【技術實現步驟摘要】
本公開的實施例涉及風險用戶識別，具體地，涉及適用于一種社交過程中風險用戶的識別方法、裝置、設備和介質。
技術介紹
1、隨著網絡技術的不斷更新，社交活動可以實現線上用戶交互，各網絡用戶可在線上平臺中與其他網絡用戶進行網絡通信，然而，若社交過程中有風險用戶的存在，尤其是黑灰產風險屬性用戶，無疑會使得網絡通信的安全性和社交生態受損。
2、相關技術中，在進行風險用戶識別時，主要是通過網絡用戶的社交信息內容來區分該網絡用戶是否為風險用戶。例如，收集網絡用戶發出的信息內容，通過信息內容中的內容風險性來識別網絡用戶是否為風險用戶，若信息內容中具有風險信息，則認為該網絡用戶為風險用戶。
3、然而，采用現有識別方式，風險識別效率不高。
技術實現思路
1、本文中描述的實施例提供了一種社交過程中風險用戶的識別方法、裝置、設備和介質，克服了上述問題。
2、第一方面，根據本公開的內容，提供了一種社交過程中風險用戶的識別方法，包括：
3、獲取社交過程中目標網絡用戶的社交行為數據，所述目標網絡用戶的社交行為數據用于描述對所述目標網絡用戶的歷史社交行為進行異常識別所得到的社交違規數據；
4、對所述目標網絡用戶的社交行為數據進行特征提取，得到所述目標網絡用戶對應的行為特征數據；
5、將所述目標網絡用戶對應的行為特征數據輸入風險審核模型中，基于所述風險審核模型的輸出結果確定所述目標網絡用戶的社交風險級別；
6、基于所述目標網絡用戶的社
7、其中，所述目標網絡用戶的社交風險類型包括：第一類型和第二類型，所述第一類型用于描述社交風險用戶對應的社交類型，所述第二類型用于描述非社交風險用戶對應的社交類型。
8、可選的，所述對所述目標網絡用戶的社交行為數據進行特征提取，得到所述目標網絡用戶對應的行為特征數據，包括：
9、對所述目標網絡用戶的社交行為數據進行共性特征分析，得到不同社交維度下的社交共性數據；
10、對不同社交維度下的社交共性數據進行行為特征提取，得到所述目標網絡用戶對應的行為特征數據。
11、可選的，所述獲取社交過程中目標網絡用戶的社交行為數據，包括：
12、獲取所述目標網絡用戶的審核違規數據；
13、對所述目標網絡用戶的審核違規數據進行數據清洗處理，得到社交過程中所述目標網絡用戶的社交行為數據；
14、其中，所述數據清洗處理用于對所述目標網絡用戶的審核違規數據進行違規判定，以去除所述目標網絡用戶的審核違規數據中的社交合規數據。
15、可選的，所述將所述目標網絡用戶對應的行為特征數據輸入風險審核模型中，基于所述風險審核模型的輸出結果確定所述目標網絡用戶的社交風險級別之前，還包括：
16、獲取樣本網絡用戶的社交行為數據，所述樣本網絡用戶的社交行為數據用于描述對所述樣本網絡用戶的歷史社交行為進行異常識別所得到的社交違規數據；
17、對所述樣本網絡用戶的社交行為數據進行特征提取，得到所述樣本網絡用戶對應的行為特征數據；
18、基于所述樣本網絡用戶對應的行為特征數據對預設網絡模型進行訓練，得到所述風險審核模型；
19、其中，所述風險審核模型包括：第一網絡分支、第二網絡分支和第三網絡分支，所述第一網絡分支用于對所述樣本網絡用戶對應的行為特征數據進行標簽規則劃分，所述第二網絡分支用于對劃分得到的不同標簽規則進行風險值設置，所述第三網絡分支用于根據不同風險值進行社交風險級別預測。
20、可選的，所述將所述目標網絡用戶對應的行為特征數據輸入風險審核模型中，基于所述風險審核模型的輸出結果確定所述目標網絡用戶的社交風險級別，包括：
21、將所述目標網絡用戶對應的行為特征數據輸入所述風險審核模型中的所述第一網絡分支，得到對應的多個風險標簽規則；
22、將多個所述風險標簽規則輸入所述風險審核模型中的所述第二網絡分支，得到對應的多個風險標簽值；
23、將多個所述風險標簽值輸入所述風險審核模型中的所述第三網絡分支，得到所述目標網絡用戶的社交風險級別。
24、可選的，所述樣本網絡用戶對應的行為特征數據中包括：多個特征子數據；
25、所述方法還包括：
26、將所述樣本網絡用戶對應的行為特征數據中觸發預設風險規則的特征子數據，存儲至風險池中；
27、基于所述風險池中包括的特征子數據，對所述風險審核模型進行模型更新，以對所述風險審核模型進行模型優化。
28、可選的，所述基于所述目標網絡用戶的社交風險級別，確定所述目標網絡用戶的社交風險類型，包括：
29、若所述目標網絡用戶的社交風險級別滿足預設級別條件，則確定所述目標網絡用戶的社交風險類型為所述第一類型；
30、若所述目標網絡用戶的社交風險級別不滿足所述預設級別條件，則確定所述目標網絡用戶的社交風險類型為所述第二類型。
31、第二方面，根據本公開的內容，提供了一種社交過程中風險用戶的識別裝置，包括：
32、獲取模塊，用于獲取社交過程中目標網絡用戶的社交行為數據，所述目標網絡用戶的社交行為數據用于描述對所述目標網絡用戶的歷史社交行為進行異常識別所得到的社交違規數據；
33、提取模塊，用于對所述目標網絡用戶的社交行為數據進行特征提取，得到所述目標網絡用戶對應的行為特征數據；
34、第一確定模塊，用于將所述目標網絡用戶對應的行為特征數據輸入風險審核模型中，基于所述風險審核模型的輸出結果確定所述目標網絡用戶的社交風險級別；
35、第二確定模塊，用于基于所述目標網絡用戶的社交風險級別，確定所述目標網絡用戶的社交風險類型；
36、其中，所述目標網絡用戶的社交風險類型包括：第一類型和第二類型，所述第一類型用于描述社交風險用戶對應的社交類型，所述第二類型用于描述非社交風險用戶對應的社交類型。
37、第三方面，提供了一種計算機設備，包括存儲器和處理器，存儲器中存儲有計算機程序，處理器執行計算機程序時實現如以上任意一個實施例中社交過程中風險用戶的識別方法的步驟。
38、第四方面，提供了一種計算機可讀存儲介質，計算機可讀存儲介質上存儲有計算機程序，計算機程序被處理器執行時實現如以上任意一個實施例中社交過程中風險用戶的識別方法的步驟。
39、本申請實施例提供的社交過程中風險用戶的識別方法，獲取社交過程中目標網絡用戶的社交行為數據，目標網絡用戶的社交行為數據用于描述對目標網絡用戶的歷史社交行為進行異常識別所得到的社交違規數據；對目標網絡用戶的社交行為數據進行特征提取，得到目標網絡用戶對應的行為特征數據；將目標網絡用戶對應的行為特征數據輸入風險審核模型中，基于風險審核模型的輸出結果確定目標網絡用戶的社交風險級別；基于目標網絡用戶的社交風險本文檔來自技高網...
【技術保護點】
1.一種社交過程中風險用戶的識別方法，其特征在于，包括：
2.根據權利要求1所述的方法，其特征在于，所述對所述目標網絡用戶的社交行為數據進行特征提取，得到所述目標網絡用戶對應的行為特征數據，包括：
3.根據權利要求1所述的方法，其特征在于，所述獲取社交過程中目標網絡用戶的社交行為數據，包括：
4.根據權利要求1所述的方法，其特征在于，所述將所述目標網絡用戶對應的行為特征數據輸入風險審核模型中，基于所述風險審核模型的輸出結果確定所述目標網絡用戶的社交風險級別之前，還包括：
5.根據權利要求4所述的方法，其特征在于，所述將所述目標網絡用戶對應的行為特征數據輸入風險審核模型中，基于所述風險審核模型的輸出結果確定所述目標網絡用戶的社交風險級別，包括：
6.根據權利要求4所述的方法，其特征在于，所述樣本網絡用戶對應的行為特征數據中包括：多個特征子數據；
7.根據權利要求1所述的方法，其特征在于，所述基于所述目標網絡用戶的社交風險級別，確定所述目標網絡用戶的社交風險類型，包括：
8.一種社交過程中風險用戶的識
9.一種計算機設備，其特征在于，包括存儲器和處理器，存儲器中存儲有計算機程序，處理器執行計算機程序時實現如權利要求1～7中任一所述的社交過程中風險用戶的識別方法。
10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，計算機程序被處理器執行時實現如權利要求1～7中任一所述的社交過程中風險用戶的識別方法。
...【技術特征摘要】
1.一種社交過程中風險用戶的識別方法，其特征在于，包括：
2.根據權利要求1所述的方法，其特征在于，所述對所述目標網絡用戶的社交行為數據進行特征提取，得到所述目標網絡用戶對應的行為特征數據，包括：
3.根據權利要求1所述的方法，其特征在于，所述獲取社交過程中目標網絡用戶的社交行為數據，包括：
4.根據權利要求1所述的方法，其特征在于，所述將所述目標網絡用戶對應的行為特征數據輸入風險審核模型中，基于所述風險審核模型的輸出結果確定所述目標網絡用戶的社交風險級別之前，還包括：
5.根據權利要求4所述的方法，其特征在于，所述將所述目標網絡用戶對應的行為特征數據輸入風險審核模型中，基于所述風險審核模型的輸出結果確定所述目標網絡用戶的社...
【專利技術屬性】
技術研發人員：楊揚，
申請(專利權)人：深圳市愛聊科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。