[发明专利]一种异常媒体行为的识别方法、装置、设备及存储介质

说明书

本公开涉及一种异常媒体行为的识别方法、装置、设备及存储介质，所述方法包括：获取待识别媒体数据，以及相应的历史媒体数据，然后，将待识别媒体数据和历史媒体数据输入预设的神经网络模型，得到相应的特征向量距离，之后，将特征向量距离输入预设的传统机器学习模型，得到相应的识别结果。这样，通过将神经网络模型得到的特征向量距离，输入到传统机器学习模型，从而确定待识别媒体数据的识别结果，实现了实时识别异常媒体行为，同时，提高了识别准确率以及识别效率。

技术领域

本发明涉及计算机技术领域，尤其涉及一种异常媒体行为的识别方法、装置、设备及存储介质。

背景技术

随着网络的发展，通过互联电脑、移动终端、传统电子设备等设备，为用户提供了丰富的媒体交互功能，例如社交、游戏等，但是，在媒体交互过程中，可能存在一些异常媒体行为，以游戏场景为例，可能存在用户使用外挂、代练等作弊行为，以社交场景为例，可能存在账户被盗等异常行为。

然而，现有技术中，通常采用人工举报的方式，实现对异常媒体行为的识别，因此，无法及时、准确识别出异常媒体行为。

有鉴于此，需要设计一种新的方法，以克服上述缺陷。

发明内容

本发明的主要目的在于提供一种异常媒体行为的识别方法、装置、设备及存储介质，旨在实现实时识别异常媒体行为，提高识别准确率。

为实现上述目的，本公开提供一种异常媒体行为的识别方法，所述异常媒体行为的识别方法包括：

获取待识别媒体数据，以及获取所述待识别媒体数据对应的历史媒体数据；

将所述待识别媒体数据和所述历史媒体数据输入预设的神经网络模型，得到相应的特征向量距离；

将所述特征向量距离输入预设的传统机器学习模型，得到相应的识别结果，所述识别结果用于表征所述待识别媒体数据对应的行为是否为异常媒体行为。

可选的，获取待识别媒体数据，以及获取所述待识别媒体数据对应的历史媒体数据，具体包括：

基于预设的检测周期，定期采集当前运行的操作序列，作为相应的待识别媒体数据，并从预设的数据存储位置，获取所述待识别媒体数据对应的历史媒体数据。

可选的，将所述待识别媒体数据和所述历史媒体数据输入预设的神经网络模型，得到相应的特征向量距离，具体包括：

将所述待识别媒体数据和所述历史媒体数据输入预设的神经网络模型，通过所述神经网络模型中的第一神经网络，对所述待识别媒体数据和所述历史媒体数据进行特征提取，得到所述待识别媒体数据对应的第一特征向量和所述历史媒体数据对应的第二特征向量，其中，所述第一特征向量和所述第二特征向量分别用于表征所述第一神经网络提取出的所述待识别媒体数据和所述历史媒体数据的操作行为特征；

将所述第一特征向量和所述第二特征向量输入所述神经网络模型中的全连接层，得到预设的固定向量长度的第一特征向量和第二特征向量，分别作为第三特征向量和第四特征向量；

采用预设的向量距离算法，得到所述第三特征向量和所述第四特征向量之间的特征向量距离。

可选的，将所述待识别媒体数据和所述历史媒体数据输入预设的神经网络模型，得到相应的特征向量距离，具体包括：

将所述待识别媒体数据和所述历史媒体数据输入预设的神经网络模型，得到所述待识别媒体数据对应的第一特征向量和所述历史媒体数据对应的第二特征向量，以及得到相应的特征向量距离；

将所述特征向量距离输入预设的传统机器学习模型，得到相应的识别结果，具体包括：