本申請涉及網(wǎng)絡(luò)技術(shù)領(lǐng)域，特別涉及一種異常用戶檢測方法。本申請同時還涉及一種異常用戶檢測設(shè)備。

背景技術(shù)：

隨著互聯(lián)網(wǎng)的蓬勃發(fā)展，人們的生活習(xí)慣逐漸發(fā)生著變化，相應(yīng)地，電子商務(wù)平臺帶來的網(wǎng)絡(luò)購物生態(tài)圈也吸引著越來越多的商家投身其中。由于電商平臺存在巨大的經(jīng)濟(jì)利益，因此催生了很多黑色產(chǎn)業(yè)的發(fā)展，比如說商家雇傭大量小號購買自身產(chǎn)品提高電商平臺的信用、黑產(chǎn)人員使用腳本和小號大量搶購商家促銷商品再進(jìn)行二次銷售等。

現(xiàn)有的批量虛假交易買家的識別技術(shù)，主要是利用業(yè)務(wù)領(lǐng)域?qū)＜曳治霾⒖偨Y(jié)的一些批量購買行為特征(如地理區(qū)域、交易次數(shù)等)，訓(xùn)練分類模型，然后產(chǎn)出一些閾值來對用戶ID進(jìn)行篩選，這種方法容易被作弊用戶以代理IP、低頻交易等形式繞過模型監(jiān)控。因此，如何能從海量日志數(shù)據(jù)中有效識別存在批量虛假交易行為的買家，不僅是電子商務(wù)系統(tǒng)防范黑色產(chǎn)業(yè)、保護(hù)商家和消費(fèi)者正常交易行為的一個有力切入點(diǎn)，同時也是本領(lǐng)域技術(shù)人員亟待解決的技術(shù)問題。

技術(shù)實(shí)現(xiàn)要素：

本申請?zhí)峁┝艘环N異常用戶檢測方法，結(jié)合數(shù)據(jù)系統(tǒng)中各個用戶的操作行為對用戶進(jìn)行檢測，發(fā)現(xiàn)具有異常操作行為的用戶，從而提高現(xiàn)有數(shù)據(jù)系統(tǒng)的穩(wěn)定性，提升用戶的使用體驗(yàn)。該方法包括：

預(yù)設(shè)第一類型操作行為與第二類型操作行為的對應(yīng)關(guān)系，該方法包括：

根據(jù)所述對應(yīng)關(guān)系獲取指定時間段內(nèi)用戶的各個第一類型操作行為與后續(xù)距離其時刻最近的第二類型操作行為之間的時間間隔；

根據(jù)各所述時間間隔、多個預(yù)設(shè)的間隔時長以及與各所述間隔時長對應(yīng)的權(quán)重值生成與所述用戶對應(yīng)的間隔累積值；

根據(jù)所述用戶的間隔累積值與所述數(shù)據(jù)系統(tǒng)中其他用戶的間隔累積值確定所述用戶是否為異常用戶。

優(yōu)選地，根據(jù)各所述時間間隔、預(yù)設(shè)的間隔時長以及與各所述間隔時長對應(yīng)的權(quán)重值生成與所述用戶對應(yīng)的間隔累積值，具體為：

根據(jù)所述時間間隔以及所述間隔時長確定與各所述間隔時長對應(yīng)的歸一化值，所述歸一化值為單一間隔時長對應(yīng)的時間間隔的數(shù)量與所述時間間隔的總數(shù)量的比值；

根據(jù)與各所述間隔時長對應(yīng)的權(quán)重以及歸一化值生成所述間隔累積值，其中，時間長度較長的間隔時長所對應(yīng)的權(quán)重高于時間長度較短的間隔時長所對應(yīng)的權(quán)重。

優(yōu)選地，根據(jù)所述對應(yīng)關(guān)系獲取指定時間段內(nèi)用戶的各個第一類型操作行為與后續(xù)距離其時刻最近的第二類型操作行為之間的時間間隔，具體為：

獲取所述用戶在指定時間段內(nèi)的行為記錄數(shù)據(jù)，所述行為記錄數(shù)據(jù)包括所述第一類型操作行為的操作時刻以及所述第二類型操作行為的操作時刻；

獲取各所述第一類型操作行為的操作時刻與后續(xù)距離其最近的第二類型操作行為的操作時刻確定各所述時間間隔。

優(yōu)選地，根據(jù)所述時間間隔以及多個預(yù)設(shè)的間隔時長確定與各所述間隔時長對應(yīng)的歸一化值，具體為：

將所述時間間隔按照多個預(yù)設(shè)的間隔時長進(jìn)行分類；

確定各所述間隔時長對應(yīng)的時間間隔的數(shù)量；

獲取各所述間隔時長對應(yīng)的時間間隔的數(shù)量與所述時間間隔的總數(shù)量的 比值，將所述比值作為各所述間隔時長的歸一化值。

優(yōu)選地，根據(jù)所述用戶的間隔累積值與所述數(shù)據(jù)系統(tǒng)中其他用戶的間隔累積值確定所述用戶是否為異常用戶，具體為：

將所述用戶間隔累積值與所述其他用戶中數(shù)值最大的間隔累積值之間的差值作為所述用戶的反向間隔累積值；

根據(jù)所述用戶以及所述其他用戶的反向間隔累積值確定異常閥值；

判斷所述用戶的反向間隔累積值是否大于所述異常閥值；

若是，則確定所述用戶為異常用戶；

若否，確定所述用戶為正常用戶。

優(yōu)選地，根據(jù)所述用戶以及所述其他用戶的反向間隔累積值確定異常閥值，具體為：

將所述用戶以及所述其他用戶的間隔累積值按照大小順序進(jìn)行排序；

根據(jù)指定排序位的用戶的間隔累積值的差值以及預(yù)設(shè)的系數(shù)確定所述異常閥值。

相應(yīng)地，本申請還提出了一種異常用戶檢測設(shè)備所述設(shè)備預(yù)設(shè)第一類型操作行為與第二類型操作行為的對應(yīng)關(guān)系，該設(shè)備還包括：

獲取模塊，根據(jù)所述對應(yīng)關(guān)系獲取指定時間段內(nèi)用戶的各個第一類型操作行為與后續(xù)距離其時刻最近的第二類型操作行為之間的時間間隔；

生成模塊，根據(jù)各所述時間間隔、多個預(yù)設(shè)的間隔時長以及與各所述間隔時長對應(yīng)的權(quán)重值生成與所述用戶對應(yīng)的間隔累積值；

確定模塊，根據(jù)所述用戶的間隔累積值與所述數(shù)據(jù)系統(tǒng)中其他用戶的間隔累積值確定所述用戶是否為異常用戶。

優(yōu)選地，所述生成模塊具體用于：

根據(jù)所述時間間隔以及所述間隔時長確定與各所述間隔時長對應(yīng)的歸一 化值，所述歸一化值為單一間隔時長對應(yīng)的時間間隔的數(shù)量與所述時間間隔的總數(shù)量的比值；

根據(jù)與各所述間隔時長對應(yīng)的權(quán)重以及歸一化值生成所述間隔累積值，其中，時間長度較長的間隔時長所對應(yīng)的權(quán)重高于時間長度較短的間隔時長所對應(yīng)的權(quán)重。

優(yōu)選地，所述獲取模塊具體用于：

獲取所述用戶在指定時間段內(nèi)的行為記錄數(shù)據(jù)，所述行為記錄數(shù)據(jù)包括所述第一類型操作行為的操作時刻以及所述第二類型操作行為的操作時刻；

獲取各所述第一類型操作行為的操作時刻與后續(xù)距離其最近的第二類型操作行為的操作時刻確定各所述時間間隔。

優(yōu)選地，所述生成模塊根據(jù)所述時間間隔以及多個預(yù)設(shè)的間隔時長確定與各所述間隔時長對應(yīng)的歸一化值，具體為：

將所述時間間隔按照多個預(yù)設(shè)的間隔時長進(jìn)行分類；

確定各所述間隔時長對應(yīng)的時間間隔的數(shù)量；

獲取各所述間隔時長對應(yīng)的時間間隔的數(shù)量與所述時間間隔的總數(shù)量的比值，將所述比值作為各所述間隔時長的歸一化值。

優(yōu)選地，所述確定模塊具體用于：

將所述用戶間隔累積值與所述其他用戶中數(shù)值最大的間隔累積值之間的差值作為所述用戶的反向間隔累積值；

根據(jù)所述用戶以及所述其他用戶的反向間隔累積值確定異常閥值；

判斷所述用戶的反向間隔累積值是否大于所述異常閥值；

若是，則確定所述用戶為異常用戶；

若否，確定所述用戶為正常用戶。

優(yōu)選地，所述確定模塊根據(jù)所述用戶以及所述其他用戶的反向間隔累積值確定異常閥值，具體為：

將所述用戶以及所述其他用戶的間隔累積值按照大小順序進(jìn)行排序；

根據(jù)指定排序位的用戶的間隔累積值的差值以及預(yù)設(shè)的系數(shù)確定所述異常閥值。

由此可見，通過應(yīng)用本申請的技術(shù)方案，基于預(yù)設(shè)的第一類型操作行為與第二類型操作行為的對應(yīng)關(guān)系獲取指定時間段內(nèi)用戶的各個第一類型操作行為與后續(xù)距離其時刻最近的第二類型操作行為之間的時間間隔，根據(jù)各時間間隔、多個預(yù)設(shè)的間隔時長以及與各間隔時長對應(yīng)的權(quán)重值生成與用戶對應(yīng)的間隔累積值，并根據(jù)用戶的間隔累積值與其他用戶的間隔累積值確定用戶是否為異常用戶。從而能夠在數(shù)據(jù)系統(tǒng)中的海量行為數(shù)據(jù)記錄中主動監(jiān)測并發(fā)現(xiàn)存在異常行為的用戶，提高了數(shù)據(jù)系統(tǒng)的穩(wěn)定性以及用戶的使用體驗(yàn)。

附圖說明

圖1為本申請?zhí)岢龅囊环N異常用戶檢測方法的流程示意圖；

圖2為本申請?zhí)岢龅囊环N異常用戶檢測設(shè)備的結(jié)構(gòu)示意圖。

具體實(shí)施方式

為解決背景技術(shù)中的技術(shù)問題，本申請通過使用電子商務(wù)平臺的用戶在一段時間范圍內(nèi)的行為日志，通過分析兩個特定類型的操作行為之間的間隔時間規(guī)律，判斷該用戶是否存在如批量虛假交易等異常操作行為。

如圖1所示，為本申請?zhí)岢龅囊环N異常用戶檢測方法的流程示意圖，在使用該方案之前，技術(shù)人員可以根據(jù)實(shí)際需要以及使用場景指定具體的第一類型操作行為與具體的第二類型操作行為，并預(yù)設(shè)第一類型操作行為與第二類型操作行為。包括以下步驟：

S101，根據(jù)所述對應(yīng)關(guān)系獲取指定時間段內(nèi)用戶的各個第一類型操作行為與后續(xù)距離其時刻最近的第二類型操作行為之間的時間間隔。

用戶行為記錄數(shù)據(jù)是大數(shù)據(jù)體系中的重要組成部分。大多數(shù)電子商務(wù)平臺系統(tǒng)都嵌入了日志模塊實(shí)時記錄用戶在系統(tǒng)上的操作行為，從而支撐相應(yīng)的分析模型，比如用戶對商品的瀏覽軌跡可用于商品智能推薦模型的訓(xùn)練等。在不同用戶的行為記錄數(shù)據(jù)中都包含了用戶的各個不同行為及其對因的操作時間，其中就包括了用戶瀏覽商品的時間以及用戶購買瀏覽的商品的時間。

由于本申請可實(shí)現(xiàn)針對用戶的虛假交易行為進(jìn)行檢測，這與用戶瀏覽商品以及購買商品之間的時間間隔密不可分，因?yàn)檎５挠脩粼跒g覽商品后通常需要一段時間考慮是否需要購買，因此不會立刻進(jìn)行購買，而虛假交易的用戶為了提高刷單效率，則是在瀏覽完商品后即刻進(jìn)行購買。出于獲取經(jīng)濟(jì)利益的原因，進(jìn)行批量虛假交易行為的用戶對應(yīng)的“瀏覽”和“購買”兩個行為之間的間隔時間較短，與正常交易行為存在可分辨的差異，因此在本申請的優(yōu)選實(shí)施例中，當(dāng)需要根據(jù)對應(yīng)關(guān)系獲取指定時間段內(nèi)用戶的各個第一類型操作行為與后續(xù)距離其時刻最近的第二類型操作行為之間的時間間隔時，可以首先獲取所述用戶在指定時間段內(nèi)的行為記錄數(shù)據(jù)，所述行為記錄數(shù)據(jù)包括所述第一類型操作行為的操作時刻以及所述第二類型操作行為的操作時刻；隨后再獲取各所述第一類型操作行為的操作時刻與后續(xù)距離其最近的第二類型操作行為的操作時刻確定各所述時間間隔。在具體的應(yīng)用場景中，第一類型操作行為可設(shè)置為“瀏覽”，第二類型操作行為可設(shè)置為“購買”。

S102，根據(jù)各所述時間間隔、多個預(yù)設(shè)的間隔時長以及與各所述間隔時長對應(yīng)的權(quán)重值生成與所述用戶對應(yīng)的間隔累積值。

為了能夠清楚反映一個用戶在某個時間段內(nèi)的第一類型操作行為與第二類型操作行為之間的時間間隔的情況，在本申請優(yōu)選的實(shí)施例中引入了歸一化值以及與各個間隔時長對應(yīng)的權(quán)重，其中歸一化值為單一間隔時長對應(yīng)的時間間隔的數(shù)量與所述時間間隔的總數(shù)量的比值，而時間長度較長的間隔時 長所對應(yīng)的權(quán)重高于時間長度較短的間隔時長所對應(yīng)的權(quán)重?；赟101中所獲取的間隔時長，該步驟首先根據(jù)時間間隔以及間隔時長確定與各所述間隔時長對應(yīng)的歸一化值，隨后根據(jù)與各所述間隔時長對應(yīng)的權(quán)重以及歸一化值生成所述間隔累積值。具體地，在本申請的一個優(yōu)選實(shí)施例中，可采取以下步驟確定歸一化值：

步驟a)將所述時間間隔按照多個預(yù)設(shè)的間隔時長進(jìn)行分類；

步驟b)確定各所述間隔時長對應(yīng)的時間間隔的數(shù)量；

步驟c)獲取各所述間隔時長對應(yīng)的時間間隔的數(shù)量與所述時間間隔的總數(shù)量的比值，將所述比值作為各所述間隔時長的歸一化值。

同時，為了能夠清楚的描述一個用戶的交易頻次，以及將正常用戶與批量虛假交易的用戶進(jìn)行區(qū)分，本申請技術(shù)方案針對各個間隔時長設(shè)置了一個權(quán)重值，并且令時間長度較長的間隔時長所對應(yīng)的權(quán)重高于時間長度較短的間隔時長所對應(yīng)的權(quán)重，然后針對每一個用戶根據(jù)各間隔時長對應(yīng)的權(quán)重以及歸一化值生成該用戶的間隔累積值。通過該方式所得到的用戶的間隔累積值對于批量虛假交易的用戶來說是必然小于正常交易的用戶的。

以具體實(shí)施場景中針對虛假交易用戶檢測為例，為了能夠清楚地對一個用戶的交易頻次進(jìn)行界定，本申請預(yù)設(shè)了多個不同長短的間隔時長，例如1秒以內(nèi)、1秒至10秒之間、10秒至30秒之間、30秒至1分鐘之間、1分鐘至10分鐘之間、10分鐘至30分鐘之間、30分鐘至1小時之間、1小時以上等。基于S101中所獲取的時間間隔，本申請在該步驟中首先將時間間隔按照多個預(yù)設(shè)的間隔時長進(jìn)行分類，即根據(jù)各個時間間隔的長度，將其歸類到相應(yīng)的范圍的間隔時長中，假設(shè)某個時間間隔長度為6分鐘，那么與其對應(yīng)的間隔時長則為“1分鐘至10分鐘之間”。

在確認(rèn)所有的時間間隔都分類完畢之后，該步驟繼續(xù)確定與各間隔時長 對應(yīng)的時間間隔的數(shù)量，比如有多少個時間間隔對應(yīng)“30秒至1分鐘之間”的間隔時長，多少時間間隔對應(yīng)“30分鐘至1小時之間”的間隔時長等等，最后根據(jù)統(tǒng)計的結(jié)果獲取各間隔時長對應(yīng)的時間間隔的數(shù)量與時間間隔的總數(shù)量的比值，將該比值作為各個間隔時長對應(yīng)的歸一化值。通過以上處理所到的歸一化值，可以很清楚的表明該用戶的交易頻次。

S103，根據(jù)所述用戶的間隔累積值與其他用戶的間隔累積值確定所述用戶是否為異常用戶。

基于S102中的說明，由于間隔累積值能夠平均地反映一個用戶在指定時間內(nèi)的交易頻次水平，因此在獲取到當(dāng)前數(shù)據(jù)系統(tǒng)的所有用戶的間隔累積值后，即可進(jìn)一步地根據(jù)所有用戶的間隔累積值的水平設(shè)置相應(yīng)的檢測方案，在本申請優(yōu)選的實(shí)施例中，可采取如下實(shí)現(xiàn)方案：

步驟a)將所述用戶間隔累積值與所述其他用戶中數(shù)值最大的間隔累積值之間的差值作為所述用戶的反向間隔累積值。

由于本實(shí)施例中是將一段時間內(nèi)所有用戶的間隔累積值進(jìn)行比較，因此以最大的間隔累積值的用戶作為標(biāo)準(zhǔn)(該用戶明顯不會是批量虛假交易的用戶)，計算得到各個用戶相對于該用戶的反向間隔累積值，反向間隔累積值越大即代表該用戶可能為批量虛假交易用戶的可能性越大。

步驟b)根據(jù)所述用戶以及所述其他用戶的反向間隔累積值確定異常閥值。

為了能夠準(zhǔn)確地對批量虛假交易用戶進(jìn)行界定，基于上一步驟中所得到的反向間隔累積值，該步驟將用戶以及其他用戶的間隔累積值按照大小順序進(jìn)行排序，然后根據(jù)指定排序位的用戶的間隔累積值的差值以及預(yù)設(shè)的系數(shù)確定異常閥值。其中，具體的排序位以及系數(shù)可以根據(jù)實(shí)際情況靈活設(shè)置，在此基礎(chǔ)上本領(lǐng)域技術(shù)人員也可選擇其他閾值指標(biāo)結(jié)合反向間隔累積值(例 如灰度圖分割技術(shù)等)確定用戶是否為異常用戶，這些都屬于本申請的保護(hù)范圍。

步驟c)判斷所述用戶的反向間隔累積值是否大于所述異常閥值；

若是，則確定所述用戶為異常用戶；

若否，確定所述用戶為正常用戶。

為了進(jìn)一步闡述本申請的技術(shù)思想，現(xiàn)結(jié)合具體的應(yīng)用場景，對本申請的技術(shù)方案進(jìn)行說明。該具體實(shí)施例包括以下步驟：

步驟201，獲取用戶在一段時間范圍內(nèi)的行為記錄數(shù)據(jù)。

假定分析日期為2014年1月1日至12月31日，具體的記錄數(shù)據(jù)如下表1所示，該行為記錄數(shù)據(jù)是從數(shù)據(jù)系統(tǒng)中所有用戶的行為記錄數(shù)據(jù)表中根據(jù)用戶ID分組提取出來的，其中主要包括了日志流水號、用戶ID、操作行為類型以及操作時間等信息。

表1

步驟202，以用戶為單位，按照時間對行為記錄數(shù)據(jù)進(jìn)行排序，生成“瀏覽”以及“購買”行為的時間間隔序列。

基于表1該步驟按用戶ID分組，分別統(tǒng)計“用戶001”相鄰的“瀏覽”和“購買”行為的時間間隔，形成如下格式的數(shù)據(jù)：

{用戶ID：X；時間間隔(秒)：4，23，12，21，2，11，……}

步驟203，對時間間隔信息進(jìn)行離散化、歸一化處理，生成歸一化向量。

該步驟首先分別計算出時間間隔為1秒以內(nèi)、1秒至10秒之間、10秒至30秒之間、30秒至1分鐘之間、1分鐘至10分鐘之間、10分鐘至30分鐘之間、30分鐘至1小時之間、1小時以上的交易次數(shù)，隨后將這些交易次數(shù)除以總交易數(shù)量，得到維度為8的“歸一化向量”。以用戶ID為001以及總交易數(shù)量為100為例，相應(yīng)的歸一化計算示例如下表2所示：

表2

最后所得到該用戶的歸一化后的向量為：{V1,V2,V3,……,V8}，其中，V1代表小于1秒的交易次數(shù)的歸一化值(上例中為：0.3)，V8代表大于等于1小時的交易次數(shù)的歸一化值(上例中為：0.01)，其余的Vi是時間間隔為i秒的交易次數(shù)的歸一化值，另外由于是“歸一化”值，因此該向量具備以下 特征：V1+V2+V3……+V8＝1.0

步驟204，按照算法生成用戶ID對應(yīng)的間隔累積值與反向間隔累積值。

具體地，每個用戶ID的間隔累積值(“Accumulated Interval”數(shù)值)計算方法如下：

令A(yù)代表“Accumulated Interval”數(shù)值，則：

接下來對間隔累積值取反(時間間隔越短越可能批量虛假交易，間隔累積值會趨向變小)，用戶ID的反向間隔累積值＝Max(所有用戶ID的間隔累積值)-該用戶ID的間隔累積值。

步驟205，對用戶的反向間隔累積值進(jìn)行過濾，確定異常用戶的ID。

該步驟將統(tǒng)計出所有用戶ID中的異常間隔累積值，并以此數(shù)值為閥值，過濾出懷疑存在批量虛假交易行為的買家ID。具體地，異常閥值計算公式如下：

異常閥值＝2*1.5*(75分位值–25分位值)；

其中，“75分位值”和“25分位值”分別是步驟3中所有用戶的反向間隔累積值按從小到大的75位排名數(shù)值和25位排名值。

基于異常閾值，即可過濾出所有反向間隔累積值大于“異常閥值”的用戶ID。

步驟206，輸出異常用戶的ID清單，判斷為虛假批量交易用戶。

為達(dá)到以上技術(shù)目的，本申請還提出了一種異常用戶檢測設(shè)備，如圖2所示，該設(shè)備包括：

獲取模塊210，根據(jù)所述對應(yīng)關(guān)系獲取指定時間段內(nèi)用戶的各個第一類型 操作行為與后續(xù)距離其時刻最近的第二類型操作行為之間的時間間隔；

生成模塊220，根據(jù)各所述時間間隔、多個預(yù)設(shè)的間隔時長以及與各所述間隔時長對應(yīng)的權(quán)重值生成與所述用戶對應(yīng)的間隔累積值；

確定模塊230，根據(jù)所述用戶的間隔累積值與其他用戶的間隔累積值確定所述用戶是否為異常用戶。

在具體的應(yīng)用場景中，所述生成模塊具體用于：

根據(jù)所述時間間隔以及所述間隔時長確定與各所述間隔時長對應(yīng)的歸一化值，所述歸一化值為單一間隔時長對應(yīng)的時間間隔的數(shù)量與所述時間間隔的總數(shù)量的比值；

根據(jù)與各所述間隔時長對應(yīng)的權(quán)重以及歸一化值生成所述間隔累積值，其中，時間長度較長的間隔時長所對應(yīng)的權(quán)重高于時間長度較短的間隔時長所對應(yīng)的權(quán)重。

在具體的應(yīng)用場景中，所述獲取模塊具體用于：

獲取所述用戶在指定時間段內(nèi)的行為記錄數(shù)據(jù)，所述行為記錄數(shù)據(jù)包括所述第一類型操作行為的操作時刻以及所述第二類型操作行為的操作時刻；

獲取各所述第一類型操作行為的操作時刻與后續(xù)距離其最近的第二類型操作行為的操作時刻確定各所述時間間隔。

在具體的應(yīng)用場景中，所述生成模塊根據(jù)所述時間間隔以及多個預(yù)設(shè)的間隔時長確定與各所述間隔時長對應(yīng)的歸一化值，具體為：

將所述時間間隔按照多個預(yù)設(shè)的間隔時長進(jìn)行分類；

確定各所述間隔時長對應(yīng)的時間間隔的數(shù)量；

獲取各所述間隔時長對應(yīng)的時間間隔的數(shù)量與所述時間間隔的總數(shù)量的比值，將所述比值作為各所述間隔時長的歸一化值。

在具體的應(yīng)用場景中，所述確定模塊具體用于：

將所述用戶間隔累積值與所述其他用戶中數(shù)值最大的間隔累積值之間的 差值作為所述用戶的反向間隔累積值；

根據(jù)所述用戶以及所述其他用戶的反向間隔累積值確定異常閥值；

判斷所述用戶的反向間隔累積值是否大于所述異常閥值；

若是，則確定所述用戶為異常用戶；

若否，確定所述用戶為正常用戶。

在具體的應(yīng)用場景中，所述確定模塊根據(jù)所述用戶以及所述其他用戶的反向間隔累積值確定異常閥值，具體為：

將所述用戶以及所述其他用戶的間隔累積值按照大小順序進(jìn)行排序；

根據(jù)指定排序位的用戶的間隔累積值的差值以及預(yù)設(shè)的系數(shù)確定所述異常閥值。

通過以上的實(shí)施方式的描述，本領(lǐng)域的技術(shù)人員可以清楚地了解到本申請可以通過硬件實(shí)現(xiàn)，也可以借助軟件加必要的通用硬件平臺的方式來實(shí)現(xiàn)?；谶@樣的理解，本申請的技術(shù)方案可以以軟件產(chǎn)品的形式體現(xiàn)出來，該軟件產(chǎn)品可以存儲在一個非易失性存儲介質(zhì)(可以是CD-ROM，U盤，移動硬盤等)中，包括若干指令用以使得一臺計算機(jī)設(shè)備(可以是個人計算機(jī)，服務(wù)器，或者網(wǎng)絡(luò)設(shè)備等)執(zhí)行本申請各個實(shí)施場景所述的方法。

本領(lǐng)域技術(shù)人員可以理解附圖只是一個優(yōu)選實(shí)施場景的示意圖，附圖中的模塊或流程并不一定是實(shí)施本申請所必須的。

本領(lǐng)域技術(shù)人員可以理解實(shí)施場景中的裝置中的模塊可以按照實(shí)施場景描述進(jìn)行分布于實(shí)施場景的裝置中，也可以進(jìn)行相應(yīng)變化位于不同于本實(shí)施場景的一個或多個裝置中。上述實(shí)施場景的模塊可以合并為一個模塊，也可以進(jìn)一步拆分成多個子模塊。

上述本申請序號僅僅為了描述，不代表實(shí)施場景的優(yōu)劣。

以上公開的僅為本申請的幾個具體實(shí)施場景，但是，本申請并非局限于 此，任何本領(lǐng)域的技術(shù)人員能思之的變化都應(yīng)落入本申請的保護(hù)范圍。