本發(fā)明涉及安全
技術(shù)領(lǐng)域：
，尤其涉及一種能夠識(shí)別用戶風(fēng)險(xiǎn)性的用戶識(shí)別的方法及裝置。
背景技術(shù)：
：隨著電子商務(wù)的日益發(fā)展，線上購(gòu)物的各種體驗(yàn)愈加接近線下購(gòu)物，例如，線上賣家也會(huì)通過(guò)做活動(dòng)發(fā)送禮包的方式吸引買家。另外，諸如一些網(wǎng)絡(luò)游戲也會(huì)通過(guò)做活動(dòng)發(fā)送各種禮包的方式吸引玩家。然，一些網(wǎng)上用戶惡意刷取禮包，破壞活動(dòng)規(guī)則?，F(xiàn)在常見(jiàn)的攔截這些用戶的方法有：第一，通過(guò)IP地址限制方法限制惡意刷包用戶；第二，通過(guò)限制每個(gè)用戶獲取的禮包數(shù)限制惡意刷包用戶；第三，通過(guò)圖文驗(yàn)證的方法限制惡意刷包用戶。上述三種方法各有不足，第一種限制方法可以使用代理IP繞過(guò)；第二種限制方法可以通過(guò)注冊(cè)多個(gè)用戶來(lái)繞過(guò)，第三種限制方法限制效果不佳，用戶體驗(yàn)不友好。技術(shù)實(shí)現(xiàn)要素：有鑒于此，有必要提供一種用戶識(shí)別的方法和裝置，能夠識(shí)別用戶的風(fēng)險(xiǎn)性，以解決上述問(wèn)題。本發(fā)明提供一種用戶識(shí)別的方法。所述方法包括步驟：接收用戶登陸請(qǐng)求，其中，所述用戶登陸請(qǐng)求中包含用戶的一項(xiàng)以上的特征數(shù)據(jù)；根據(jù)預(yù)設(shè)的與所述一項(xiàng)以上的所述特征數(shù)據(jù)中的每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的函數(shù)計(jì)算所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的特征值；根據(jù)預(yù)存的樣本數(shù)據(jù)計(jì)算所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的閾值，所述閾值用于區(qū)分正常賬號(hào)的特征值與異常賬號(hào)的特征值；根據(jù)所述閾值和每項(xiàng)特征數(shù)據(jù)的特征值為所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的特征值分配系數(shù)；根據(jù)所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的特征值，所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的特征值所分配得到的系數(shù)以及預(yù)設(shè)的所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的權(quán)重值計(jì)算所述用戶對(duì)應(yīng)的第一風(fēng)險(xiǎn)值。本發(fā)明通過(guò)計(jì)算所述用戶的一項(xiàng)以上的特征數(shù)據(jù)的特征值，再根據(jù)每項(xiàng)特征數(shù)據(jù)匹配的系數(shù)，以及每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的權(quán)重值計(jì)算所述用戶的第一風(fēng)險(xiǎn)值來(lái)識(shí)別所述用戶的風(fēng)險(xiǎn)性，簡(jiǎn)單易操作，準(zhǔn)確率高。進(jìn)一步地，所述方法還包括，通過(guò)以下方式獲取所述一項(xiàng)以上的所述特征數(shù)據(jù)中的一項(xiàng)特征數(shù)據(jù)：初始化聚合點(diǎn)的聚合值，所述聚合點(diǎn)用于表示用戶身份證明在半徑為R的聚合范圍內(nèi)的聚集位置；獲取所述用戶登陸請(qǐng)求對(duì)應(yīng)的用戶身份證明UID；計(jì)算UID/R，根據(jù)所述UID/R確定所述用戶對(duì)應(yīng)的聚合點(diǎn)；將所述用戶對(duì)應(yīng)的聚合點(diǎn)對(duì)應(yīng)的聚合值加1；將所述用戶對(duì)應(yīng)的聚合點(diǎn)作為所述一項(xiàng)以上的特征數(shù)據(jù)中的一項(xiàng)特征數(shù)據(jù)，且將所述聚合點(diǎn)的聚合值作為特征值。通過(guò)計(jì)算UID在半徑為R的聚合范圍內(nèi)的聚合值來(lái)進(jìn)一步識(shí)別用戶的風(fēng)險(xiǎn)性，增加用戶識(shí)別的準(zhǔn)確率，避免誤判。進(jìn)一步地，所述方法還包括：獲取所述用戶登陸請(qǐng)求對(duì)應(yīng)的用戶身份證明UID；根據(jù)所述UID和隨機(jī)數(shù)Y組成的坐標(biāo)值，以及DBSCAN聚類算法計(jì)算所述用戶的第二風(fēng)險(xiǎn)值。本發(fā)明進(jìn)一步通過(guò)DBSCAN識(shí)別用戶的風(fēng)險(xiǎn)性，進(jìn)一步增加用戶識(shí)別的準(zhǔn)確率，避免誤判。進(jìn)一步地，所述方法還包括：判斷所述第一風(fēng)險(xiǎn)值是否小于所述第二風(fēng)險(xiǎn)值，若是，則將所述第一風(fēng)險(xiǎn)值作為所述用戶的最終風(fēng)險(xiǎn)值，若否，則將所述第二風(fēng)險(xiǎn)值作為所述用戶的最終風(fēng)險(xiǎn)值；或者，計(jì)算所述第一風(fēng)險(xiǎn)值和所述第二風(fēng)險(xiǎn)值的平均值，將所述平均值作為所述用戶的最終風(fēng)險(xiǎn)值。通過(guò)綜合第一風(fēng)險(xiǎn)值和第二風(fēng)險(xiǎn)值，進(jìn)一步增加用戶識(shí)別的準(zhǔn)確率，避免誤判。進(jìn)一步地，所述特征數(shù)據(jù)包括以下中的至少一項(xiàng)：用戶的注冊(cè)時(shí)間、上次登陸時(shí)間、本次登陸時(shí)間、注冊(cè)信息、UID。通過(guò)采用多個(gè)所述特征數(shù)據(jù)進(jìn)行多維判斷，增加用戶識(shí)別的準(zhǔn)確率，避免誤判。本發(fā)明還提供一種用戶識(shí)別的裝置。所述裝置包括：接收模塊，用于接收用戶登陸請(qǐng)求，其中，所述用戶登陸請(qǐng)求中包含用戶的一項(xiàng)以上的特征數(shù)據(jù)；特征值計(jì)算模塊，用于根據(jù)預(yù)設(shè)的與所述一項(xiàng)以上的所述特征數(shù)據(jù)中的每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的函數(shù)計(jì)算所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的特征值；閾值計(jì)算模塊，用于根據(jù)預(yù)存的樣本數(shù)據(jù)計(jì)算所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的閾值，所述閾值用于區(qū)分正常賬號(hào)的特征值與異常賬號(hào)的特征值；分配模塊，用于根據(jù)所述閾值和每項(xiàng)特征數(shù)據(jù)的特征值為所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的特征值分配系數(shù)；第一風(fēng)險(xiǎn)計(jì)算模塊，用于根據(jù)所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的特征值，所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的特征值所分配得到的系數(shù)以及預(yù)設(shè)的所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的權(quán)重值計(jì)算所述用戶對(duì)應(yīng)的第一風(fēng)險(xiǎn)值。通過(guò)計(jì)算所述用戶的一項(xiàng)以上的特征數(shù)據(jù)的特征值，再根據(jù)每項(xiàng)特征數(shù)據(jù)匹配的系數(shù)及每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的權(quán)重值計(jì)算所述用戶的第一風(fēng)險(xiǎn)值來(lái)識(shí)別所述用戶的風(fēng)險(xiǎn)性，簡(jiǎn)單易操作，準(zhǔn)確率高。進(jìn)一步地，所述裝置還包括：特征數(shù)據(jù)獲取模塊，用于初始化聚合點(diǎn)的聚合值，所述聚合點(diǎn)用于表示用戶身份證明在半徑為R的聚合范圍內(nèi)的聚集位置；獲取所述用戶登陸請(qǐng)求對(duì)應(yīng)的用戶身份證明UID；計(jì)算UID/R，根據(jù)所述UID/R確定所述用戶對(duì)應(yīng)的聚合點(diǎn)；將所述用戶對(duì)應(yīng)的聚合點(diǎn)對(duì)應(yīng)的聚合值加1；將所述聚合點(diǎn)作為所述一項(xiàng)以上的特征數(shù)據(jù)中的一項(xiàng)特征數(shù)據(jù)，且將所述聚合點(diǎn)的聚合值作為特征值。進(jìn)一步地，所述用戶識(shí)別裝置還包括：第二風(fēng)險(xiǎn)計(jì)算模塊，用于獲取所述用戶登陸請(qǐng)求對(duì)應(yīng)的用戶身份證明UID；根據(jù)所述UID和隨機(jī)數(shù)Y組成的坐標(biāo)值，以及DBSCAN聚類算法計(jì)算所述用戶的第二風(fēng)險(xiǎn)值。本發(fā)明進(jìn)一步通過(guò)DBSCAN識(shí)別用戶的風(fēng)險(xiǎn)性，增加用戶識(shí)別的準(zhǔn)確率，避免誤判。進(jìn)一步地，所述用戶識(shí)別裝置還包括：風(fēng)險(xiǎn)確定模塊，用于判斷所述第一風(fēng)險(xiǎn)值是否小于所述第二風(fēng)險(xiǎn)值，若是，則將所述第一風(fēng)險(xiǎn)值作為所述用戶的最終風(fēng)險(xiǎn)值，若否，則將所述第二風(fēng)險(xiǎn)值作為所述用戶的最終風(fēng)險(xiǎn)值；或者，用于計(jì)算所述第一風(fēng)險(xiǎn)值和所述第二風(fēng)險(xiǎn)值的平均值，將所述平均值作為所述用戶的最終風(fēng)險(xiǎn)值。通過(guò)綜合第一風(fēng)險(xiǎn)值和第二風(fēng)險(xiǎn)值，進(jìn)一步增加用戶識(shí)別的準(zhǔn)確率，避免誤判。進(jìn)一步地，所述特征數(shù)據(jù)包括以下中的至少一項(xiàng)：用戶的注冊(cè)時(shí)間、上次登陸時(shí)間、本次登陸時(shí)間、注冊(cè)信息、UID。通過(guò)采用多個(gè)所述特征數(shù)據(jù)進(jìn)行多維判斷，增加用戶識(shí)別的準(zhǔn)確率，避免誤判。附圖說(shuō)明圖1為本發(fā)明實(shí)施例一提供的一種用戶識(shí)別方法的流程圖；圖2為本發(fā)明實(shí)施例二提供的獲取一項(xiàng)特征數(shù)據(jù)的流程圖；圖3為本發(fā)明實(shí)施例三提供的一種用戶識(shí)別方法的流程圖；圖4為本發(fā)明實(shí)施例四提供的一種用戶識(shí)別方法的流程圖；圖5是本發(fā)明實(shí)施例五實(shí)現(xiàn)用戶識(shí)別方法的電子設(shè)備的較佳實(shí)施例的結(jié)構(gòu)示意圖；圖6是本發(fā)明實(shí)施例六提供的用戶識(shí)別裝置的結(jié)構(gòu)圖；圖7是本發(fā)明實(shí)施例七提供的用戶識(shí)別裝置的結(jié)構(gòu)圖；圖8是本發(fā)明實(shí)施例八提供的用戶識(shí)別裝置的結(jié)構(gòu)圖；圖9是本發(fā)明實(shí)施例九提供的用戶識(shí)別裝置的結(jié)構(gòu)圖。主要元件符號(hào)說(shuō)明電子設(shè)備1用戶識(shí)別裝置10存儲(chǔ)設(shè)備20處理設(shè)備30通訊設(shè)備40接收模塊601、801、901特征值計(jì)算模塊602、802、903閾值計(jì)算模塊603、803、904分配模塊604、804、905第一風(fēng)險(xiǎn)計(jì)算模塊605、805、902、906特征數(shù)據(jù)獲取模塊701第二風(fēng)險(xiǎn)計(jì)算模塊806風(fēng)險(xiǎn)確定模塊907禮包發(fā)放模塊908如下具體實(shí)施例將結(jié)合上述附圖進(jìn)一步說(shuō)明本發(fā)明。具體實(shí)施方式為了能夠更清楚地理解本發(fā)明的上述目的、特征和優(yōu)點(diǎn)，下面結(jié)合附圖和具體實(shí)施例對(duì)本發(fā)明進(jìn)行詳細(xì)描述。需要說(shuō)明的是，在不沖突的情況下，本申請(qǐng)的實(shí)施例及實(shí)施例中的特征可以相互組合。在下面的描述中闡述了很多具體細(xì)節(jié)以便于充分理解本發(fā)明，所描述的實(shí)施例僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒(méi)有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其它實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。除非另有定義，本文所使用的所有的技術(shù)和科學(xué)術(shù)語(yǔ)與屬于本發(fā)明的
技術(shù)領(lǐng)域：
的技術(shù)人員通常理解的含義相同。本文中在本發(fā)明的說(shuō)明書中所使用的術(shù)語(yǔ)只是為了描述具體地實(shí)施例的目的，不是旨在于限制本發(fā)明。本文所使用的術(shù)語(yǔ)“及/或”包括一個(gè)或多個(gè)相關(guān)的所列項(xiàng)目的任意的和所有的組合。需要說(shuō)明的是，電子設(shè)備可以是電腦、主機(jī)箱、臺(tái)式電腦等具備強(qiáng)大數(shù)據(jù)處理能力和網(wǎng)絡(luò)數(shù)據(jù)通信能力的終端。所述電子設(shè)備所處的網(wǎng)絡(luò)包括，但不限于互聯(lián)網(wǎng)、廣域網(wǎng)、城域網(wǎng)、局域網(wǎng)、虛擬專用網(wǎng)絡(luò)(VirtualPrivateNetwork，VPN)等。實(shí)施例一圖1為本發(fā)明實(shí)施例一提供的用戶識(shí)別方法的示意流程圖。所述用戶識(shí)別方法應(yīng)用于電子設(shè)備上，如圖1所示，所述用戶識(shí)別方法包括以下步驟S101-S105。步驟S101，接收用戶登陸請(qǐng)求，其中，所述用戶登錄請(qǐng)求由一電子設(shè)備響應(yīng)用戶的登陸操作而產(chǎn)生。具體地，所述用戶登陸請(qǐng)求中包含用戶的一項(xiàng)以上的特征數(shù)據(jù)。其中，所述一項(xiàng)以上的所述特征數(shù)據(jù)包括，但不限于注冊(cè)時(shí)間、上次登陸時(shí)間、本次登陸時(shí)間、注冊(cè)信息、注冊(cè)信息的完善度、注冊(cè)信息的相似度、用戶身份證明UID(UniqueIdentification)及請(qǐng)求IP等。其中，所述注冊(cè)信息的相似度是指所述用戶的多項(xiàng)注冊(cè)信息之間的相似度，例如，所述用戶的注冊(cè)郵箱和注冊(cè)賬號(hào)相同，則相似度高。步驟S102，根據(jù)預(yù)設(shè)的與所述一項(xiàng)以上的所述特征數(shù)據(jù)中的每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的函數(shù)計(jì)算所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的特征值。具體地，本實(shí)施例中，采用Adaboost分類器(下文簡(jiǎn)稱Adaboost)從所述用戶登陸請(qǐng)求中獲取所述用戶的一項(xiàng)以上的特征數(shù)據(jù)，并根據(jù)預(yù)設(shè)的與所述一項(xiàng)以上的所述特征數(shù)據(jù)中的每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的函數(shù)計(jì)算所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的特征值。具體地，Adaboost在正常使用之前需通過(guò)樣本數(shù)據(jù)進(jìn)行訓(xùn)練，樣本數(shù)據(jù)包括一批正常賬號(hào)和一批非正常賬號(hào)的特征數(shù)據(jù)。Adaboost的訓(xùn)練過(guò)程如下：賦予每個(gè)樣本數(shù)據(jù)中的一項(xiàng)以上的特征數(shù)據(jù)以同樣的權(quán)重值，首先在樣本數(shù)據(jù)上構(gòu)建一個(gè)弱分類器，計(jì)算所述弱分類器的錯(cuò)誤率，然后在所述弱分類器的基礎(chǔ)上再次訓(xùn)練所述弱分類器。在再次訓(xùn)練中，將會(huì)調(diào)整每項(xiàng)特征數(shù)據(jù)的權(quán)重值，其中正確分類的樣本數(shù)據(jù)的權(quán)重值降低，而錯(cuò)誤分類的樣本數(shù)據(jù)的權(quán)重值增高。Adaboost算法會(huì)不斷地重復(fù)訓(xùn)練和調(diào)整權(quán)重的過(guò)程，直到錯(cuò)誤率為0為止，以得到最終的分類器。步驟S103，根據(jù)預(yù)存的樣本數(shù)據(jù)計(jì)算所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的閾值，所述閾值用于區(qū)分正常賬號(hào)的特征值與異常賬號(hào)的特征值。具體地，采用所述Adaboost根據(jù)預(yù)存的樣本數(shù)據(jù)計(jì)算所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的閾值。步驟S104，根據(jù)所述閾值和每項(xiàng)特征數(shù)據(jù)的特征值為所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的特征值分配系數(shù)。具體地，將每項(xiàng)閾值與所述閾值對(duì)應(yīng)的所述特征數(shù)據(jù)的特征值進(jìn)行比較，以判斷所述特征數(shù)據(jù)的特征值是否正常，且將正常的所述每項(xiàng)特征數(shù)據(jù)匹配第一系數(shù)，將異常的所述每項(xiàng)特征數(shù)據(jù)匹配第二系數(shù)。具體地，采用所述Adaboost將每項(xiàng)閾值與所述閾值對(duì)應(yīng)的所述特征數(shù)據(jù)的特征值進(jìn)行比較，以判斷所述特征數(shù)據(jù)的特征值是否正常，且將正常的所述每項(xiàng)特征數(shù)據(jù)匹配第一系數(shù)，例如，1，將異常的所述每項(xiàng)特征數(shù)據(jù)匹配第二系數(shù)，例如，0。步驟S105，根據(jù)所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的特征值，所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的特征值所分配得到的系數(shù)以及預(yù)設(shè)的所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的權(quán)重值計(jì)算所述用戶對(duì)應(yīng)的第一風(fēng)險(xiǎn)值。具體地，根據(jù)所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的特征值、預(yù)設(shè)的所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的權(quán)重值，以及所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的所述第一系數(shù)或者所述第二系數(shù)計(jì)算所述用戶對(duì)應(yīng)的第一風(fēng)險(xiǎn)值。具體地，采用所述Adaboost根據(jù)所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的特征值、預(yù)設(shè)的所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的權(quán)重值，以及所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的所述第一系數(shù)或者所述第二系數(shù)的乘積相加得到所述用戶對(duì)應(yīng)的第一風(fēng)險(xiǎn)值。本實(shí)施例一通過(guò)計(jì)算所述用戶的一項(xiàng)以上的特征數(shù)據(jù)的特征值，再根據(jù)每項(xiàng)特征數(shù)據(jù)匹配的系數(shù)，及每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的權(quán)重值計(jì)算所述用戶的第一風(fēng)險(xiǎn)值來(lái)識(shí)別所述用戶的風(fēng)險(xiǎn)性，簡(jiǎn)單易操作，準(zhǔn)確率高。實(shí)施例二本發(fā)明實(shí)施例二與實(shí)施例一相似，其不同在于，實(shí)施例二通過(guò)以下方法獲取所述一項(xiàng)以上的所述特征數(shù)據(jù)中的一項(xiàng)特征數(shù)據(jù)，其中，圖2為本發(fā)明實(shí)施例二提供的獲取一項(xiàng)特征數(shù)據(jù)的示意流程圖，具體包括步驟S201-S204。步驟S201，初始化聚合點(diǎn)的聚合值，所述聚合點(diǎn)用于表示用戶身份證明在半徑為R的聚合范圍內(nèi)的聚集位置。具體地，將所述聚合點(diǎn)的聚合值均初始化為0。其中，半徑R是指參與當(dāng)前活動(dòng)的所有用戶的數(shù)量，例如1000。步驟S202，獲取所述用戶登陸請(qǐng)求對(duì)應(yīng)的用戶身份證明UID，例如10001，計(jì)算UID/R，例如，10001/1000＝10，根據(jù)所述UID/R確定所述用戶對(duì)應(yīng)的聚合點(diǎn)，將所述用戶對(duì)應(yīng)的聚合點(diǎn)10對(duì)應(yīng)的聚合值加1。步驟S203，將所述用戶對(duì)應(yīng)的聚合點(diǎn)作為所述一項(xiàng)以上的特征數(shù)據(jù)中的一項(xiàng)特征數(shù)據(jù)，且將所述聚合點(diǎn)的聚合值作為特征值。本實(shí)施例二通過(guò)計(jì)算UID在半徑為R的聚合范圍內(nèi)的聚合值來(lái)進(jìn)一步識(shí)別用戶的風(fēng)險(xiǎn)性，由于正常賬號(hào)的用戶身份證明一般呈隨機(jī)分布狀態(tài)，而異常賬號(hào)的用戶身份證明一般都聚合在一起，因此，通過(guò)上述聚合值可進(jìn)一步識(shí)別待登陸用戶的風(fēng)險(xiǎn)性，增加用戶識(shí)別的準(zhǔn)確率，避免誤判。實(shí)施例三圖3為本發(fā)明實(shí)施例三中用戶識(shí)別方法的示意流程圖。所述用戶識(shí)別方法應(yīng)用于電子設(shè)備上，如圖3所示，所述用戶識(shí)別方法包括以下步驟S301-S310。步驟S301，接收用戶登陸請(qǐng)求，其中，所述用戶登錄請(qǐng)求由一電子設(shè)備響應(yīng)用戶的登陸操作而產(chǎn)生。具體地，所述用戶登陸請(qǐng)求中包含用戶的一項(xiàng)以上的特征數(shù)據(jù)。其中，所述一項(xiàng)以上的所述特征數(shù)據(jù)包括，但不限于注冊(cè)時(shí)間、上次登陸時(shí)間、本次登陸時(shí)間、注冊(cè)信息、注冊(cè)信息的完善度、注冊(cè)信息的相似度、UID及請(qǐng)求IP等。其中，所述注冊(cè)信息的相似度是指所述用戶的多項(xiàng)注冊(cè)信息之間的相似度，例如，所述用戶的注冊(cè)郵箱和注冊(cè)賬號(hào)相同，則相似度高。步驟S302，根據(jù)預(yù)設(shè)的與所述一項(xiàng)以上的所述特征數(shù)據(jù)中的每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的函數(shù)計(jì)算所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的特征值。具體地，采用所述Adaboost從所述用戶登陸請(qǐng)求中獲取所述用戶的一項(xiàng)以上的特征數(shù)據(jù)，根據(jù)預(yù)設(shè)的與所述一項(xiàng)以上的所述特征數(shù)據(jù)中的每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的函數(shù)計(jì)算所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的特征值。步驟S303，根據(jù)預(yù)存的樣本數(shù)據(jù)計(jì)算所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的閾值，所述閾值用于區(qū)分正常賬號(hào)的特征值與異常賬號(hào)的特征值。具體地，采用所述Adaboost并根據(jù)預(yù)存的樣本數(shù)據(jù)計(jì)算所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的閾值。步驟S304，根據(jù)所述閾值和每項(xiàng)特征數(shù)據(jù)的特征值為所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的特征值分配系數(shù)。具體地，將每項(xiàng)閾值與所述閾值對(duì)應(yīng)的所述特征數(shù)據(jù)的特征值進(jìn)行比較，以判斷所述特征數(shù)據(jù)的特征值是否正常，且將正常的所述每項(xiàng)特征數(shù)據(jù)匹配第一系數(shù)，將異常的所述每項(xiàng)特征數(shù)據(jù)匹配第二系數(shù)。具體地，采用所述Adaboost將每項(xiàng)閾值與所述閾值對(duì)應(yīng)的所述特征數(shù)據(jù)的特征值進(jìn)行比較，以判斷所述特征數(shù)據(jù)的特征值是否正常，且將正常的所述每項(xiàng)特征數(shù)據(jù)匹配第一系數(shù)，例如，1，將異常的所述每項(xiàng)特征數(shù)據(jù)匹配第二系數(shù)，例如，0。步驟S305，根據(jù)所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的特征值，所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的特征值所分配得到的系數(shù)以及預(yù)設(shè)的所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的權(quán)重值計(jì)算所述用戶對(duì)應(yīng)的第一風(fēng)險(xiǎn)值。具體地，根據(jù)所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的特征值、預(yù)設(shè)的所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的權(quán)重值，以及所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的所述第一系數(shù)或者所述第二系數(shù)計(jì)算所述用戶對(duì)應(yīng)的第一風(fēng)險(xiǎn)值。步驟S306，根據(jù)所述UID和隨機(jī)數(shù)Y組成的坐標(biāo)值，以及DBSCAN聚類算法計(jì)算所述用戶的第二風(fēng)險(xiǎn)值。具體地，DBSCAN聚類算法為具有噪聲的基于密度的聚類方法(Density-BasedSpatialClusteringofApplicationswithNoise)。具體地，聚類算法DBSCAN以參與當(dāng)前活動(dòng)的所有用戶的UID的集合為計(jì)算依據(jù)，以密度可達(dá)的方式判斷所述UID在參與當(dāng)前活動(dòng)的所有用戶的UID的集合中是否形成聚合簇，并在形成聚合簇時(shí)以參與當(dāng)前活動(dòng)的所有用戶的特征數(shù)據(jù)的集合為計(jì)算依據(jù)計(jì)算所述用戶的UID的聚合值，即為第二風(fēng)險(xiǎn)值。一般而言，因非正常用戶的UID比較相似且在參與活動(dòng)的所有用戶的UID的集合里呈高聚分布，例如UID為100,101,102的三個(gè)用戶就是聚合在一起的，而正常用戶的UID在參與活動(dòng)的所有用戶的UID的集合里呈隨機(jī)分布，例如，可能出現(xiàn)UID為1的用戶，也可能出現(xiàn)UID為1000000的用戶，因此，正常用戶的UID呈隨機(jī)分布，無(wú)法形成聚合簇，因此，通過(guò)聚類算法可以判斷所述用戶的UID是否在參與當(dāng)前活動(dòng)的所有用戶的UID的集合中高聚分布，如果所述用戶的UID在參與當(dāng)前活動(dòng)的所有用戶的UID的集合里呈高聚分布，則計(jì)算所述用戶的UID的聚合值，并將所述聚合值作為第二風(fēng)險(xiǎn)值。例如，將每個(gè)用戶的UID記為1個(gè)數(shù)據(jù)點(diǎn)，如果所述用戶的UID所在的聚合簇有300個(gè)數(shù)據(jù)點(diǎn)，而當(dāng)天參與當(dāng)前活動(dòng)的所有用戶的UID的集合總共有1000個(gè)數(shù)據(jù)點(diǎn)，那么所述用戶的UID的聚合值為0.3，即300/1000＝0.3，即第一風(fēng)險(xiǎn)值為0.3。進(jìn)一步地，本發(fā)明的實(shí)施例三還包括步驟S307。步驟S307，判斷所述第一風(fēng)險(xiǎn)值是否小于所述第二風(fēng)險(xiǎn)值，若是，將所述第一風(fēng)險(xiǎn)值作為所述用戶的最終風(fēng)險(xiǎn)值，若否，將所述第二風(fēng)險(xiǎn)值作為所述用戶的最終風(fēng)險(xiǎn)值。具體地，在確定最終風(fēng)險(xiǎn)值之前，還對(duì)所述第一風(fēng)險(xiǎn)值和所述第二風(fēng)險(xiǎn)值分別作歸一化處理。進(jìn)一步地，本發(fā)明的實(shí)施例三的步驟S307還可以為：步驟S307，計(jì)算所述第一風(fēng)險(xiǎn)值和所述第二風(fēng)險(xiǎn)值的平均值，將所述平均值作為所述用戶的最終風(fēng)險(xiǎn)值。具體地，在確定最終風(fēng)險(xiǎn)值之前，還對(duì)所述第一風(fēng)險(xiǎn)值和所述第二風(fēng)險(xiǎn)值分別作歸一化處理。在本發(fā)明實(shí)施例三中，通過(guò)Adaboost和DBSCAN分別計(jì)算第一風(fēng)險(xiǎn)值和第二風(fēng)險(xiǎn)值來(lái)確定最終的風(fēng)險(xiǎn)值，以進(jìn)一步識(shí)別用戶的風(fēng)險(xiǎn)性，增加用戶識(shí)別的準(zhǔn)確率，避免誤判。實(shí)施例四圖4為本發(fā)明實(shí)施例四中用戶識(shí)別方法的示意流程圖。所述用戶識(shí)別方法應(yīng)用于電子設(shè)備上，如圖4所示，所述用戶識(shí)別方法包括以下步驟S401-S408。步驟S401，接收用戶登陸請(qǐng)求。具體地，所述用戶登錄請(qǐng)求為禮包領(lǐng)取請(qǐng)求。其中，所述禮包領(lǐng)取請(qǐng)求由一電子設(shè)備響應(yīng)用戶的禮包領(lǐng)取操作而產(chǎn)生。具體地，所述禮包領(lǐng)取請(qǐng)求中包含用戶的一項(xiàng)以上的特征數(shù)據(jù)。其中，所述一項(xiàng)以上的所述特征數(shù)據(jù)包括，但不限于注冊(cè)時(shí)間、上次登陸時(shí)間、本次登陸時(shí)間、注冊(cè)信息、注冊(cè)信息的完善度、注冊(cè)信息的相似度、UID及請(qǐng)求IP等。其中，所述注冊(cè)信息的相似度是指所述用戶的多項(xiàng)注冊(cè)信息之間的相似度，例如，所述用戶的注冊(cè)郵箱和注冊(cè)賬號(hào)相同，則相似度高。步驟S402，根據(jù)所述UID和隨機(jī)數(shù)Y組成的坐標(biāo)值，以及DBSCAN聚類算法計(jì)算所述用戶的第一風(fēng)險(xiǎn)值。具體地，DBSCAN以參與當(dāng)前活動(dòng)的所有用戶的UID的集合為計(jì)算依據(jù)，以密度可達(dá)的方式判斷所述用戶的UID在參與當(dāng)前活動(dòng)的所有用戶的UID的集合中是否形成聚合簇，并在形成所述聚合簇時(shí)，以參與當(dāng)前活動(dòng)的所有用戶的特征數(shù)據(jù)的集合為計(jì)算依據(jù)計(jì)算所述用戶的UID的聚合值，即為第一風(fēng)險(xiǎn)值。步驟S403，根據(jù)預(yù)設(shè)的與所述一項(xiàng)以上的所述特征數(shù)據(jù)中的每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的函數(shù)計(jì)算所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的特征值。具體地，采用所述Adaboost從所述用戶登陸請(qǐng)求中獲取所述用戶的一項(xiàng)以上的特征數(shù)據(jù)，根據(jù)預(yù)設(shè)的與所述一項(xiàng)以上的所述特征數(shù)據(jù)中的每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的函數(shù)計(jì)算所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的特征值。步驟S404，根據(jù)預(yù)存的樣本數(shù)據(jù)計(jì)算所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的閾值，所述閾值用于區(qū)分正常賬號(hào)的特征值與異常賬號(hào)的特征值。具體地，采用所述Adaboost并根據(jù)預(yù)存的樣本數(shù)據(jù)計(jì)算所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的閾值。步驟S405，根據(jù)所述閾值和每項(xiàng)特征數(shù)據(jù)的特征值為所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的特征值分配系數(shù)。具體地，將每項(xiàng)閾值與所述閾值對(duì)應(yīng)的所述特征數(shù)據(jù)的特征值進(jìn)行比較，以判斷所述特征數(shù)據(jù)的特征值是否正常，且將正常的所述每項(xiàng)特征數(shù)據(jù)匹配第一系數(shù)，將異常的所述每項(xiàng)特征數(shù)據(jù)匹配第二系數(shù)。具體地，采用所述Adaboost將每項(xiàng)閾值與所述閾值對(duì)應(yīng)的所述特征數(shù)據(jù)的特征值進(jìn)行比較，以判斷所述特征數(shù)據(jù)的特征值是否正常，且將正常的所述每項(xiàng)特征數(shù)據(jù)匹配第一系數(shù)，例如，1，將異常的所述每項(xiàng)特征數(shù)據(jù)匹配第二系數(shù)，例如，0。步驟S406，根據(jù)所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的特征值，所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的特征值所分配得到的系數(shù)以及預(yù)設(shè)的所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的權(quán)重值計(jì)算所述用戶對(duì)應(yīng)的第二風(fēng)險(xiǎn)值。具體地，根據(jù)所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的特征值、預(yù)設(shè)的所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的權(quán)重值，以及所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的所述第一系數(shù)或者所述第二系數(shù)計(jì)算所述用戶對(duì)應(yīng)的第二風(fēng)險(xiǎn)值。進(jìn)一步地，本發(fā)明的實(shí)施例三還包括步驟S407。步驟S407，判斷所述第一風(fēng)險(xiǎn)值是否小于所述第二風(fēng)險(xiǎn)值，若是，將所述第一風(fēng)險(xiǎn)值作為所述用戶的最終風(fēng)險(xiǎn)值，若否，將所述第二風(fēng)險(xiǎn)值作為所述用戶的最終風(fēng)險(xiǎn)值。具體地，在確定最終風(fēng)險(xiǎn)值之前，還對(duì)所述第一風(fēng)險(xiǎn)值和所述第二風(fēng)險(xiǎn)值分別作歸一化處理。進(jìn)一步地，本發(fā)明的實(shí)施例三的步驟S407還可以為：步驟S407，計(jì)算所述第一風(fēng)險(xiǎn)值和所述第二風(fēng)險(xiǎn)值的平均值，將所述平均值作為所述用戶的最終風(fēng)險(xiǎn)值。具體地，在確定最終風(fēng)險(xiǎn)值之前，還對(duì)所述第一風(fēng)險(xiǎn)值和所述第二風(fēng)險(xiǎn)值分別作歸一化處理。步驟S408，判斷最終風(fēng)險(xiǎn)值是否大于0.5，如果是，則確定登陸行為為正常登陸行為，響應(yīng)所述禮包領(lǐng)取請(qǐng)求，并為所述注冊(cè)用戶發(fā)放禮包，如果否，則確定登陸行為為惡意刷禮包行為，不響應(yīng)所述禮包領(lǐng)取請(qǐng)求，并不為所述注冊(cè)用戶發(fā)放禮包。在本發(fā)明實(shí)施例四中，通過(guò)Adaboost和DBSCAN分別計(jì)算第一風(fēng)險(xiǎn)值和第二風(fēng)險(xiǎn)值來(lái)確定最終的風(fēng)險(xiǎn)值，進(jìn)一步增加用戶識(shí)別的準(zhǔn)確率，避免誤判，且對(duì)風(fēng)險(xiǎn)性大的用戶不發(fā)放禮包。實(shí)施例五圖5為本發(fā)明實(shí)現(xiàn)用戶識(shí)別方法的較佳實(shí)施例的電子設(shè)備的結(jié)構(gòu)示意圖。用戶識(shí)別裝置10設(shè)置于電子設(shè)備1上。所述電子設(shè)備1還包括存儲(chǔ)設(shè)備20、處理設(shè)備30和通訊設(shè)備40。優(yōu)選地，本發(fā)明的用戶識(shí)別方法通過(guò)所述電子設(shè)備1中的用戶識(shí)別裝置10來(lái)實(shí)現(xiàn)。所述電子設(shè)備1是一種能夠按照事先設(shè)定或存儲(chǔ)的指令，自動(dòng)進(jìn)行數(shù)值計(jì)算和/或信息處理的設(shè)備，其硬件包括但不限于微處理器、專用集成電路(ApplicationSpecificIntegratedCircuit，ASIC)、可編程門陣列(Field－ProgrammableGateArray，F(xiàn)PGA)、數(shù)字處理器(DigitalSignalProcessor，DSP)、嵌入式設(shè)備等。所述電子設(shè)備12可以是，但不限于任何一種可與用戶通過(guò)鍵盤、鼠標(biāo)、遙控器、觸摸板或聲控設(shè)備等方式進(jìn)行人機(jī)交互且具有移動(dòng)通訊功能的電子產(chǎn)品，例如，個(gè)人計(jì)算機(jī)、平板電腦、智能手機(jī)、個(gè)人數(shù)字助理(PersonalDigitalAssistant，PDA)、智能式穿戴式設(shè)備等。所述用戶識(shí)別裝置10接收用戶登陸請(qǐng)求，其中，所述用戶登陸請(qǐng)求中包含用戶的一項(xiàng)以上的特征數(shù)據(jù)；根據(jù)預(yù)設(shè)的與所述一項(xiàng)以上的所述特征數(shù)據(jù)中的每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的函數(shù)計(jì)算所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的特征值；根據(jù)預(yù)存的樣本數(shù)據(jù)計(jì)算所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的閾值；將每項(xiàng)閾值與所述閾值對(duì)應(yīng)的所述特征數(shù)據(jù)的特征值進(jìn)行比較，以判斷所述特征數(shù)據(jù)的特征值是否正常，且將正常的所述每項(xiàng)特征數(shù)據(jù)匹配第一系數(shù)，將異常的所述每項(xiàng)特征數(shù)據(jù)匹配第二系數(shù)；根據(jù)所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的特征值、預(yù)設(shè)的所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的權(quán)重值，以及所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的所述第一系數(shù)或者所述第二系數(shù)計(jì)算所述用戶對(duì)應(yīng)的第一風(fēng)險(xiǎn)值。所述存儲(chǔ)設(shè)備20用于存儲(chǔ)所述用戶識(shí)別裝置10中各個(gè)程序段的程序代碼。所述存儲(chǔ)設(shè)備20可以為智能媒體卡(smartmediacard)、安全數(shù)字卡(securedigitalcard)、快閃存儲(chǔ)器卡(flashcard)等儲(chǔ)存設(shè)備。所述處理設(shè)備30可以包括一個(gè)或者多個(gè)微處理器、數(shù)字處理器、微控制器、單片機(jī)等。所述通訊設(shè)備40可以包括，但不限于無(wú)線保真WiFi，藍(lán)牙和射頻等。所述通訊設(shè)備40用于在所述電子設(shè)備1和其它電子設(shè)備之間進(jìn)行數(shù)據(jù)通訊。實(shí)施例六圖6為本發(fā)明實(shí)施例一提供的用戶識(shí)別裝置的結(jié)構(gòu)圖。本實(shí)施例中的各模塊用于執(zhí)行圖1對(duì)應(yīng)的各步驟，具體請(qǐng)參閱圖1以及圖1對(duì)應(yīng)的實(shí)施例中的相關(guān)描述，此處不贅述。如圖6所示，用戶識(shí)別裝置10可以包括：接收模塊601、特征值計(jì)算模塊602、閾值計(jì)算模塊603、分配模塊604和第一風(fēng)險(xiǎn)計(jì)算模塊605。本發(fā)明所稱的模塊是指一種能夠被處理設(shè)備30所執(zhí)行并且能夠完成固定功能的一系列計(jì)算機(jī)程序段，其存儲(chǔ)在存儲(chǔ)設(shè)備20中。在本實(shí)施例中，關(guān)于各模塊的功能將在后續(xù)的實(shí)施例中詳述。接收模塊601，用于接收用戶登陸請(qǐng)求，其中，所述用戶登錄請(qǐng)求由一電子設(shè)備響應(yīng)用戶的登陸操作而產(chǎn)生。具體地，所述用戶登陸請(qǐng)求中包含用戶的一項(xiàng)以上的特征數(shù)據(jù)。其中，所述一項(xiàng)以上的所述特征數(shù)據(jù)包括，但不限于注冊(cè)時(shí)間、上次登陸時(shí)間、本次登陸時(shí)間、注冊(cè)信息、注冊(cè)信息的完善度、注冊(cè)信息的相似度、UID及請(qǐng)求IP等。其中，所述注冊(cè)信息的相似度是指所述用戶的多項(xiàng)注冊(cè)信息之間的相似度，例如，所述用戶的注冊(cè)郵箱和注冊(cè)賬號(hào)相同，則相似度高。特征值計(jì)算模塊602，用于根據(jù)預(yù)設(shè)的與所述一項(xiàng)以上的所述特征數(shù)據(jù)中的每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的函數(shù)計(jì)算所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的特征值。具體地，本實(shí)施例中，特征值計(jì)算模塊602，用于采用Adaboost從所述用戶登陸請(qǐng)求中獲取所述用戶的一項(xiàng)以上的特征數(shù)據(jù)，并根據(jù)預(yù)設(shè)的與所述一項(xiàng)以上的所述特征數(shù)據(jù)中的每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的函數(shù)計(jì)算所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的特征值。閾值計(jì)算模塊603，用于根據(jù)預(yù)存的樣本數(shù)據(jù)計(jì)算所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的閾值，所述閾值用于區(qū)分正常賬號(hào)的特征值與異常賬號(hào)的特征值。具體地，閾值計(jì)算模塊603，用于采用所述Adaboost根據(jù)預(yù)存的樣本數(shù)據(jù)計(jì)算所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的閾值。分配模塊604，用于根據(jù)所述閾值和每項(xiàng)特征數(shù)據(jù)的特征值為所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的特征值分配系數(shù)。具體地，所述分配模塊604用于將每項(xiàng)閾值與所述閾值對(duì)應(yīng)的所述特征數(shù)據(jù)的特征值進(jìn)行比較，以判斷所述特征數(shù)據(jù)的特征值是否正常，且將正常的所述每項(xiàng)特征數(shù)據(jù)匹配第一系數(shù)，將異常的所述每項(xiàng)特征數(shù)據(jù)匹配第二系數(shù)。具體地，分配模塊604，用于采用所述Adaboost將每項(xiàng)閾值與所述閾值對(duì)應(yīng)的所述特征數(shù)據(jù)的特征值進(jìn)行比較，以判斷所述特征數(shù)據(jù)的特征值是否正常，且將正常的所述每項(xiàng)特征數(shù)據(jù)匹配第一系數(shù)，例如，1，將異常的所述每項(xiàng)特征數(shù)據(jù)匹配第二系數(shù)，例如，0。第一風(fēng)險(xiǎn)計(jì)算模塊605，用于根據(jù)所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的特征值，所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的特征值所分配得到的系數(shù)以及預(yù)設(shè)的所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的權(quán)重值計(jì)算所述用戶對(duì)應(yīng)的第一風(fēng)險(xiǎn)值。具體地，所述第一風(fēng)險(xiǎn)計(jì)算模塊605用于根據(jù)所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的特征值、預(yù)設(shè)的所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的權(quán)重值，以及所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的所述第一系數(shù)或者所述第二系數(shù)計(jì)算所述用戶對(duì)應(yīng)的第一風(fēng)險(xiǎn)值。具體地，第一風(fēng)險(xiǎn)計(jì)算模塊605，用于采用所述Adaboost根據(jù)所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的特征值、預(yù)設(shè)的所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的權(quán)重值，以及所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的所述第一系數(shù)或者所述第二系數(shù)的乘積相加得到所述用戶對(duì)應(yīng)的第一風(fēng)險(xiǎn)值。本實(shí)施例六通過(guò)采用adaboost計(jì)算所述用戶的一項(xiàng)以上的特征數(shù)據(jù)的特征值，再根據(jù)每項(xiàng)特征數(shù)據(jù)匹配的閾值、第一系數(shù)或者第二系數(shù)計(jì)算所述用戶的第一風(fēng)險(xiǎn)值來(lái)識(shí)別所述用戶的風(fēng)險(xiǎn)性，簡(jiǎn)單易操作，準(zhǔn)確率高。實(shí)施例七本發(fā)明實(shí)施例七與實(shí)施例六相似，其不同在于，實(shí)施例七通過(guò)以下方法獲取所述一項(xiàng)以上的所述特征數(shù)據(jù)中的一項(xiàng)特征數(shù)據(jù)，其中，圖2為本發(fā)明實(shí)施例二提供的獲取一項(xiàng)特征數(shù)據(jù)的模塊示意圖，本實(shí)施例中的各模塊用于執(zhí)行圖2對(duì)應(yīng)的各步驟，具體請(qǐng)參閱圖2以及圖2對(duì)應(yīng)的實(shí)施例中的相關(guān)描述，此處不贅述。如圖7所示，用戶識(shí)別裝置10還包括特征數(shù)據(jù)獲取模塊701。本發(fā)明所稱的模塊是指一種能夠被處理設(shè)備30所執(zhí)行并且能夠完成固定功能的一系列計(jì)算機(jī)程序段，其存儲(chǔ)在存儲(chǔ)設(shè)備20中。在本實(shí)施例中，關(guān)于各模塊的功能將在后續(xù)的實(shí)施例中詳述。特征數(shù)據(jù)獲取模塊701，用于初始化聚合點(diǎn)的聚合值，所述聚合點(diǎn)用于表示用戶身份證明在半徑為R的聚合范圍內(nèi)的聚集位置。具體地，將所述聚合點(diǎn)的聚合值均初始化為0。其中，半徑R是指參與當(dāng)前活動(dòng)的所有用戶的數(shù)量，例如1000。特征數(shù)據(jù)獲取模塊701，還用于獲取所述用戶登陸請(qǐng)求對(duì)應(yīng)的用戶身份證明UID，例如10001，計(jì)算UID/R，例如，10001/1000＝10，根據(jù)所述UID/R確定所述用戶對(duì)應(yīng)的聚合點(diǎn)，將所述用戶對(duì)應(yīng)的聚合點(diǎn)10對(duì)應(yīng)的聚合值加1。特征數(shù)據(jù)獲取模塊701，還用于將所述用戶對(duì)應(yīng)的聚合點(diǎn)作為所述一項(xiàng)以上的特征數(shù)據(jù)中的一項(xiàng)特征數(shù)據(jù)，且將所述聚合點(diǎn)的聚合值作為特征值。本實(shí)施例七通過(guò)計(jì)算UID在半徑為R的聚合范圍內(nèi)的聚合值來(lái)進(jìn)一步識(shí)別用戶的風(fēng)險(xiǎn)性，由于正常賬號(hào)的用戶身份證明一般呈隨機(jī)分布狀態(tài)，而異常賬號(hào)的用戶身份證明一般都聚合在一起，因此，通過(guò)上述聚合值可進(jìn)一步識(shí)別待登陸用戶的風(fēng)險(xiǎn)性，增加用戶識(shí)別的準(zhǔn)確率，避免誤判。實(shí)施例八圖8為本發(fā)明實(shí)施例八提供的用戶識(shí)別裝置的結(jié)構(gòu)圖。本實(shí)施例中的各模塊用于執(zhí)行圖3對(duì)應(yīng)的各步驟，具體請(qǐng)參閱圖3以及圖3對(duì)應(yīng)的實(shí)施例中的相關(guān)描述，此處不贅述。如圖8所示，用戶識(shí)別裝置10可以包括：接收模塊801、特征值計(jì)算模塊802、閾值計(jì)算模塊803、分配模塊804、第一風(fēng)險(xiǎn)計(jì)算模塊805、第二風(fēng)險(xiǎn)計(jì)算模塊806，進(jìn)一步地，用戶識(shí)別裝置10還可以包括：風(fēng)險(xiǎn)確定模塊807。本發(fā)明所稱的模塊是指一種能夠被處理設(shè)備30所執(zhí)行并且能夠完成固定功能的一系列計(jì)算機(jī)程序段，其存儲(chǔ)在存儲(chǔ)設(shè)備20中。在本實(shí)施例中，關(guān)于各模塊的功能將在后續(xù)的實(shí)施例中詳述。接收模塊801，用于接收用戶登陸請(qǐng)求，其中，所述用戶登錄請(qǐng)求由一電子設(shè)備響應(yīng)用戶的登陸操作而產(chǎn)生。具體地，所述用戶登陸請(qǐng)求中包含用戶的一項(xiàng)以上的特征數(shù)據(jù)。其中，所述一項(xiàng)以上的所述特征數(shù)據(jù)包括，但不限于注冊(cè)時(shí)間、上次登陸時(shí)間、本次登陸時(shí)間、注冊(cè)信息、注冊(cè)信息的完善度、注冊(cè)信息的相似度、UID及請(qǐng)求IP等。其中，所述注冊(cè)信息的相似度是指所述用戶的多項(xiàng)注冊(cè)信息之間的相似度，例如，所述用戶的注冊(cè)郵箱和注冊(cè)賬號(hào)相同，則相似度高。特征值計(jì)算模塊802，用于根據(jù)預(yù)設(shè)的與所述一項(xiàng)以上的所述特征數(shù)據(jù)中的每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的函數(shù)計(jì)算所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的特征值。具體地，特征值計(jì)算模塊802，用于采用所述Adaboost從所述用戶登陸請(qǐng)求中獲取所述用戶的一項(xiàng)以上的特征數(shù)據(jù)，根據(jù)預(yù)設(shè)的與所述一項(xiàng)以上的所述特征數(shù)據(jù)中的每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的函數(shù)計(jì)算所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的特征值。閾值計(jì)算模塊803，用于據(jù)預(yù)存的樣本數(shù)據(jù)計(jì)算所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的閾值，所述閾值用于區(qū)分正常賬號(hào)的特征值與異常賬號(hào)的特征值。具體地，閾值計(jì)算模塊803，用于采用所述Adaboost并根據(jù)預(yù)存的樣本數(shù)據(jù)計(jì)算所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的閾值。分配模塊804，用于根據(jù)所述閾值和每項(xiàng)特征數(shù)據(jù)的特征值為所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的特征值分配系數(shù)。具體地，所述分配模塊804用于將每項(xiàng)閾值與所述閾值對(duì)應(yīng)的所述特征數(shù)據(jù)的特征值進(jìn)行比較，以判斷所述特征數(shù)據(jù)的特征值是否正常，且將正常的所述每項(xiàng)特征數(shù)據(jù)匹配第一系數(shù)，將異常的所述每項(xiàng)特征數(shù)據(jù)匹配第二系數(shù)。具體地，分配模塊804，用于采用所述Adaboost將每項(xiàng)閾值與所述閾值對(duì)應(yīng)的所述特征數(shù)據(jù)的特征值進(jìn)行比較，以判斷所述特征數(shù)據(jù)的特征值是否正常，且將正常的所述每項(xiàng)特征數(shù)據(jù)匹配第一系數(shù)，例如，1，將異常的所述每項(xiàng)特征數(shù)據(jù)匹配第二系數(shù)，例如，0。第一風(fēng)險(xiǎn)計(jì)算模塊805，用于根據(jù)所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的特征值，所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的特征值所分配得到的系數(shù)以及預(yù)設(shè)的所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的權(quán)重值計(jì)算所述用戶對(duì)應(yīng)的第一風(fēng)險(xiǎn)值。具體地，所述第一風(fēng)險(xiǎn)計(jì)算模塊805用于根據(jù)所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的特征值、預(yù)設(shè)的所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的權(quán)重值，以及所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的所述第一系數(shù)或者所述第二系數(shù)計(jì)算所述用戶對(duì)應(yīng)的第一風(fēng)險(xiǎn)值。第二風(fēng)險(xiǎn)計(jì)算模塊806，用于根據(jù)所述UID和隨機(jī)數(shù)Y組成的坐標(biāo)值，以及DBSCAN聚類算法計(jì)算所述用戶的第二風(fēng)險(xiǎn)值。風(fēng)險(xiǎn)確定模塊807，用于判斷所述第一風(fēng)險(xiǎn)值是否小于所述第二風(fēng)險(xiǎn)值，若是，將所述第一風(fēng)險(xiǎn)值作為所述用戶的最終風(fēng)險(xiǎn)值，若否，將所述第二風(fēng)險(xiǎn)值作為所述用戶的最終風(fēng)險(xiǎn)值。具體地，在確定最終風(fēng)險(xiǎn)值之前，還對(duì)所述第一風(fēng)險(xiǎn)值和所述第二風(fēng)險(xiǎn)值分別作歸一化處理。或者風(fēng)險(xiǎn)確定模塊807，用于計(jì)算所述第一風(fēng)險(xiǎn)值和所述第二風(fēng)險(xiǎn)值的平均值，將所述平均值作為所述用戶的最終風(fēng)險(xiǎn)值。具體地，在確定最終風(fēng)險(xiǎn)值之前，還對(duì)所述第一風(fēng)險(xiǎn)值和所述第二風(fēng)險(xiǎn)值分別作歸一化處理。在本發(fā)明實(shí)施例八中，通過(guò)Adaboost和DBSCAN分別計(jì)算第一風(fēng)險(xiǎn)值和第二風(fēng)險(xiǎn)值來(lái)確定最終的風(fēng)險(xiǎn)值，識(shí)別用戶的風(fēng)險(xiǎn)性，進(jìn)一步增加用戶識(shí)別的準(zhǔn)確率，避免誤判。實(shí)施例九圖9為本發(fā)明實(shí)施例九提供的用戶識(shí)別裝置的結(jié)構(gòu)圖。本實(shí)施例中的各模塊用于執(zhí)行圖4對(duì)應(yīng)的各步驟，具體請(qǐng)參閱圖4以及圖4對(duì)應(yīng)的實(shí)施例中的相關(guān)描述，此處不贅述。如圖9所示，用戶識(shí)別裝置10可以包括：接收模塊901、第一風(fēng)險(xiǎn)計(jì)算模塊902、特征值計(jì)算模塊903、閾值計(jì)算模塊904、分配模塊905、第二風(fēng)險(xiǎn)計(jì)算模塊906，進(jìn)一步地，用戶識(shí)別裝置10還可以包括：風(fēng)險(xiǎn)確定模塊907、禮包發(fā)放模塊908。本發(fā)明所稱的模塊是指一種能夠被處理設(shè)備30所執(zhí)行并且能夠完成固定功能的一系列計(jì)算機(jī)程序段，其存儲(chǔ)在存儲(chǔ)設(shè)備20中。在本實(shí)施例中，關(guān)于各模塊的功能將在后續(xù)的實(shí)施例中詳述。接收模塊901，用于接收用戶登陸請(qǐng)求。具體地，所述用戶登錄請(qǐng)求為禮包領(lǐng)取請(qǐng)求。其中，所述禮包領(lǐng)取請(qǐng)求由一電子設(shè)備響應(yīng)用戶的禮包領(lǐng)取操作而產(chǎn)生。具體地，所述禮包領(lǐng)取請(qǐng)求中包含用戶的一項(xiàng)以上的特征數(shù)據(jù)。其中，所述一項(xiàng)以上的所述特征數(shù)據(jù)包括，但不限于注冊(cè)時(shí)間、上次登陸時(shí)間、本次登陸時(shí)間、注冊(cè)信息、注冊(cè)信息的完善度、注冊(cè)信息的相似度、UID及請(qǐng)求IP等。其中，所述注冊(cè)信息的相似度是指所述用戶的多項(xiàng)注冊(cè)信息之間的相似度，例如，所述用戶的注冊(cè)郵箱和注冊(cè)賬號(hào)相同，則相似度高。第一風(fēng)險(xiǎn)計(jì)算模塊902，用于根據(jù)所述UID和隨機(jī)數(shù)Y組成的坐標(biāo)值，以及DBSCAN聚類算法計(jì)算所述用戶的第一風(fēng)險(xiǎn)值。具體地，DBSCAN以參與當(dāng)前活動(dòng)的所有用戶的UID的集合為計(jì)算依據(jù)，以密度可達(dá)的方式判斷所述用戶的UID在參與當(dāng)前活動(dòng)的所有用戶的UID的集合中是否形成聚合簇，并在形成所述聚合簇時(shí)，以參與當(dāng)前活動(dòng)的所有用戶的特征數(shù)據(jù)的集合為計(jì)算依據(jù)計(jì)算所述用戶的UID的聚合值，即為第一風(fēng)險(xiǎn)值。特征值計(jì)算模塊903，用于根據(jù)預(yù)設(shè)的與所述一項(xiàng)以上的所述特征數(shù)據(jù)中的每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的函數(shù)計(jì)算所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的特征值。具體地，特征值計(jì)算模塊903，用于采用所述Adaboost從所述用戶登陸請(qǐng)求中獲取所述用戶的一項(xiàng)以上的特征數(shù)據(jù)，根據(jù)預(yù)設(shè)的與所述一項(xiàng)以上的所述特征數(shù)據(jù)中的每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的函數(shù)計(jì)算所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的特征值。閾值計(jì)算模塊904，用于根據(jù)預(yù)存的樣本數(shù)據(jù)計(jì)算所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的閾值，所述閾值用于區(qū)分正常賬號(hào)的特征值與異常賬號(hào)的特征值。具體地，閾值計(jì)算模塊904，用于采用所述Adaboost并根據(jù)預(yù)存的樣本數(shù)據(jù)計(jì)算所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的閾值。所述閾值用于區(qū)分正常賬號(hào)與異常賬號(hào)。分配模塊905，用于根據(jù)所述閾值和每項(xiàng)特征數(shù)據(jù)的特征值為所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的特征值分配系數(shù)。具體地，所述分配模塊905用于將每項(xiàng)閾值與所述閾值對(duì)應(yīng)的所述特征數(shù)據(jù)的特征值進(jìn)行比較，以判斷所述特征數(shù)據(jù)的特征值是否正常，且將正常的所述每項(xiàng)特征數(shù)據(jù)匹配第一系數(shù)，將異常的所述每項(xiàng)特征數(shù)據(jù)匹配第二系數(shù)。具體地，分配模塊905，用于采用所述Adaboost將每項(xiàng)閾值與所述閾值對(duì)應(yīng)的所述特征數(shù)據(jù)的特征值進(jìn)行比較，以判斷所述特征數(shù)據(jù)的特征值是否正常，且將正常的所述每項(xiàng)特征數(shù)據(jù)匹配第一系數(shù)，例如，1，將異常的所述每項(xiàng)特征數(shù)據(jù)匹配第二系數(shù)，例如，0。第二風(fēng)險(xiǎn)計(jì)算模塊906，用于根據(jù)所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的特征值，所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的特征值所分配得到的系數(shù)以及預(yù)設(shè)的所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的權(quán)重值計(jì)算所述用戶對(duì)應(yīng)的第二風(fēng)險(xiǎn)值。具體地，所述第二風(fēng)險(xiǎn)計(jì)算模塊906用于根據(jù)所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的特征值、預(yù)設(shè)的所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的權(quán)重值，以及所述每項(xiàng)特征數(shù)據(jù)對(duì)應(yīng)的所述第一系數(shù)或者所述第二系數(shù)計(jì)算所述用戶對(duì)應(yīng)的第二風(fēng)險(xiǎn)值。風(fēng)險(xiǎn)確定模塊907，用于計(jì)算所述第一風(fēng)險(xiǎn)值和所述第二風(fēng)險(xiǎn)值的平均值，將所述平均值作為所述用戶的最終風(fēng)險(xiǎn)值。具體地，在確定最終風(fēng)險(xiǎn)值之前，還對(duì)所述第一風(fēng)險(xiǎn)值和所述第二風(fēng)險(xiǎn)值分別作歸一化處理。禮包發(fā)放模塊908用于判斷最終風(fēng)險(xiǎn)值是否大于0.5，如果是，則確定登陸行為為正常登陸行為，響應(yīng)所述禮包領(lǐng)取請(qǐng)求，并為所述注冊(cè)用戶發(fā)放禮包，如果否，則確定登陸行為為惡意刷禮包行為，不響應(yīng)所述禮包領(lǐng)取請(qǐng)求，并不為所述注冊(cè)用戶發(fā)放禮包。在本發(fā)明實(shí)施例九中，通過(guò)Adaboost和DBSCAN分別計(jì)算第一風(fēng)險(xiǎn)值和第二風(fēng)險(xiǎn)值來(lái)確定最終的風(fēng)險(xiǎn)值，識(shí)別用戶的風(fēng)險(xiǎn)性，進(jìn)一步增加用戶識(shí)別的準(zhǔn)確率，避免誤判，且對(duì)風(fēng)險(xiǎn)性大的用戶不發(fā)放禮包。本領(lǐng)域普通技術(shù)人員可以理解實(shí)現(xiàn)上述實(shí)施例和方法中的全部或者部分流程，是可以通過(guò)計(jì)算機(jī)程序來(lái)指令相關(guān)的硬件完成，所述的程序可存儲(chǔ)于一計(jì)算機(jī)可讀取存儲(chǔ)介質(zhì)中，所述程序在執(zhí)行時(shí)，可包括如上述各方法的實(shí)施例的流程。另外，在本發(fā)明各個(gè)實(shí)施例中的各功能單元可以集成在相同處理單元中，也可以是各個(gè)單元單獨(dú)物理存在，也可以兩個(gè)或兩個(gè)以上單元集成在相同單元中。上述集成的單元既可以采用硬件的形式實(shí)現(xiàn)，也可以采用硬件加軟件功能模塊的形式實(shí)現(xiàn)。上述以軟件功能單元的形式實(shí)現(xiàn)的集成的單元，可以存儲(chǔ)在一個(gè)計(jì)算機(jī)可讀取存儲(chǔ)介質(zhì)中。上述軟件功能單元存儲(chǔ)在一個(gè)存儲(chǔ)介質(zhì)中，包括若干指令用以使得一臺(tái)電子設(shè)備(可以是手持式電子設(shè)備，如智能手機(jī)、筆記本電腦、個(gè)人數(shù)字助理(PersonalDigitalAssistant，PDA)、智能式穿戴式設(shè)備等，也可以是桌面式電子設(shè)備，如臺(tái)式機(jī)、智能電視等)或處理器(processor)執(zhí)行本發(fā)明各個(gè)實(shí)施例所述方法的部分步驟。而前述的存儲(chǔ)介質(zhì)包括：U盤、移動(dòng)硬盤、只讀存儲(chǔ)器(Read-OnlyMemory，ROM)、隨機(jī)存取存儲(chǔ)器(RandomAccessMemory，RAM)、磁碟或者光盤等各種可以存儲(chǔ)程序代碼的介質(zhì)。本說(shuō)明書實(shí)施例所述的內(nèi)容僅是對(duì)發(fā)明構(gòu)思的實(shí)現(xiàn)形式的列舉，本發(fā)明的保護(hù)范圍不應(yīng)當(dāng)被視為僅限于實(shí)施例所陳述的具體形式，本發(fā)明需要說(shuō)明的是，本說(shuō)明書中的各個(gè)實(shí)施例均采用遞進(jìn)的方式描述，每個(gè)實(shí)施例重點(diǎn)說(shuō)明的都是與其它實(shí)施例的不同之處，各個(gè)實(shí)施例之間相同相似的部分互相參見(jiàn)即可。對(duì)于裝置實(shí)施例而言，由于其與方法實(shí)施例基本相似，所以描述的比較簡(jiǎn)單，相關(guān)之處參見(jiàn)方法實(shí)施例的部分說(shuō)明即可。在本申請(qǐng)所提供的幾個(gè)實(shí)施例中，應(yīng)所述理解到，所揭露的裝置，可通過(guò)其它的方式實(shí)現(xiàn)。例如，以上所描述的裝置實(shí)施例僅僅是示意性的，例如所述單元的劃分，僅僅為一種邏輯功能劃分，實(shí)際實(shí)現(xiàn)時(shí)可以有另外的劃分方式，例如多個(gè)單元或組件可以結(jié)合或者可以集成到另一個(gè)系統(tǒng)，或一些特征可以忽略，或不執(zhí)行。另一點(diǎn)，所顯示或討論的相互之間的耦合或直接耦合或通信連接可以是通過(guò)一些接口，裝置或單元的間接耦合或通信連接，可以是電性或其它的形式。所述作為分離部件說(shuō)明的單元可以是或者也可以不是物理上分開(kāi)的，作為單元顯示的部件可以是或者也可以不是物理單元，即可以位于一個(gè)地方，或者也可以分布到多個(gè)網(wǎng)絡(luò)單元上。可以根據(jù)實(shí)際的需要選擇其中的部分或者全部單元來(lái)實(shí)現(xiàn)本實(shí)施例方案的目的。對(duì)于本領(lǐng)域技術(shù)人員而言，顯然本發(fā)明不限于上述示范性實(shí)施例的細(xì)節(jié)，而且在不背離本發(fā)明的精神或基本特征的情況下，能夠以其它的具體形式實(shí)現(xiàn)本發(fā)明。因此，無(wú)論從哪一點(diǎn)來(lái)看，均應(yīng)將實(shí)施例看作是示范性的，而且是非限制性的，本發(fā)明的范圍由所附權(quán)利要求而不是上述說(shuō)明限定，因此旨在將落在權(quán)利要求的等同要件的含義和范圍內(nèi)的所有變化涵括在本發(fā)明內(nèi)。不應(yīng)將權(quán)利要求中的任何附圖標(biāo)記視為限制所涉及的權(quán)利要求。此外，顯然“包括”一詞不排除其它單元或步驟，單數(shù)不排除復(fù)數(shù)。系統(tǒng)權(quán)利要求中陳述的多個(gè)單元或系統(tǒng)也可以由同一個(gè)單元或系統(tǒng)通過(guò)軟件或者硬件來(lái)實(shí)現(xiàn)。第一，第二等詞語(yǔ)用來(lái)表示名稱，而并不表示任何特定的順序。最后應(yīng)說(shuō)明的是，以上實(shí)施例僅用以說(shuō)明本發(fā)明的技術(shù)方案而非限制，盡管參照較佳實(shí)施例對(duì)本發(fā)明進(jìn)行了詳細(xì)說(shuō)明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解，可以對(duì)本發(fā)明的技術(shù)方案進(jìn)行修改或等同替換，而不脫離本發(fā)明技術(shù)方案的精神和范圍。當(dāng)前第1頁(yè)1 2 3