一种基于特征标识信息的网络账号关联方法

    公开(公告)号:CN109905873B

    公开(公告)日:2021-08-31

    申请号:CN201910137453.1

    申请日:2019-02-25

    Abstract: 本发明涉及一种基于特征标识信息的网络应用账号关联方法,属于信息处理技术领域。本发明方法面向移动互联网用户的固网和移动网上网行为,对客户端和服务器端产生的网络通信日志进行综合分析,重点从明文请求日志中提取出客户端特征标识信息和登录网站账号信息,设计基于特征标识信息和网络账号信息的关联规则,建立基于特征标识信息的网络账号关联方法,提高网络账号之间的关联率和准确率。因此,本发明方法不具体针对跨特定社交平台的网络账号关联范畴,只考虑通过利用运营商提供的网络通信特征信息,建立基于特征标识信息的网络应用账号关联方法,用以解决目前主流移动APP和主流网站网络账号缺少关联条件和关联准确率不高等难题。

    一种基于协同网络表示学习的电信异常检测方法

    公开(公告)号:CN109474756B

    公开(公告)日:2020-09-22

    申请号:CN201811367747.5

    申请日:2018-11-16

    Abstract: 本发明公开了一种基于协同网络表示学习的电信异常检测方法,属于数据挖掘与机器学习领域。首先训练xgboost分类器,测试每条CDR数据的欺诈类别概率构成待检测的信令数据集。提取主被叫用户构成通联二部图P,根据评分从信令数据集中选取疑似欺诈的主叫节点生成种子节点集合Z,并将存在共同被叫邻居的任意两个主叫添加到协同网络集合G。通联二部图P扩展出待选的被叫节点集合B,并移除不满足条件的被叫用户,保留下来的被叫节点更新到集合B'中;扩展并更新种子节点集合Z',去重合并更新协同网络G',降维得到嵌入向量进行建模预测,取异常得分最大的N个作为检测结果输出。本发明保证了生成的协同网络的质量,提高计算速度,可以适应不同的数据特点。

Patent Agency Ranking