明涉及互联网技术领域，特别涉及一种群体虚假交易识别方法及装置。

背景技术

在电商平台上，一些卖家为了获取更多的流量等平台资源而进行刷销量、刷好评等作弊行为，而此种作弊行为逐渐变成一种类似“众包”的群体作弊行为，即作弊卖家通过即时聊天工具等线上渠道将待作弊商品分发给全国各地的“刷手”买家，“刷手”买家进行虚假购买并给予好评，提高作弊商品销量和好评率。现有技术在识别刷单类虚假交易时，事先确定一个训练集，一般通过买家的显著异常行为确定训练集，显著异常行为例如“发空包”等行为。此种方法得到的异常数据往往是有偏差的，在此类有偏差的训练集基础上建模，模型的泛化能力可想而知。

除此之外，随着虚假交易的演变，个体上的虚假交易已经“几可乱真”，越来越难以识别。

发明内容

本申请提供一种群体虚假交易识别方法，包括：

获取预设时间段内各买家的交易相关信息，所述交易相关信息包含买家ID及各买家所购买的多个商品的ID；

根据所述交易相关信息对买家进行聚类，得到多个买家群体；其中，每个买家群体中的买家购买了多种相同的商品；

根据所述交易相关信息计算每个买家群体的整体相似度指标；

根据所述整体相似度指标识别出多个所述买家群体中的虚假交易群体。

本申请提供一种群体虚假交易识别装置，包括：

信息获取单元，用于获取预设时间段内各买家的交易相关信息，所述交易相关信息包含买家ID及各买家所购买的多个商品的ID；

聚类单元，用于根据所述交易相关信息对买家进行聚类，得到多个买家群体；其中，每个买家群体中的买家购买了多种相同的商品

计算单元，用于根据所述交易相关信息计算每个买家群体的整体相似度指标；

识别单元，用于根据所述整体相似度指标识别出多个所述买家群体中的虚假交易群体。

本申请实施例中，可以基于交易数据自身识别群体虚假交易，无需事先确定训练集，具有较好的自适应性。

当然实施本申请的任一产品或者方法必不一定需要同时达到以上所述的所有优点。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本申请实施例的群体虚假交易识别方法的一种实施例的方法流程图；

图2是本申请实施例的商品及买家列表示意图；

图3是本申请实施例的群体虚假交易识别方法的一种实施例的方法流程图；

图4是本申请实施例的买家相似性关系示意图；

图5是本申请实施例的群体虚假交易识别装置的结构示意图；

图6是本申请实施例的聚类单元的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1是本申请提出的群体虚假交易识别方法的一种实施例的方法流程图。虽然本申请提供了如下述实施例或附图所示的方法操作步骤或装置结构，但基于常规或者无需创造性的劳动在所述方法或装置中可以包括更多或者更少的操作步骤或模块结构。在逻辑性上不存在必要因果关系的步骤或结构中，这些步骤的执行顺序或装置的模块结构不限于本申请实施例提供的执行顺序或模块结构。所述的方法或模块结构的在实际中的装置或终端产品执行时，可以按照实施例或者附图所示的方法或模块结构连接进行顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。

正常交易中，买家的购物行为具有随机性，任意两个买家之间购物相关性不高。而同一批刷手之间由于拥有相同的线上分发渠道，在交易序列上不可避免的具有相似性，而同一批刷手越多，刷单的商品越多，此种异常越明显。即，此类作弊行为虽然在单笔交易上越来越难以甄别，但从群体上却有规律可循，基于此，本发明通过识别“刷手”群体异常行为识别虚假交易，通过对交易数据自身进行识别找出虚假交易，具有较好的自适应性。具体的如图1所示，本申请提供的群体虚假交易识别方法可以包括：