基于用户行为数据的风险预测方法及装置制造方法及图纸

本发明专利技术属于计算机技术领域，具体涉及一种基于用户行为数据的风险预测方法及装置，用以提升预测准确性。该方法包括：获取目标用户的用户行为数据；其中，用户行为数据中包含多个维度的认证特征数据；根据多个维度的认证特征数据之间的关联关系，将至少两个维度的认证特征数据组合为关联特征数据；将多个维度的认证特征数据以及关联特征数据输入第一监督预测模型,获取第一监督预测模型输出的第一预测结果；将多个维度的认证特征数据以及所述关联特征数据输入第二监督预测模型,获取所述第二监督预测模型输出的第二预测结果；针对第一预测结果以及第二预测结果进行融合处理，得到融合预测结果，根据融合预测结果预测用户的行为风险等级。险等级。险等级。

【技术实现步骤摘要】
基于用户行为数据的风险预测方法及装置


[0001]本专利技术属于计算机
，具体涉及一种基于用户行为数据的风险预测方法及装置。

技术介绍

[0002]目前，从国家到企业，安全和效率变得越来越受到重视，安全领域中的身份管理更是每个人每天都要面对的。身份管理使用的安全防护手段包括常用的扫描二维码验证、指纹识别验证、动态人脸识别验证、身份证手机号码验证、输入字母数字等口令验证等。由此可见，现有的验证方式非常多，之所以会出现这么多方式，一方面是因为每一种验证方式和所需场景在适配的过程中都存在着“道高一尺魔高一丈”的情况，技术不断被破防；二是验证方法本身有不完善的地方，比如口令强度高了可能用户记不住，口令强度低了又很容易被破解。比如，在人脸识别领域，如果采用摇头晃脑的活体检测方式将导致用户体验差，但如果静态检测又会使假照片视频等蒙混过关。总之，在验证过程中，用户体验、安全性、成本这三者往往无法兼顾。
[0003]为了解决上述问题，目前出现了用户画像等行为分析技术，一方面在不干扰用户的前提下提升用户体验，一方面提升身份鉴别的安全准确性。目前业界最落地可行的方法是基于用户行为的规则分析，但是，这种方法的局限性在于：该方法是基于经验的，也就是说，一方面会根据用户的行为进行匹配，生搬硬套，有的用户可能没有安全威胁也被判定为有安全威胁。另一方面，随着各种破防手段的层出不穷，基于经验的规则不能灵活适应新的安全威胁。
[0004]由此可见，传统的基于用户画像等行为分析的风险识别方式存在着准确性低的弊端。
专利技术内容
[0005]本专利技术提出了一种基于用户行为数据的风险预测方法及装置，用以解决传统的基于用户画像等行为分析的风险识别方式所存在的准确性低的问题。
[0006]第一方面，本公开提供了一种基于用户行为数据的风险预测方法，包括：
[0007]获取目标用户的用户行为数据；其中，所述用户行为数据中包含多个维度的认证特征数据；
[0008]根据多个维度的认证特征数据之间的关联关系，将至少两个维度的认证特征数据组合为关联特征数据；
[0009]将所述多个维度的认证特征数据以及所述关联特征数据输入第一监督预测模型,获取所述第一监督预测模型输出的第一预测结果；
[0010]将所述多个维度的认证特征数据以及所述关联特征数据输入第二监督预测模型,获取所述第二监督预测模型输出的第二预测结果；
[0011]针对所述第一预测结果以及所述第二预测结果进行融合处理，得到融合预测结
果，根据所述融合预测结果预测所述目标用户的行为风险等级。
[0012]第二方面，本公开提供了一种基于用户行为数据的风险预测装置，包括：
[0013]数据获取模块，适于获取目标用户的用户行为数据；其中，所述用户行为数据中包含多个维度的认证特征数据；
[0014]组合模块，适于根据多个维度的认证特征数据之间的关联关系，将至少两个维度的认证特征数据组合为关联特征数据；
[0015]第一结果获取模块，适于将所述多个维度的认证特征数据以及所述关联特征数据输入第一监督预测模型,获取所述第一监督预测模型输出的第一预测结果；
[0016]第二结果获取模块，适于将所述多个维度的认证特征数据以及所述关联特征数据输入第二监督预测模型,获取所述第二监督预测模型输出的第二预测结果；
[0017]融合预测模块，适于针对所述第一预测结果以及所述第二预测结果进行融合处理，得到融合预测结果，根据所述融合预测结果预测所述目标用户的行为风险等级。
[0018]第三方面，本公开提供了一种电子设备，包括：
[0019]至少一个处理器；以及与所述至少一个处理器通信连接的存储器；
[0020]其中，所述存储器存储有可被所述至少一个处理器执行的一个或多个计算机程序，一个或多个所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上述的基于用户行为数据的风险预测方法。
[0021]第四方面，本公开提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序在被处理器执行时实现如上述的基于用户行为数据的风险预测方法。
[0022]根据本专利技术提出的一种基于用户行为数据的风险预测方法及装置，能够根据多个维度的认证特征数据之间的关联关系，将至少两个维度的认证特征数据组合为关联特征数据，由于关联特征数据包含至少两个相关性较大的认证特征数据，因此，能够强化认证特征数据之间的关联关系，进而更加准确的描述用户的行为特征，以便提升后续的预测准确性。另外，该方式采用第一监督预测模型以及第二监督预测模型相结合的方式，通过融合第一监督预测模型输出的第一预测结果以及所述第二监督预测模型输出的第二预测结果，能够提升最终的融合预测结果的准确性和全面性，从而进一步提升风险预测的准确性。
[0023]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0024]通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本专利技术的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
[0025]图1示出了本专利技术实施例一提供的一种基于用户行为数据的风险预测方法的流程图。
[0026]图2示出了一个具体示例的基于用户行为数据的风险预测方法的流程示意图。
[0027]图3示出了本专利技术实施例二提供的一种基于用户行为数据的风险预测装置的示意图。
[0028]图4示出了本专利技术实施例三提供的一种电子设备的结构示意图。
具体实施方式
[0029]为使本领域的技术人员更好地理解本公开的技术方案，以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
[0030]在不冲突的情况下，本公开各实施例及实施例中的各特征可相互组合。
[0031]如本文所使用的，术语“和/或”包括一个或多个相关列举条目的任何和所有组合。
[0032]本文所使用的术语仅用于描述特定实施例，且不意欲限制本公开。如本文所使用的，单数形式“一个”和“该”也意欲包括复数形式，除非上下文另外清楚指出。还将理解的是，当本说明书中使用术语“包括”和/或“由
……
制成”时，指定存在所述特征、整体、步骤、操作、元件和/或组件，但不排除存在或添加一个或多个其它特征、整体、步骤、操作、元件、组件和/或其群组。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于用户行为数据的风险预测方法，其特征在于，包括：获取目标用户的用户行为数据；其中，所述用户行为数据中包含多个维度的认证特征数据；根据多个维度的认证特征数据之间的关联关系，将至少两个维度的认证特征数据组合为关联特征数据；将所述多个维度的认证特征数据以及所述关联特征数据输入第一监督预测模型,获取所述第一监督预测模型输出的第一预测结果；将所述多个维度的认证特征数据以及所述关联特征数据输入第二监督预测模型,获取所述第二监督预测模型输出的第二预测结果；针对所述第一预测结果以及所述第二预测结果进行融合处理，得到融合预测结果，根据所述融合预测结果预测所述目标用户的行为风险等级。2.根据权利要求1所述的方法，其特征在于，所述根据多个维度的认证特征数据之间的关联关系，将至少两个维度的认证特征数据组合为关联特征数据包括：计算任意两个维度的认证特征数据之间的皮尔逊相关系数；其中，所述皮尔逊相关系数用于表征任意两个维度的认证特征数据之间的相关性大小；将皮尔逊相关系数大于预设阈值的两个维度的认证特征数据组合为关联特征数据。3.根据权利要求2所述的方法，其特征在于，所述皮尔逊相关系数大于预设阈值的两个维度的认证特征数据包括：认证登录维度的认证特征数据以及登录时间维度的认证特征数据；且所述关联特征数据包括：认证登录序列数据；则所述将皮尔逊相关系数大于预设阈值的两个维度的认证特征数据组合为关联特征数据包括：将认证登录维度的认证特征数据以及登录时间维度的认证特征数据组合为认证登录序列数据；其中，所述认证登录序列数据用于表征同一用户的多次认证登录操作之间的时间间隔。4.根据权利要求1所述的方法，其特征在于，所述第一监督预测模型为XGB模型，且所述第一监督预测模型进一步包括：第一XGB模型以及第二XGB模型；则所述第一监督预测模型输出的第一预测结果通过以下方式得到：针对所述第一XGB模型输出的第一XGB预测结果以及第二XGB模型输出的第二XGB预测结果进行特征融合处理，得到所述第一监督预测模型输出的第一预测结果。5.根据权利要求4所述的方法，其特征在于，所述第二监督预测模型为LGB模型，且所述第二监督预测模型进一步包括：第一LGB模型以及第二LGB模型；则所述第二监督预测模型输出的第二预测结果通过以下方式得到：针对所述第一LGB模型输出的...

【专利技术属性】
技术研发人员：赵慧，毋涛，
申请(专利权)人：中国联合网络通信集团有限公司，
类型：发明
国别省市：