一種基于可信度的網(wǎng)絡(luò)賬號(hào)異常檢測(cè)方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種基于可信度的網(wǎng)絡(luò)賬號(hào)異常檢測(cè)方法。
【背景技術(shù)】
[0002]目前我們每個(gè)人在不同的網(wǎng)站和社交平臺(tái)上都有多個(gè)不同的賬號(hào)，這些賬號(hào)有正常賬號(hào)，有惡意賬號(hào)，還有一些僵尸賬號(hào)等，而對(duì)這些賬號(hào)的監(jiān)測(cè)并進(jìn)行區(qū)分則目前沒有好的辦法來適用。
[0003]因此，現(xiàn)有技術(shù)有待于改進(jìn)。

【發(fā)明內(nèi)容】

[0004]本發(fā)明為了解決現(xiàn)有技術(shù)的不足，提供一種基于可信度的網(wǎng)絡(luò)賬號(hào)異常檢測(cè)方法，提高網(wǎng)絡(luò)賬戶的安全性并保證整體網(wǎng)絡(luò)的秩序不受破壞。
[0005]為解決上述技術(shù)問題，本發(fā)明實(shí)施例提供的一種基于可信度的網(wǎng)絡(luò)賬號(hào)異常檢測(cè)方法，采用如下技術(shù)方案:
[0006]一種基于可信度的網(wǎng)絡(luò)賬號(hào)異常檢測(cè)方法，其特征在于，包括如下步驟:
[0007]S1:使用云中心對(duì)不同賬號(hào)服務(wù)器的數(shù)據(jù)進(jìn)行監(jiān)控，包括:賬號(hào)基本信息收集模塊、賬戶特征提取模塊、賬戶可信度審查模塊、賬戶可信度確認(rèn)模塊組成；
[0008]S2:收集每個(gè)賬戶的注冊(cè)及使用時(shí)間，賬戶發(fā)布每條消息的時(shí)間和內(nèi)容以及在某一固定時(shí)間值內(nèi)的頻率，把這些信息以加密方式傳輸?shù)街行拇鎯?chǔ)；
[0009]S3:通過對(duì)一定數(shù)量的測(cè)試可信的正常賬戶進(jìn)行跟蹤和監(jiān)控，從中提取出賬戶的正常特征值，這些特征值包括賬戶屬性及賬戶特征，通過一定的算法建立出正常特征模型；
[0010]S4:根據(jù)正常賬戶模型計(jì)算出閥值，對(duì)每個(gè)賬戶進(jìn)行和閥值的比對(duì)，如果大于改閥值為正常賬戶，小于改閥值為惡意賬戶；
[0011]S5:經(jīng)過一段時(shí)間對(duì)賬戶的審查，正常模型要根據(jù)目前已有的賬戶信息重新進(jìn)行正常模型的重建，以保證正常模型隨著事物的發(fā)展進(jìn)行自我學(xué)習(xí)，減少錯(cuò)誤率。
[0012]本發(fā)明提供的一種基于可信度的網(wǎng)絡(luò)賬號(hào)異常檢測(cè)方法，提高網(wǎng)絡(luò)賬戶的安全性并保證整體網(wǎng)絡(luò)的秩序不受破壞。
【附圖說明】
[0013]圖1為本發(fā)明實(shí)施例所述的一種基于可信度的網(wǎng)絡(luò)賬號(hào)異常檢測(cè)方法的步驟示意圖。
【具體實(shí)施方式】
[0014]下面結(jié)合附圖對(duì)本發(fā)明實(shí)施例提供給的基于可信度的網(wǎng)絡(luò)賬號(hào)異常檢測(cè)方法進(jìn)行詳細(xì)描述。
[0015]如圖1所示，本發(fā)明實(shí)施例提供的一種基于可信度的網(wǎng)絡(luò)賬號(hào)異常檢測(cè)方法，其特征在于，包括如下步驟:
[0016]S1:使用云中心對(duì)不同賬號(hào)服務(wù)器的數(shù)據(jù)進(jìn)行監(jiān)控，包括:賬號(hào)基本信息收集模塊、賬戶特征提取模塊、賬戶可信度審查模塊、賬戶可信度確認(rèn)模塊組成；
[0017]S2:收集每個(gè)賬戶的注冊(cè)及使用時(shí)間，賬戶發(fā)布每條消息的時(shí)間和內(nèi)容以及在某一固定時(shí)間值內(nèi)的頻率，把這些信息以加密方式傳輸?shù)街行拇鎯?chǔ)；
[0018]S3:通過對(duì)一定數(shù)量的測(cè)試可信的正常賬戶進(jìn)行跟蹤和監(jiān)控，從中提取出賬戶的正常特征值，這些特征值包括賬戶屬性及賬戶特征，通過一定的算法建立出正常特征模型；
[0019]S4:根據(jù)正常賬戶模型計(jì)算出閥值，對(duì)每個(gè)賬戶進(jìn)行和閥值的比對(duì)，如果大于改閥值為正常賬戶，小于改閥值為惡意賬戶；
[0020]S5:經(jīng)過一段時(shí)間對(duì)賬戶的審查，正常模型要根據(jù)目前已有的賬戶信息重新進(jìn)行正常模型的重建，以保證正常模型隨著事物的發(fā)展進(jìn)行自我學(xué)習(xí)，減少錯(cuò)誤率。
[0021]本發(fā)明提供的一種基于可信度的網(wǎng)絡(luò)賬號(hào)異常檢測(cè)方法，提高網(wǎng)絡(luò)賬戶的安全性并保證整體網(wǎng)絡(luò)的秩序不受破壞。
[0022]以上所述，僅為本發(fā)明的【具體實(shí)施方式】，但本發(fā)明的保護(hù)范圍并不局限于此，任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明揭露的技術(shù)范圍內(nèi)，可輕易想到變化或替換，都應(yīng)涵蓋在本發(fā)明的保護(hù)范圍之內(nèi)。因此，本發(fā)明的保護(hù)范圍應(yīng)所述以權(quán)利要求的保護(hù)范圍為準(zhǔn)。
【主權(quán)項(xiàng)】
1.一種基于可信度的網(wǎng)絡(luò)賬號(hào)異常檢測(cè)方法，其特征在于，包括如下步驟: S1:使用云中心對(duì)不同賬號(hào)服務(wù)器的數(shù)據(jù)進(jìn)行監(jiān)控，包括:賬號(hào)基本信息收集模塊、賬戶特征提取模塊、賬戶可信度審查模塊、賬戶可信度確認(rèn)模塊組成； S2:收集每個(gè)賬戶的注冊(cè)及使用時(shí)間，賬戶發(fā)布每條消息的時(shí)間和內(nèi)容以及在某一固定時(shí)間值內(nèi)的頻率，把這些信息以加密方式傳輸?shù)街行拇鎯?chǔ)； S3:通過對(duì)一定數(shù)量的測(cè)試可信的正常賬戶進(jìn)行跟蹤和監(jiān)控，從中提取出賬戶的正常特征值，這些特征值包括賬戶屬性及賬戶特征，通過一定的算法建立出正常特征模型； S4:根據(jù)正常賬戶模型計(jì)算出閥值，對(duì)每個(gè)賬戶進(jìn)行和閥值的比對(duì)，如果大于改閥值為正常賬戶，小于改閥值為惡意賬戶； S5:經(jīng)過一段時(shí)間對(duì)賬戶的審查，正常模型要根據(jù)目前已有的賬戶信息重新進(jìn)行正常模型的重建，以保證正常模型隨著事物的發(fā)展進(jìn)行自我學(xué)習(xí)，減少錯(cuò)誤率。
【專利摘要】本發(fā)明公開了一種基于可信度的網(wǎng)絡(luò)賬號(hào)異常檢測(cè)方法，其特征在于，包括如下步驟：使用云中心對(duì)不同賬號(hào)服務(wù)器的數(shù)據(jù)進(jìn)行監(jiān)控，收集每個(gè)賬戶的注冊(cè)及使用時(shí)間，賬戶發(fā)布每條消息的時(shí)間和內(nèi)容以及在某一固定時(shí)間值內(nèi)的頻率，把這些信息以加密方式傳輸?shù)街行拇鎯?chǔ)；通過對(duì)一定數(shù)量的測(cè)試可信的正常賬戶進(jìn)行跟蹤和監(jiān)控，從中提取出賬戶的正常特征值，建立出正常特征模型；根據(jù)正常賬戶模型計(jì)算出閥值，對(duì)每個(gè)賬戶進(jìn)行比對(duì)，如果大于該閥值為正常賬戶，小于改閥值為惡意賬戶；經(jīng)過一段時(shí)間對(duì)賬戶的審查，正常模型要根據(jù)目前已有的賬戶信息重新進(jìn)行正常模型的重建以減少錯(cuò)誤率。本發(fā)明提高網(wǎng)絡(luò)賬戶的安全性并保證整體網(wǎng)絡(luò)的秩序不受破壞。
【IPC分類】H04L29/08, H04L12/26
【公開號(hào)】CN105281971
【申請(qǐng)?zhí)枴緾N201410349732
【發(fā)明人】蔣斐, 楊磊
【申請(qǐng)人】江蘇威盾網(wǎng)絡(luò)科技有限公司
【公開日】2016年1月27日
【申請(qǐng)日】2014年7月23日