[发明专利]一种异常用户识别方法及装置

权利要求书

1.一种异常用户识别方法，其特征在于，所述方法包括：

获取多个用户的用户行为数据；

提取所述多个用户中每个用户的用户行为数据在预设的多个用户行为维度下的多个用户特征值；

根据所述多个用户中每个用户的多个用户特征值，确定所述多个用户中每个用户的用户特征向量；

通过预设的聚类算法，对所述多个用户的用户特征向量进行聚类处理，得到多个用户类；

根据所述多个用户类中每个用户类包括的用户特征向量，确定所述多个用户类中每个用户类的中心向量；

获取所述多个用户类中每个用户类的差异特征向量；所述差异特征向量为用户类中与所述用户类的中心向量的距离值未在预设距离值范围内的用户特征向量；

将所述差异特征向量所表征的用户确定为异常用户。

2.根据权利要求1所述的方法，其特征在于，所述通过预设的聚类算法，对所述多个用户的用户特征向量进行聚类处理，得到多个用户类，包括：

通过K-means聚类算法，对所述多个用户的用户特征向量进行聚类处理，得到K个初始用户类；所述K为正整数；

获取所述K个初始用户类中第一初始用户类和第二初始用户类；

对所述第一初始用户类与所述第二初始用户类进行合并处理，得到合并初始用户类；

将所述合并初始用户类和所述K个初始用户类中未合并的其他初始用户类，分别作为进行聚类处理后的用户类，得到多个用户类；

所述第一初始用户类为所述K个初始用户类中包括的用户特征向量的个数小于预设数量阈值的初始用户类；

所述第二初始用户类为所述K个初始用户类中与所述第一初始用户类的中心向量的距离值最小的中心向量所表征的初始用户类。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

计算所述多个用户类中任意两个用户类的中心向量之间的距离值，得到多个距离值；

确定所述多个距离值中最小距离值所表征的第一用户类和第二用户类；

获取所述多个用户类中每个用户类包括的用户特征向量的第一聚合值；

当将所述第一用户类和所述第二用户类作为合并用户类时，获取所述合并用户类包括的用户特征向量的第二聚合值，并获取所述多个用户类中除所述合并用户类外的每个用户类包括的用户特征向量的第二聚合值；

对多个第一聚合值进行累加处理，得到第一和值；

对多个第二聚合值进行累加处理，得到第二和值；

当所述第二和值小于所述第一和值时，对所述第一用户类和所述第二用户类进行合并处理；

所述聚合值用于表征用户特征向量归属于用户类中的合理程度。

4.根据权利要求3所述的方法，其他特征在于，所述聚合值采用以下步骤获得：

计算第一用户特征向量与每个第二用户特征向量之间的第一距离值；所述第二用户特征向量为所述第一用户特征向量所在用户类中除所述第一用户特征向量之外的用户特征向量；

计算所述第一用户特征向量与每个第三用户特征向量之间的第二距离值；所述第三用户特征向量为除所述第一用户特征向量所在用户类之外的每个用户类中的用户特征向量；

对多个第一距离值进行取均值处理，得到第一距离均值；

对多个属于同一用户类的第二距离值进行取均值处理，得到多个第二距离均值；

获取多个第二距离均值中的距离均值最小值；

将所述第一距离均值与所述距离均值最小值的比值，作为所述第一用户特征向量的聚合值。

5.根据权利要求1所述的方法，其特征在于，所述将所述差异特征向量所表征的用户确定为异常用户，包括：

根据所述多个用户行为维度中的每个用户行为维度，判断所述差异特征向量对应的用户特征值是否超过预设的特征基线值；

如果所述差异特征向量对应的用户特征值超过所述特征基线值，则确定在所述用户行为维度下所表征的用户行为为异常用户行为，并确定所述差异特征向量所表征的用户为异常用户。