[发明专利]恶意订单的识别方法、模型的训练方法、设备及存储介质

权利要求书

1.一种恶意订单的识别方法，其特征在于，包括：

获取多个待识别订单；

根据预设的不同维度对所述多个待识别订单进行分组，得到所述多个待识别订单在不同维度的分组结果；所述分组结果包括相同维度下同一来源的至少一个待识别订单；

将所述多个待识别订单在不同维度的分组结果输入识别模型，得到所述多个待识别订单中每个待识别订单是否为恶意订单的识别结果；

其中，所述识别模型为用于识别所述多个待识别订单中每个待识别订单是否为恶意订单的模型。

2.根据权利要求1所述的方法，其特征在于，所述根据预设的不同维度对所述多个待识别订单进行分组，得到所述多个待识别订单在不同维度的分组结果，包括：

确定所述预设的不同维度中的其中一个维度为第一维度，其余维度为第二维度；

根据所述第一维度对所述多个待识别订单进行分组，得到至少一个第一分组结果；每个第一分组结果对应第一维度中的一个来源；

根据所述第二维度对每个第一分组结果中的待识别订单进行分组，得到所述多个待识别订单在第一维度的分组结果；

重复上述步骤，直至所述预设的不同维度中的每个维度均确定为第一维度，得到所述多个待识别订单在不同维度的分组结果。

3.根据权利要求2所述的方法，其特征在于，所述根据第一维度对多个待识别订单进行分组，得到至少一个第一分组结果，包括：

将所述多个待识别订单中属于第一维度下相同来源的订单划分为一组，得到至少一个第一分组结果；

其中，所述根据所述第二维度对每个第一分组结果中的待识别订单进行分组，得到所述多个待识别订单在第一维度的分组结果，包括：

针对每个第一分组结果，将属于第二维度下相同来源的待识别订单划分为一组，得到所述多个待识别订单在第一维度的分组结果。

4.根据权利要求1至3任一项所述的方法，其特征在于，所述识别模型包括第一识别模型；

其中，所述将所述多个待识别订单在不同维度的分组结果输入识别模型，得到所述多个待识别订单中每个待识别订单是否为恶意订单的识别结果，包括：

将所述多个待识别订单在不同维度的分组结果输入第一识别模型中，得到所述多个待识别订单中每个订单是否为恶意订单的识别结果；

其中，所述第一识别模型为根据多个样本订单在不同维度的分组结果进行训练得到的，用于识别所述多个待识别订单中每个订单是否为恶意订单的模型。

5.根据权利要求1至3任一项所述的方法，其特征在于，所述识别模型包括至少两个不同的第二识别模型；所述每个待识别订单的识别结果为该订单为恶意订单的概率；

其中，所述根据预设的不同维度对所述多个待识别订单进行分组，得到所述多个待识别订单在不同维度的分组结果，包括：

将所述多个待识别订单在每个维度的分组结果分别输入至少两个不同的第二识别模型中，得到每个待识别订单在每个维度的至少两个概率；

根据至少两个概率，确定每个待识别订单在每个维度的概率；

将每个待识别订单在各个维度的概率进行加权求和，得到每个待识别订单的识别结果；

其中，所述至少两个不同的第二识别模型分别是根据多个样本订单在不同维度的分组结果和标注数据进行训练得到的，用于识别所述多个待识别订单是否属于恶意订单，所述标注数据用于标注样本订单是否为恶意订单。

6.根据权利要求1至3任一项所述的方法，其特征在于，所述识别模型包括第三识别模型；每个待识别订单的识别结果为该待识别订单为恶意订单的概率；

其中，所述根据预设的不同维度对所述多个待识别订单进行分组，得到所述多个待识别订单在不同维度的分组结果，包括：

将所述多个待识别订单在不同维度的分组结果输入对应的第三识别模型中，得到每个待识别订单在不同维度的子概率；其中，每个维度的分组结果对应一个第三识别模型；

将每个待识别订单在不同维度的子概率进行加权求和，得到所述多个待识别订单的识别结果；

其中，所述第三识别模型是根据多个样本订单在不同维度的分组结果和标注数据进行训练得到的，用于识别所述多个待识别订单是否属于恶意订单，所述标注数据用于标注样本订单是否为恶意订单。