[发明专利]基于用户行为数据的异常用户群体检测方法、装置、设备

说明书

本申请属于数据分析领域，公开了一种基于用户行为数据的异常用户群体检测方法、装置、计算机设备及可读存储介质。所述方法包括根据获取的用户行为数据统计用户的行为特征；通过概率密度函数计算行为特征的高斯分布，得到每一行为特征的分布概率；根据预设权重表为不同行为特征的分布概率赋予权重；基于分布概率、权重计算用户为正常用户的概率值；并将概率值与预训练阈值进行对比，将小于预训练阈值的概率值对应的用户归入异常用户群体。采用本方法解决了现有技术中基于不同时间周期的样本数据进行当前目标时间点的数据进行异常预测的准确率存在偏差，导致预测得到的结果不准确。本申请还涉及区块链技术，所述用户行为数据可存储于区块链中。

技术领域

本申请涉及数据分析领域，特别是涉及一种基于用户行为数据的异常用户群体检测方法、装置、计算机设备和存储介质。

背景技术

现在“羊毛党”活跃于各类互联网平台，针对平台优惠活动，以相对较低成本甚至零成本换取物质上的实惠。“羊毛党”利用大量的手机卡，通过设备批量进行虚假注册、领取活动礼品，给平台带来巨额损失。“羊毛党”用户相对于平台所有用户而言，可以认为是异常用户。

对于异常用户行为检测，目前有以下方式：基于箱线图计算下四分位数与上四分位数的位差，认定一定范围外的点即为异常点，但是这种方式的精度欠缺，识别出的异常点比较少；另一种方式是基于距离位置的异常检测，先假设正常用户数据都比较集中，具有比较多的邻居，而异常数据都是孤立的，但是这种方式不适用于“羊毛党”，因为“羊毛党”一般是批量注册、批量领取礼品，表现为群聚特征。

由此可见，现有技术对异常用户预测的准确率较低。

发明内容

基于此，有必要针对上述技术问题，本申请提供一种基于用户行为数据的异常用户群体检测方法、装置、计算机设备及存储介质，以解决现有技术中对异常用户预测的准确率低的技术问题。

一种基于用户行为数据的异常用户群体检测方法，所述方法包括：

根据获取的用户行为数据统计每个用户的行为特征，其中，所述行为特征包括用户的UA设备数量、在APP上的活跃天数和模块操作次数；

通过概率密度函数计算所述行为特征的高斯分布，得到每一所述行为特征的分布概率；

根据预设权重表为不同所述分布概率赋予权重，其中，将所述活跃天数、所述模块操作次数的权重设为第一权重，将所述UA设备数量的权重设为第二权重；

基于所述分布概率、所述权重计算每一用户为正常用户的概率值；并

将所述概率值与预训练阈值进行对比，将小于所述预训练阈值的概率值对应的用户归入异常用户群体。

一种基于用户行为数据的异常用户群体检测装置，所述装置包括：

特征获取模块，用于根据获取的用户行为数据统计每个用户的行为特征，其中，所述行为特征包括用户的UA设备数量、在APP上的活跃天数和模块操作次数；

高斯计算模块，用于通过概率密度函数计算所述行为特征的高斯分布，得到每一所述行为特征的分布概率；

权重赋予模块，用于根据预设权重表为不同所述分布概率赋予权重，其中，将所述活跃天数、所述模块操作次数的权重设为第一权重，将所述UA设备数量的权重设为第二权重；

概率计算模块，用于基于所述分布概率、所述权重计算每一用户为正常用户的概率值；以及

阈值对比模块，用于将所述概率值与预训练阈值进行对比，将小于所述预训练阈值的概率值对应的用户归入异常用户群体。

一种计算机设备，包括存储器和处理器，以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述基于用户行为数据的异常用户群体检测方法的步骤。