(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 202210808401.4 (22)申请日 2022.07.11 (71)申请人 荣耀终端 有限公司 地址 518040 广东省深圳市福田区香蜜湖 街道东海社区红荔西路8089号深业中 城6号楼A单元3401 (72)发明人 陈建伟　 (74)专利代理 机构 深圳中一联合知识产权代理 有限公司 4 4414 专利代理师 路亚芳 (51)Int.Cl. G06Q 30/02(2012.01) (54)发明名称 基于请求行为进行异常分析的方法及电子 设备 (57)摘要 本申请提供了一种基于请求行为进行异常 分析的方法及电子设备， 属于终端技术领域。 该 方法包括： 接收用户输入的请求行为； 通过异常 请求行为分析模型中的实时规则引擎对请求行 为进行异常检测， 并获取第一检测结果； 当第一 检测结果未指示请求行为是异常请求行为时， 通 过异常请求行为分析模型中的风控综合模型对 请求行为进行异常检测， 并获取第二检测结果； 当第二检测结果指示请求行为是异常请求行为 时， 对请求行为进行拦截。 该方法通过结合实时 规则库和基于特征选择和逻辑回归训练的风控 综合模型对请求行为进行异常识别， 能够解决模 型复杂可解释性差， 运行性能差的问题。 权利要求书2页 说明书26页 附图11页 CN 114881711 A 2022.08.09 CN 114881711 A 1.一种基于请求行为进行异常 分析的方法， 其特 征在于， 应用于电子设备， 包括： 接收用户输入的请求行为， 所述请求行为包括 业务场景信息； 根据所述业务场景信 息获取对应的异常识别方式， 所述异常识别方式包括通过静态风 险模型和/或动态 威胁模型对所述请求行为进行异常识别， 或者包括根据静态 风险模型、 动 态威胁模型和 风控综合模型对请求行为进行异常识别， 其中， 所述静态风险模型用于根据 第一特征数据对请求行为进行异常识别， 所述动态威胁模型用于根据第二特征数据对请求 行为进行异常识别， 所述风控综合模型用于根据业务场景中不同标签维度下的标签特征对 请求行为进行异常识别； 按照所述异常识别方式对所述请求行为进行异常识别。 2.根据权利要求1所述的方法， 其特 征在于， 所述方法还 包括： 获取历史用户基础信息和历史用户行为信息； 根据所述历史用户基础信息和所述历史用户行为信息获取历史异常请求行为对应的 静态标签， 以及所述历史异常请求行为对应的第一动态指标； 根据所述静态标签和所述第一动态指标获取 所述第一特 征数据。 3.根据权利要求2所述的方法， 其特 征在于， 所述方法还 包括： 根据所述历史用户基础信息和所述历史用户行为信息获取历史异常请求行为对应的 第二动态指标； 根据所述第二动态指标获取 所述第二特 征数据。 4.根据权利要求1 ‑3中任一项所述的方法， 其特 征在于， 所述方法还 包括： 根据历史用户基础信息和历史用户行为信息提取所述业务场景中不同标签维度下的 标签特征； 根据随机森林算法对所述标签特征进行重要性选择， 获取不同标签维度 下的重要标签 特征； 根据逻辑 回归算法对所述不同标签维度下的重要标签特征进行并行训练， 获取所述不 同标签维度分别对应的子模型； 整合所述子模型， 获取 所述风控综合模型。 5.根据权利要求1 ‑3中任一项所述的方法， 其特征在于， 所述按照所述异常识别方式对 所述请求行为进行异常识别， 具体包括： 将所述请求行为输入所述静态风险模型， 获取第一 风险值； 和/或， 将所述请求行为输入所述动态威胁模型， 获取第二 风险值； 根据所述第一风险值和/或所述第 二风险值， 获取第 一异常识别结果， 且当所述第一异 常识别结果指示所述请求行为异常时， 对所述请求行为进行拦截。 6.根据权利要求5所述的方法， 其特 征在于， 所述方法还 包括： 根据所述第一 风险值判断所述请求行为是否异常； 若判断结果指示所述请求行为 不异常， 则将所述请求行为输入所述动态威胁模型； 若判断结果指示所述请求行为异常， 则对所述请求行为进行拦截。 7.根据权利要求6所述的方法， 其特 征在于， 所述方法还 包括： 根据所述第二 风险值判断所述请求行为是否异常； 若判断结果指示所述请求行为 不异常， 则将所述请求行为输入所述 风控综合模型；权　利　要　求　书 1/2 页 2 CN 114881711 A 2若判断结果指示所述请求行为异常， 则对所述请求行为进行拦截。 8.根据权利要求7 所述的方法， 其特 征在于， 所述方法还 包括： 获取所述请求行为在不同标签维度下的重要标签特 征； 将所述重要标签特 征输入所述 风控综合模型， 获取第二异常识别结果。 9.根据权利要求2所述的方法， 其特征在于， 当所述请求行为是通过电商的下单行为 时， 所述静态标签包括以下至少一项： 所述用户的购物标识、 所述用户的认证信 息、 所述电子设备的标识、 所述下单行为对应 的收货信息 。 10.根据权利要求3所述的方法， 其特征在于， 当所述请求行为是通过电商的下单行为 时， 所述第一动态指标和所述第二动态指标包括以下至少一项： 所述用户通过电商平台输入的行为序列、 所述用户在预设时长内购买同一商品的频 次、 所述用户单次购买同一商品的数量。 11.根据权利要求1 ‑3中任一项所述的方法， 其特征在于， 所述异常识别方式还包括通 过基于几率指标od ds规则模型进行异常识别， 所述方法还 包括： 当所述第二异常识别结果指示所述请求行为不异常时， 若通过其他方式获取所述请求 行为异常， 则获取所述请求行为对应的各标签维度下的标签特征对所述请求行为异常的影 响几率odds指标； 将所述影响几率 odds指标更新至基于od ds规则模型中。 12.根据权利要求1 1所述的方法， 其特 征在于， 所述方法还 包括： 根据所述基于od ds规则模型对所述请求行为进行异常识别。 13.一种电子设备， 其特 征在于， 包括： 一个或多个处 理器； 一个或多个存 储器； 所述一个或多个存储器存储有一个或多个计算机程序， 所述一个或多个计算机程序包 括指令， 当所述指 令被所述一个或多个处理器执行时， 使得所述电子 设备执行如权利要求 1 至12中任一项所述的方法。 14.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质存储有计算机可 执行程序指令， 所述计算机可执行程序指令在被计算机上运行时， 使所述计算机执行如权 利要求1至12中任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 114881711 A 3