[发明专利]多维度异常流量识别方法、装置及计算机设备

权利要求书

1.一种多维度异常流量识别方法，其特征在于，包括：

获取用户数据步骤，用于获取待识别的用户数据，所述用户数据包括：若干用户ID及每一所述用户对应的活跃日期，所述用户数据还包括：日均IP地址数、访问媒体及访问广告点位中任意二者或三者组合；

用户质量评分步骤，用于根据所述活跃日期对用户设置初始评分并结合所述用户数据进行多维度用户行为评估以更新所述初始评分，得到所述用户的质量评分；

异常流量识别步骤，用于设定一评分阈值并根据所述评分阈值对比用户的所述质量评分，以根据用户质量识别异常流量；

其中，所述日均IP地址数为通过计算一设定时间段内所述用户使用的不同IP地址数计算得到。

2.根据权利要求1所述的多维度异常流量识别方法，其特征在于，所述用户质量评分步骤进一步包括：

初始评分获取步骤，用于计算所述设定时间段内所述用户的活跃日期数，并根据所述活跃日期数设置所述用户的初始评分；

评分更新步骤，用于利用在所述设定时间段内所述用户的使用IP地址、访问媒体及访问广告点位中任意二者或三者组合对所述用户进行评估并更新所述初始评分，得到所述用户的质量评分。

3.根据权利要求2所述的多维度异常流量识别方法，其特征在于，所述评分更新步骤中，进一步包括：使用IP地址评估步骤、访问媒体评估步骤及访问广告点位评估步骤。

4.根据权利要求3所述的多维度异常流量识别方法，其特征在于，所述使用IP地址评估步骤进一步包括：

计算所述设定时间段内所述用户使用的不同IP地址数，并计算所述用户使用的日均IP地址数；

获取全体用户关联的IP地址数分布并根据所述IP地址数分布设定一合理范围，判断所述日均IP地址数是否超过所述合理范围，若所述用户的日均IP地址数属于所述合理范围，则评分不变；否则，降低当前评分。

5.根据权利要求3所述的多维度异常流量识别方法，其特征在于，所述访问媒体评估步骤进一步包括：

计算所述设定时间段内所述用户的访问媒体数；

获取全体用户的访问媒体数平均值并根据所述访问媒体数平均值计算所述访问媒体的集中程度；

根据所述访问媒体的集中程度判断所述访问媒体是否过于集中；若所述访问媒体非过于集中，则用户评分不变；否则，根据所述用户的访问媒体的集中程度降低当前评分。

6.根据权利要求3所述的多维度异常流量识别方法，其特征在于，所述访问广告点位评估步骤进一步包括：

计算所述设定时间段内所述用户的访问广告点位数；

获取全体用户的访问广告点位数平均值并根据所述访问广告点位数平均值计算所述访问广告点位的集中程度；

根据所述访问广告点位的集中程度判断所述访问广告点位是否过于集中；若所述访问广告点位非过于集中，则评分不变；否则，根据所述用户的访问广告点位的集中程度降低当前评分。

7.一种多维度异常流量识别装置，其特征在于，包括：

获取用户数据模块，用于获取待识别的用户数据，所述用户数据包括：若干用户ID及每一所述用户对应的活跃日期，所述用户数据还包括：日均IP地址数、访问媒体及访问广告点位中任意二者或三者组合；

用户质量评分模块，用于根据所述活跃日期对用户设置初始评分并结合所述用户数据中进行多维度用户行为评估以更新所述初始评分，得到所述用户的质量评分；

异常流量识别模块，用于设定一评分阈值并根据所述评分阈值对比用户的所述质量评分，以根据用户质量识别异常流量；

其中，所述日均IP地址数为通过计算一设定时间段内所述用户使用的不同IP地址数计算得到。