一种用于异常用户识别的方法、介质及装置与流程

技术特征：
1.一种训练用于异常用户识别的分类器的方法，所述方法包括：基于用户数据采样得到用户数据集，其中，用户数据集中包括有标记数据和无标记数据；基于用户数据集构造用户数据图，其中，用户数据图中的点指示有标记数据和无标记数据；基于用户数据图对图半监督gcn模型进行训练，以得到图特征；根据用户特征属性对有监督分类器进行训练，以提取特征组合；将图特征和特征组合进行拼接，并基于拼接得到的特征训练集成分类器。2.根据权利要求1所述的方法，其中，集成分类器是根据以下有监督分类器中的至少两种进行堆叠得到的：cart决策树、随机森林、前馈反向传播神经网络、支持向量机。3.根据权利要求1所述的方法，其中：所述用户数据包括指示用户的社交网络、通话关系和/或位置移动的数据；所述用户数据的标记指示用户是否为异常用户；所述用户数据图中的点指示用户数据集中的数据，两点之间的连线指示用户数据集中的对应的数据点之间的交互关系，点的颜色指示用户数据集中的对应的数据的标记。4.根据权利要求3所述的方法，其中，所述图特征包括图关系特征和图节点特征。5.根据权利要求1所述的方法，还包括：利用经训练的集成分类器预测无标记样本的标记，并在预测置信度高的情况下将所述无标记样本和预测的标记作为有标记数据用于集成分类器的训练。6.根据权利要求1所述的方法，其中，基于用户数据采样得到用户数据集包括：以不同的时间粒度和时间窗口对用户数据进行采样，以获得多个时刻的多个时间切片的用户数据集。7.一种用于异常用户识别的方法，所述方法包括：利用根据权利要求1
‑
6中的任一项所述的方法训练得到的集成分类器对待识别的用户进行预测；如果预测得到的标记指示该用户为异常用户，则将该用户识别为异常用户。8.一种训练用于异常用户识别的分类器的装置，所述装置包括：数据预处理模块，所述数据预处理模块被配置为：基于用户数据采样得到用户数据集，其中，用户数据集中包括有标记数据和无标记数据，以及基于用户数据集构造用户数据图，其中，用户数据图中的点指示有标记数据和无标记数据；图半监督gcn学习模块，所述gcn学习模块被配置为基于用户数据图对gcn模型进行训练，以得到图特征；有监督学习模块，所述有监督学习模块被配置为根据用户特征属性对有监督分类器进行训练，以提取特征组合；特征融合模块，所述特征融合模块被配置为将图特征和特征组合进行拼接，并基于拼接得到的特征训练集成分类器。
9.根据权利要求8所述的装置，其中，集成分类器是根据以下有监督分类器中的至少两种进行堆叠得到的：cart决策树、随机森林、前馈反向传播神经网络、支持向量机。10.根据权利要求8所述的装置，其中：所述用户数据包括指示用户的社交网络、通话关系和/或位置移动的数据；所述用户数据的标记指示用户是否为异常用户；所述用户数据图中的点指示用户数据集中的数据，两点之间的连线指示用户数据集中的对应的数据点之间的交互关系，点的颜色指示用户数据集中的对应的数据的标记。11.根据权利要求10所述的装置，其中，所述图特征包括图关系特征和图节点特征。12.根据权利要求8所述的装置，还被配置为：利用经训练的集成分类器预测无标记样本的标记，并在预测置信度高的情况下将所述无标记样本和预测的标记作为有标记数据用于分类器的训练。13.根据权利要求8所述的装置，其中，基于用户数据采样得到用户数据集包括：以不同的时间粒度和时间窗口对用户数据进行采样，以获得多个时刻的多个时间切片的用户数据集。14.一种用于异常用户识别的装置，所述装置被配置为：利用根据权利要求8
‑
13中的任一项所述的装置训练得到的集成分类器对待识别的用户进行预测；如果预测得到的标记指示该用户为异常用户，则将该用户识别为异常用户。15.一种非暂态计算机可读存储介质，其上存储有程序，其特征在于，当所述程序由计算机执行时，使所述计算机执行根据权利要求1
‑
7中的任一项所述的方法。16.一种用于异常用户识别的装置，包括存储器和处理器，所述存储器与所述处理器通信耦合，所述存储器中存储有程序，所述程序当由处理器执行时，使得所述处理器执行根据权利要求1
‑
7中的任一项所述的方法。17.一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现根据权利要求1
‑
7中的任一项所述的方法。

技术总结
本公开提供一种用于异常用户识别的方法、介质及装置。提供了一种训练用于异常用户识别的分类器的方法，所述方法包括：基于用户数据采样得到用户数据集，其中，用户数据集中包括有标记数据和无标记数据；基于用户数据集构造用户数据图，其中，用户数据图中的点指示有标记数据和无标记数据；基于用户数据图对图半监督GCN模型进行训练，以得到图特征；根据用户特征属性对有监督分类器进行训练，以提取特征组合；将图特征和特征组合进行拼接，并基于拼接得到的特征训练集成分类器。得到的特征训练集成分类器。得到的特征训练集成分类器。


技术研发人员：郑佳欢 向勇 关迎辉 张海平 云龙
受保护的技术使用者：中国电信股份有限公司
技术研发日：2021.09.18
技术公布日：2021/12/16