【技术实现步骤摘要】
一种风险预警提示方法、装置、介质及设备
本申请涉及信息安全
,尤其涉及一种风险预警提示方法、装置、介质及设备。
技术介绍
电信诈骗日益猖獗,给很多用户带来了财产损失。目前,很多用户选择在其对应的用户终端(比如手机、平板电脑等)中安装安全软件,利用安全软件实时检测针对该用户的各种风险事件,安全软件在用户使用户终端进行支付时,可根据检测到的风险事件向用户对应的用户终端反馈风险预警提示信息,以提醒用户其当前的支付行为是否可能会导致财产损失。其中,风险事件包括用户终端中感染的病毒、用户终端收到的诈骗电话和诈骗短信、用户终端连接过的风险WiFi、伪基站以及恶意网址等。现阶段,利用户终端中安装的安全软件对用户进行风险预警提示的方式为:监听到用户发送的支付请求时,判断在接收到该支付请求之前的一定时长内是否检测到针对该用户的风险事件;如果是,则向该用户所对应的用户终端返回风险预警提示信息。专利技术人发现,在实际应用中,单一的风险事件并不一定会导致用户财产损失,而现阶段的这种风险预警提示方式,只要检测到针对该用户的任一风险事件,即向用户返回风险预警提示信息,不仅会出现风险预警提示的准确率较低的问题,还会由于频繁向用户终端发送风险预警提示信息带来资源浪费的问题。
技术实现思路
本申请提供一种风险预警提示方法、装置、介质及设备,用于解决现有技术中存在的风险预警提示的准确率较低以及资源浪费的问题。第一方面,本申请实施例提供一种风险预警提示方法,包括:获取在预设时间段内产生的针对用户的风险事件数据以及所述用户的属性信息,其中,所述风险事件数据包括各个风险事件在所述预设时间段内发生 ...
【技术保护点】
一种风险预警提示方法,其特征在于,包括:获取在预设时间段内产生的针对用户的风险事件数据以及所述用户的属性信息,其中,所述风险事件数据包括各个风险事件在所述预设时间段内发生的次数和/或指定风险事件在预设时间段内发生的时长;根据所述风险事件数据以及用户的属性信息,生成所述用户的特征向量;将所述用户的特征向量输入预先训练得到的至少一个受损预测模型,得到所述用户在相应受损预测模型下的受损概率;根据第一概率阈值以及所述用户在各个受损预测模型下的受损概率,向所述用户对应的用户终端发送风险预警提示信息。
【技术特征摘要】
1.一种风险预警提示方法,其特征在于,包括:获取在预设时间段内产生的针对用户的风险事件数据以及所述用户的属性信息,其中,所述风险事件数据包括各个风险事件在所述预设时间段内发生的次数和/或指定风险事件在预设时间段内发生的时长;根据所述风险事件数据以及用户的属性信息,生成所述用户的特征向量;将所述用户的特征向量输入预先训练得到的至少一个受损预测模型,得到所述用户在相应受损预测模型下的受损概率;根据第一概率阈值以及所述用户在各个受损预测模型下的受损概率,向所述用户对应的用户终端发送风险预警提示信息。2.根据权利要求1所述的方法,其特征在于,根据第一概率阈值以及所述用户在各个受损预测模型下的受损概率,向所述用户对应的用户终端发送风险预警提示信息,包括:根据所述用户在各个受损预测模型下的受损概率,确定所述用户的最终受损概率;若所述用户的最终受损概率超过所述第一概率阈值,则向所述用户对应的用户终端发送风险预警提示信息。3.根据权利要求2所述的方法,其特征在于,确定所述用户的最终受损概率,包括:在仅包括一个受损预测模型的情况下,将所述用户在该受损模型下的受损概率作为所述用户的最终受损概率;在包括多个受损预测模型的情况下,计算所述用户在各个受损预测模型下的受损概率的加权求和结果;将所述加权求和结果作为所述用户的最终受损概率。4.根据权利要求1所述的方法,其特征在于,在包括多个受损预测模型的情况下,根据第一概率阈值以及所述用户在各个受损预测模型下的受损概率,向所述用户对应的用户终端发送风险预警提示信息,包括:统计所述用户在各个受损预测模型下的受损概率中,超过所述第一概率阈值的受损概率的个数以及未超过所述第一概率阈值的受损概率的个数;若超过所述第一概率阈值的受损概率的个数大于或等于未超过所述第一概率阈值的受损概率的个数,则向所述用户对应的用户终端发送风险预警提示信息。5.根据权利要求1所述的方法,其特征在于,预先按照以下方式训练得到任一受损预测模型:基于确定的训练样本集中各个样本用户的特征向量以及相应样本用户所属的类别,利用预设二分类算法训练得到所述任一受损预测模型,其中,所述样本用户的特征向量预先根据针对样本用户的风险事件数据以及样本用户的属性信息确定,样本用户所属的类别为受损类别或未受损类别。6.根据权利要求5所述的方法,其特征在于,采用以下方式确定所述训练样本集:将所属的类别为受损类别的各个样本用户的特征向量以及受损类别对应存入黑样本集;将所属的类别为未受损类别的各个样本用户的特征向量以及未受损类别对应存入白样本集;其中,一个样本包括特征向量以及该特征向量对应的样本用户所属的类别;利用所述黑样本集,从所述白样本集中筛选出可靠白样本集;根据所述黑样本集以及筛选出的可靠白样本集,确定所述训练样本集。7.根据权利要求6所述的方法,其特征在于,采用如下方式确定样本用户的特征向量:针对保存的所属的类别为受损类别的每个样本用户,根据该样本用户在受损时间点的属性信息以及在受损时间点之前的预设时...
【专利技术属性】
技术研发人员:鲁梦平,戴云峰,关盛裕,罗锦坚,詹勋昌,
申请(专利权)人:腾讯科技深圳有限公司,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。