[发明专利]机器学习模型的训练方法、装置、设备及存储介质

说明书

本申请公开了一种机器学习模型的训练方法、装置、设备及存储介质，属于机器学习领域。该方法包括：获取样本用户帐号对应的行为序列集，行为序列集包括样本用户帐号执行的按照时间排序的多个行为事件，样本用户帐号对应有标签；根据自定义的行为模式筛选条件从行为序列集中，提取样本用户帐号的行为模式集，行为模式集采用行为子序列集表示，行为子序列集是行为序列集的子集；从行为模式集中筛选出行为特征表示集，行为特征表示集包括样本用户帐号对应的普遍行为模式集和罕见行为模式集中的至少一种集合；将行为特征表示集和标签作为样本，对机器学习模型进行训练，得到训练后的机器学习模型。本申请提升了机器学习模型的训练效果。

技术领域

本申请涉及机器学习领域，特别涉及一种机器学习模型的训练方法、装置、设备及存储介质。

背景技术

用户通过登录用户帐号在客户端执行各类行为事件，如聊天通讯、转账购物、了解时政要闻、在线投票等。执行行为事件的用户帐号包括正常帐号或恶意用户帐号，通过机器学习模型能够对恶意用户帐号进行识别。

以基于特征工程的机器学习模型进行异常检测为例，通过特征工程技术提取用户行为序列的数值特征和序列特征，如提取行为数量均值方差、提取行为种类集合的大小等，将每个用户的行为序列处理成数值矩阵输入至机器学习模型中，以此来训练该机器学习模型，从而使得该机器学习模型能够对正常用户和恶意用户进行分类。

在上述技术方案中，一旦特征工程提取的特征被公开，易于使得恶意用户帐号规避该特征，导致利用该技术方案训练得到的机器学习模型无法准确检测出恶意用户帐号。

发明内容

本申请实施例提供了一种机器学习模型的训练方法、装置、设备及存储介质，使得训练后的机器学习模型能够准确地预测出恶意用户帐号。所述技术方案如下：

根据本申请的一个方面，提供了一种机器学习模型的训练方法，所述方法包括：

获取样本用户帐号对应的行为序列集，所述行为序列集包括所述样本用户帐号执行的按照时间排序的多个行为事件，所述样本用户帐号对应有标签；

根据自定义的行为模式筛选条件从所述行为序列集中，提取所述样本用户帐号的行为模式集，所述行为模式集采用行为子序列集表示，所述行为子序列集是所述行为序列集的子集；

从所述行为模式集中筛选出行为特征表示集，所述行为特征表示集包括所述样本用户帐号对应的普遍行为模式集和罕见行为模式集中的至少一种集合；

将所述行为特征表示集和所述标签作为所述样本用户帐号对应的样本对，对所述机器学习模型进行训练，得到训练后的机器学习模型。

根据本申请的另一方面，提供了一种用户帐号的检测方法，所述方法包括：

获取所述用户帐号对应的检测行为序列集，所述检测行为序列集包括所述用户帐号执行的按照时间排序多个行为事件；

从所述检测行为序列集中提取所述用户帐号的检测行为模式集，所述检测行为模式集采用检测行为子序列集表示，所述检测行为子序列集是所述检测行为序列集的子集；

根据所述检测行为模式集得到检测特征表示集，所述检测特征表示集包括所述用户帐号对应的普遍行为模式集和罕见行为模式集中的至少一种集合；

将所述检测特征表示集输入至训练后的机器学习模型中，得到所述用户帐号属于恶意用户帐号的概率。

根据本申请的另一方面，提供了一种机器学习模型的训练装置，所述装置包括：

第一获取模块，用于获取样本用户帐号对应的行为序列集，所述行为序列集包括所述样本用户帐号执行的按照时间排序的多个行为事件，所述样本用户帐号对应有标签；