[发明专利]非正常账号识别方法、装置、设备和存储介质

权利要求书

1.非正常账号识别方法，其特征在于，包括：

获取多个用户账号以及和用户账号关联的设备属性信息，根据所述设备属性信息确定所述多个用户账号中每个用户账号之间的用户关联关系；

获取所述每个用户账号对应的业务数据，以所述每个用户账号为用户节点，所述每个用户账号对应的业务数据为用户节点属性特征，所述用户关联关系为边，通过图卷积网络算法计算得到所述每个用户节点的节点向量；

基于所述每个用户节点的节点向量进行聚类，根据聚类结果确定非正常账号。

2.根据权利要求1所述的非正常账号识别方法，其特征在于，所述根据所述设备属性信息确定所述多个用户账号中每个用户账号之间的用户关联关系，包括：

确定所述多个用户账号中每个用户账号和所述设备属性信息的设备属性关联关系；

根据所述设备属性关联关系确定所述每个用户账号之间的用户关联关系。

3.根据权利要求1所述的非正常账号识别方法，其特征在于，所述通过图卷积网络算法计算得到所述每个用户节点的节点向量，包括：

采用无监督学习的归纳学习模型进行训练得到所述每个用户节点的节点向量。

4.根据权利要求3所述的非正常账号识别方法，其特征在于，所述无监督学习的归纳学习模型的参数设置包括：

聚合两跳内的邻居节点特征，聚合方式采用长短期记忆神经网络进行聚合；

用户节点抽取时，抽取第一预设次数的一跳邻居节点，以及第二预设次数的二跳邻居节点，所述第二预设次数大于所述第一预设次数。

5.根据权利要求1所述的非正常账号识别方法，其特征在于，所述基于所述每个用户节点的节点向量进行聚类，包括：

通过基于密度的空间聚类算法对所述每个用户节点的节点向量进行聚类，得到多个聚类簇。

6.根据权利要求5所述的非正常账号识别方法，其特征在于，所述根据聚类结果确定非正常账号，包括：

计算每个聚类簇中所有用户账号的业务数据的平均值，根据计算结果以及预设的逻辑判断条件对聚类簇进行标注；

将标注结果为非正常的聚类簇中的用户账号确定为非正常账号。

7.根据权利要求1-6中任一项所述的非正常账号识别方法，其特征在于，在通过图卷积网络算法计算得到所述每个用户节点的节点向量之后，还包括：

输出训练完成的图模型文件；

在基于所述每个用户节点的节点向量进行聚类之后，还包括：

输出训练完成的聚类模型文件。

8.根据权利要求7所述的非正常账号识别方法，其特征在于，还包括：

实时获取新增的用户节点，通过所述图模型文件记录的训练模型输出节点向量；

通过所述聚类模型文件记录的训练模型计算得到所述节点向量所属的聚类簇，以确定所述新增的用户节点对应的用户账号是否为非正常账号。

9.非正常账号识别装置，其特征在于，包括：

数据获取模块，用于获取多个用户账号以及和用户账号关联的设备属性信息，以及每个用户账号对应的业务数据；

用户关联关系确定模块，用于根据所述设备属性信息确定所述多个用户账号中每个用户账号之间的用户关联关系；

向量计算模块，用于以所述每个用户账号为用户节点，所述每个用户账号对应的业务数据为用户节点属性特征，所述用户关联关系为边，通过图卷积网络算法计算得到所述每个用户节点的节点向量；

聚类计算模块，用于基于所述每个用户节点的节点向量进行聚类；

结果分析模块，用于根据聚类结果确定非正常账号。

10.一种非正常账号识别设备，所述设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-8中任一项所述的非正常账号识别方法。

11.一种存储计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-8中任一项所述的非正常账号识别方法。