作弊概率确定方法、装置、电子设备及存储介质制造方法及图纸

本公开的实施例提供了一种作弊概率确定方法、装置、电子设备及存储介质。所述方法包括：获取多个待处理订单，及每个所述待处理订单关联的特征数据集；根据各所述特征数据集之间的关联关系，对所述多个待处理订单进行群组划分，生成订单群组；根据所述订单群组对应的作弊概率，确定所述多个待处理订单中的目标订单对应的目标作弊概率。本公开实施例可以提高作弊检测的准确率和召回率。

【技术实现步骤摘要】
作弊概率确定方法、装置、电子设备及存储介质
本公开的实施例涉及订单处理
，尤其涉及一种作弊概率确定方法、装置、电子设备及存储介质。
技术介绍
当前互联网行业为培养用户消费习惯，常以各种营销形式对新老用户进行补贴，从而催生一批职业黄牛刷手利用技术手段模拟新设备批量注册新客账户、或在网络上发布真人众包刷单招聘的方式，非法获取各种补贴，给互联网公司带来巨大损失。业内主流的反作弊识别方式是在用户注册、交易等环节采集设备指纹、环境信息、用户行为等信息，基于人工构建的规则或有监督模型对单个订单作弊概率进行预测和判定。当用户使用促销被判定为作弊时，系统会拦截该笔交易来减少公司损失。业内主要的反作弊检测方法是对单个用户及订单的多维度特征进行刻画和总结，并基于历史识别的作弊用户黑样本做预测和分类，这种方法的缺点在于需要大量的黑白训练样本，无法在新场景上快速启动。且由于作弊攻击手法的不断变化模型会持续退化，导致准确率和召回率下降。
技术实现思路
本公开的实施例提供一种作弊概率确定方法、装置、电子设备及存储介质，用以提高作弊检测的准确率和召回率。根据本公开的实施例的第一方面，提供了一种作弊概率确定方法，包括：获取多个待处理订单，及每个所述待处理订单关联的特征数据集；根据各所述特征数据集之间的关联关系，对所述多个待处理订单进行群组划分，生成订单群组；根据所述订单群组对应的作弊概率，确定所述多个待处理订单中的目标订单对应的目标作弊概率。可选地，所述获取多个待处理订单，及每个所述待处理订单关联的特征数据集，包括：获取每个所述待处理订单关联的设备信息和登录环境信息；获取每个所述待处理订单关联的用户基础信息、用户行为信息和业务数据信息；根据所述设备信息、所述登录环境信息、所述用户基础信息、所述用户行为信息和所述业务数据信息，生成每个所述待处理订单关联的特征数据集。可选地，所述根据各所述特征数据集之间的关联关系，对所述多个待处理订单进行群组划分，生成订单群组，包括：对各所述特征数据集进行去异常处理，生成处理后的特征数据集；获取所述处理后的特征数据集中任意两个特征之间的关联关系，及每个特征对应的特征熵值；根据所述关联关系和所述特征熵值，对所述处理后的特征数据集进行群组划分，生成所述订单群组。可选地，所述根据所述订单群组对应的作弊概率，确定所述多个待处理订单中的目标订单对应的目标作弊概率，包括：基于历史作弊数据，确定所述订单群组对应的作弊概率；获取所述目标订单出现于所述订单群组中的至少一个订单群组；根据所述至少一个订单群组对应的作弊概率，确定所述目标订单的目标作弊概率。可选地，所述根据所述至少一个订单群组对应的作弊概率，确定所述目标订单的目标作弊概率，包括：获取所述至少一个订单群组对应的作弊概率中的最大值；将所述最大值作为所述目标作弊概率。可选地，所述根据所述至少一个订单群组对应的作弊概率，确定所述目标订单的目标作弊概率，包括：获取所述至少一个订单群组对应的作弊概率的作弊概率均值；将所述作弊概率均值作为所述目标作弊概率。根据本公开的实施例的第二方面，提供了一种作弊概率确定装置，包括：特征数据集获取模块，用于获取多个待处理订单，及每个所述待处理订单关联的特征数据集；订单群组生成模块，用于根据各所述特征数据集之间的关联关系，对所述多个待处理订单进行群组划分，生成订单群组；目标作弊概率确定模块，用于根据所述订单群组对应的作弊概率，确定所述多个待处理订单中的目标订单对应的目标作弊概率。可选地，所述特征数据集获取模块包括：设备环境信息获取单元，用于获取每个所述待处理订单关联的设备信息和登录环境信息；行为业务信息获取单元，用于获取每个所述待处理订单关联的用户基础信息、用户行为信息和业务数据信息；特征数据集生成单元，用于根据所述设备信息、所述登录环境信息、所述用户基础信息、所述用户行为信息和所述业务数据信息，生成每个所述待处理订单关联的特征数据集。可选地，所述订单群组生成模块包括：处理数据集生成单元，用于对各所述特征数据集进行去异常处理，生成处理后的特征数据集；特征熵值获取单元，用于获取所述处理后的特征数据集中任意两个特征之间的关联关系，及每个特征对应的特征熵值；订单群组生成单元，用于根据所述关联关系和所述特征熵值，对所述处理后的特征数据集进行群组划分，生成所述订单群组。可选地，所述目标作弊概率确定模块包括：作弊概率确定单元，用于基于历史作弊数据，确定所述订单群组对应的作弊概率；订单群组获取单元，用于获取所述目标订单出现于所述订单群组中的至少一个订单群组；目标作弊概率确定单元，用于根据所述至少一个订单群组对应的作弊概率，确定所述目标订单的目标作弊概率。可选地，所述目标作弊概率确定单元包括：最大值获取子单元，用于获取所述至少一个订单群组对应的作弊概率中的最大值；第一概率获取子单元，用于将所述最大值作为所述目标作弊概率。可选地，所述目标作弊概率确定单元包括：概率均值获取子单元，用于获取所述至少一个订单群组对应的作弊概率的作弊概率均值；第二概率获取子单元，用于将所述作弊概率均值作为所述目标作弊概率。根据本公开的实施例的第三方面，提供了一种电子设备，包括：处理器、存储器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现上述任一项所述的作弊概率确定方法。根据本公开的实施例的第四方面，提供了一种可读存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行上述任一项所述的作弊概率确定方法。本公开的实施例提供的作弊概率确定方案，通过获取多个待处理订单，及每个待处理订单关联的特征数据集，根据各特征数据集之间的关联关系，对多个待处理订单进行群组划分，生成订单群组，根据订单群组对应的作弊概率，确定多个待处理订单中的目标订单对应的目标作弊概率。本公开的实施例通过将订单的特征归纳为群组，从而将小概率风险事件对应的风险特征包含在群组拓扑结构内进行表示，从而实现高准确率和高召回率的作弊检测。附图说明为了更清楚地说明本公开的实施例的技术方案，下面将对本公开的实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的实施例的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为本公开实施例提供的一种作弊概率确定方法的步骤流程图；图2为本公开实施例提供的另一种作弊概率确定方法的步骤流程图；图3为本公开实施例提供的一种作弊概率确定装置的结构示意图；图4为本公开实施例提供的另一种作弊概率确定装置的结构示意图。具本文档来自技高网...

【技术保护点】
1.一种作弊概率确定方法，其特征在于，包括：/n获取多个待处理订单，及每个所述待处理订单关联的特征数据集；/n根据各所述特征数据集之间的关联关系，对所述多个待处理订单进行群组划分，生成订单群组；/n根据所述订单群组对应的作弊概率，确定所述多个待处理订单中的目标订单对应的目标作弊概率。/n

【技术特征摘要】
1.一种作弊概率确定方法，其特征在于，包括：
获取多个待处理订单，及每个所述待处理订单关联的特征数据集；
根据各所述特征数据集之间的关联关系，对所述多个待处理订单进行群组划分，生成订单群组；
根据所述订单群组对应的作弊概率，确定所述多个待处理订单中的目标订单对应的目标作弊概率。


2.根据权利要求1所述的方法，其特征在于，所述获取多个待处理订单，及每个所述待处理订单关联的特征数据集，包括：
获取每个所述待处理订单关联的设备信息和登录环境信息；
获取每个所述待处理订单关联的用户基础信息、用户行为信息和业务数据信息；
根据所述设备信息、所述登录环境信息、所述用户基础信息、所述用户行为信息和所述业务数据信息，生成每个所述待处理订单关联的特征数据集。


3.根据权利要求1所述的方法，其特征在于，所述根据各所述特征数据集之间的关联关系，对所述多个待处理订单进行群组划分，生成订单群组，包括：
对各所述特征数据集进行去异常处理，生成处理后的特征数据集；
获取所述处理后的特征数据集中任意两个特征之间的关联关系，及每个特征对应的特征熵值；
根据所述关联关系和所述特征熵值，对所述处理后的特征数据集进行群组划分，生成所述订单群组。


4.根据权利要求1所述的方法，其特征在于，所述根据所述订单群组对应的作弊概率，确定所述多个待处理订单中的目标订单对应的目标作弊概率，包括：
基于历史作弊数据，确定所述订单群组对应的作弊概率；
获取所述目标订单出现于所述订单群组中的至少一个订单群组；
根据所述至少一个订单群组对应的作弊概率，确定所述目标订单的目标作弊概率。


5.根据权利要求4所述的方法，其特征在于，所述根据所述至少一个订单群组对应的作弊概率，确定所述目标订单的目标作弊概率，包括：
获取所述至少一个订单群组对应的作弊概率中的最大值；
将所述最大值作为所述目标作弊概率。


6.根据权利要求5所述的方法，其特征在于，所述根据所述至少一个订单群组对应的作弊概率，确定所述目标订单的目标作弊概率，包括：
获取所述至少一个订单群组对应的作弊概率的作弊概率均值；
将所述作弊概率均值作为所述目标作弊概率。


7.一种作弊概率确定装置，其特征在于，包括：
特征数据集获取模块，用于获取多个待处理订单，及每个所述待处理订单关联的特征数据集；
订单群组生成模块，用于根据各所述特征数据集之间的关联关系，对所述多个待处理订单进行群组划分，生...

【专利技术属性】
技术研发人员：陈德胜，宋佳，杨阳，
申请(专利权)人：北京三快在线科技有限公司，
类型：发明
国别省市：北京;11