(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211002684.X (22)申请日 2022.08.19 (71)申请人 北京百度网讯科技有限公司 地址 100085 北京市海淀区上地十街10号 百度大厦2层 (72)发明人 金博夫　 (74)专利代理 机构 中科专利商标代理有限责任 公司 11021 专利代理师 鄢功军 (51)Int.Cl. H04L 9/40(2022.01) G06N 20/00(2019.01) (54)发明名称 识别异常身份标识的方法、 装置、 设备以及 存储介质 (57)摘要 本公开提供了一种识别异常身份标识的方 法、 装置、 设备以及存储介质， 涉及计算机技术领 域， 尤其涉及大数据、 用户理解等技术领域。 具体 实现方案为： 利用机器学习模型对至少一个待识 别身份标识进行异常识别， 得到至少一个待识别 身份标识的异常度； 以及根据至少一个待识别身 份标识的异常度， 确定至少一个待识别身份标识 中的异常身份标识； 其中， 机器学习模型是根据 以下方法训练的： 根据多个原始身份标识之间的 关联关系、 多个原始身份标识中每个原始身份标 识的生存周 期、 出现频次和属性信息， 确定多个 原始身份标识中的异常原始身份标识； 提取每个 异常原始身份标识的行为特征； 以及根据行为特 征， 训练机 器学习模型。 权利要求书3页 说明书10页 附图6页 CN 115426143 A 2022.12.02 CN 115426143 A 1.一种识别异常身份标识的方法， 包括： 利用机器学习模型对至少一个待识别身份标识进行异常识别， 得到所述至少一个待识 别身份标识的异常度； 以及 根据所述至少一个待识别身份标识的异常度， 确定所述至少一个待识别身份标识中的 异常身份标识； 其中， 所述机器学习模型 是根据以下 方法训练的： 根据多个原始身份标识之间的关联关系、 所述多个原始身份标识中每个原始身份标识 的生存周期、 出现频次和 属性信息， 确定所述多个原 始身份标识中的异常原 始身份标识； 提取所述每个异常原 始身份标识的行为特 征； 以及 根据所述行为特 征， 训练所述机器学习模型。 2.根据权利要求1所述的方法， 其中， 所述根据多个原始身份标识之间的关联关系、 所 述多个原始身份标识中每个原始身份标识的生存周期、 出现频次和属 性信息， 确定所述多 个原始身份标识中的异常原 始身份标识， 包括： 获取多个原始身份标识对， 其中， 所述多个原始身份标识对中的每个原始身份标识对 包括两个彼此 具有关联关系的原 始身份标识； 根据所述多个原 始身份标识对， 确定每 个原始身份标识关联的身份标识数量； 以及 确定所述身份标识数量超过数量阈值的原始身份标识， 作为目标原始身份标识， 并确 定所述目标原始身份标识和与所述目标原始身份标识关联 的原始身份标识作为所述异常 原始身份标识。 3.根据权利要求2所述的方法， 其中， 所述属性信息包括设备属性和操作属性； 所述根据多个原始身份标识之间的关联关系、 所述多个原始身份标识中每个原始身份 标识的生存周期、 出现频次和属 性信息， 确定所述多个原始身份标识中的异常原始身份标 识， 还包括： 针对所述每 个原始身份标识， 根据所述原 始身份标识的设备属性， 确定第一属性 值； 根据所述原 始身份标识的操作属性， 确定第二属性 值； 获取与所述原 始身份标识对应的产品线的权 重； 根据所述第一属性 值、 第二属性 值和所述权 重， 确定评估值； 以及 在所述评估值满足预定条件的情况下， 确定所述原始身份标识作为所述异常原始身份 标识。 4.根据权利要求3所述的方法， 其中， 所述根据多个原始身份标识之间的关联关系、 所 述多个原始身份标识中每个原始身份标识的生存周期、 出现频次和属 性信息， 确定所述多 个原始身份标识中的异常原 始身份标识， 还 包括： 确定所述每 个原始身份标识的生存周期之间是否 重叠； 以及 确定生存周期重 叠的原始身份标识作为所述异常原 始身份标识。 5.根据权利要求4所述的方法， 其中， 所述根据多个原始身份标识之间的关联关系、 所 述多个原始身份标识中每个原始身份标识的生存周期、 出现频次和属 性信息， 确定所述多 个原始身份标识中的异常原 始身份标识， 还 包括： 确定所述每 个原始身份标识在第一时间段内的出现频次；权　利　要　求　书 1/3 页 2 CN 115426143 A 2确定在所述第 一时间段内的出现频次小于第 一频次阈值的原始身份标识， 作为候选原 始身份标识； 确定所述每 个候选原 始身份标识在第二时间段内的出现频次； 以及 确定在所述第 二时间段内的出现频次小于第 二频次阈值的候选原始身份标识， 作为所 述异常原 始身份标识。 6.根据权利要求1所述的方法， 其中， 所述提取所述每个异常原始身份标识的行为特 征， 包括： 针对所述每 个异常原 始身份标识， 获取与所述异常原始身份标识对应的行为数据， 其中， 所述行为数据包括以下至少一 种： 点击数据、 访问地址和访问者指纹信息； 以及 根据与所述异常原 始特征对应的行为数据， 确定所述异常原 始身份标识的行为特 征。 7.一种识别异常身份标识的装置， 包括： 识别模块， 用于利用机器学习模型对至少一个待识别身份标识进行异常识别， 得到所 述至少一个待识别身份标识的异常度； 异常确定模块， 用于根据所述至少一个待识别身份标识 的异常度， 确定所述至少一个 待识别身份标识中的异常身份标识； 原始确定模块， 用于根据多个原始身份标识之间的关联关系、 所述多个原始身份标识 中每个原始身份标识的生存周期、 出现频次和属 性信息， 确定所述多个原始身份标识中的 异常原始身份标识； 提取模块， 用于提取 所述每个异常原 始身份标识的行为特 征； 以及 训练模块， 用于根据所述行为特 征， 训练所述机器学习模型。 8.根据权利要求7 所述的装置， 其中， 所述原 始确定模块包括： 原始身份标识对获取子模块， 用于获取多个原始身份标识对， 其中， 所述多个原始身份 标识对中的每 个原始身份标识对 包括两个彼此 具有关联关系的原 始身份标识； 身份标识数量确定子模块， 用于根据所述多个原始身份标识对， 确定每个原始身份标 识关联的身份标识数量； 以及 第一异常确定子模块， 用于确定所述身份标识数量超过数量阈值的原始身份标识， 作 为目标原始身份标识， 并确定所述目标原始身份标识和与所述目标原始身份标识关联的原 始身份标识作为所述异常原 始身份标识。 9.根据权利要求8所述的装置， 其中， 所述属性信息包括设备属性和操作属性； 所述原始确定模块还 包括： 第一属性值确定子模块， 用于针对所述每个原始身份标识， 根据所述原始身份标识 的 设备属性， 确定第一属性 值； 第二属性 值确定子模块， 用于根据所述原 始身份标识的操作属性， 确定第二属性 值； 权值获取子模块， 用于获取与所述原 始身份标识对应的产品线的权 重； 评估值确定子模块， 用于根据所述第一属性值、 第二属性值和所述权重， 确定评估值； 以及 第二异常确定子模块， 用于在所述评估值满足预定条件的情况下， 确定所述原始身份 标识作为所述异常原 始身份标识。权　利　要　求　书 2/3 页 3 CN 115426143 A 3