涉诈违规APP检测方法及电子设备与流程

本公开涉及应用程序领域，尤其涉及一种涉诈违规app检测方法及电子设备。

背景技术：

1、随着科技的发展，移动应用(application，app)已全面渗透大众生活，一些涉诈违规app也频繁出现，涉诈违规app对用户和市场的安全性构成了重大威胁。传统的检测方法主要依赖静态分析和动态行为检测，但由于其规则性强且难以适应快速变化的app生态环境，检测效果有限，无法全面捕捉和分析app及其关联实体之间的复杂关系，导致检测结果不够精确。

技术实现思路

1、本公开提供了一种涉诈违规app检测方法及电子设备，以至少解决现有技术中存在的以上技术问题。

2、根据本公开的第一方面，提供了一种涉诈违规app检测方法，所述方法包括：

3、获取app数据，并基于所述app数据得到待处理数据；

4、识别所述待处理数据中的实体以及实体之间的关系，以所述实体作为节点、以所述实体之间的关系作为边，构建知识图谱；

5、基于所述知识图谱的数据集得到训练集和验证集，利用所述训练集和验证集对图注意力神经网络进行训练及验证，得到app检测模型；

6、将待检测app的数据输入到所述app检测模型进行检测，输出所述待检测app是否为涉诈违规app的检测结果。

7、在一可实施方式中，所述获取app数据，并基于所述app数据得到待处理数据，包括：

8、通过网络渠道或app引擎采集app数据；

9、对所述app数据进行数据清洗及标准化处理，得到待处理数据。

10、在一可实施方式中，所述识别所述待处理数据中的实体以及实体之间的关系，以所述实体作为节点、以所述实体之间的关系作为边，构建知识图谱，包括：

11、确定所述待处理数据的静态数据，识别所述静态数据中的静态实体，以及静态实体之间的第一关系；

12、确定所述待处理数据的动态数据，识别所述动态数据中的动态实体，以及动态实体之间的第二关系；

13、以静态实体、动态实体作为节点，第一关系、第二关系作为边，构建图结构数据；将所述图结构数据作为知识图谱。

14、在一可实施方式中，所述基于所述知识图谱的数据集得到训练集和验证集，包括：

15、采用图注意力网络对所述图结构数据进行表示学习，得到高维向量；

16、对所述高维向量进行标注，得到训练集和验证集。

17、在一可实施方式中，所述利用所述训练集和验证集对图注意力神经网络进行训练及验证，得到app检测模型，包括：

18、利用所述训练集对图注意力神经网络进行训练，得到初始检测模型；

19、利用所述验证集对所述初始检测模型进行验证，得到验证结果；

20、基于所述验证结果通过交叉验证方式对所述初始检测模型的模型参数进行优化至模型收敛，得到app检测模型。

21、在一可实施方式中，还包括：

22、将检测结果反馈至所述知识图谱中，以更新所述知识图谱。

23、在一可实施方式中，所述检测结果包括检测报告。

24、在一可实施方式中，将所述图结构数据存储至图数据库中。

25、根据本公开的第二方面，提供了一种涉诈违规app检测装置，所述装置包括：

26、获取模块，用于获取app数据，并基于所述app数据得到待处理数据；

27、构建模块，用于识别所述待处理数据中的实体以及实体之间的关系，以所述实体作为节点、以所述实体之间的关系作为边，构建知识图谱；

28、训练模块，用于基于所述知识图谱的数据集得到训练集和验证集，利用所述训练集和验证集对图注意力神经网络进行训练及验证，得到app检测模型；

29、检测模块，用于将待检测app的数据输入到所述app检测模型进行检测，输出所述待检测app是否为涉诈违规app的检测结果。

30、根据本公开的第三方面，提供了一种电子设备，包括：

31、至少一个处理器；以及

32、与所述至少一个处理器通信连接的存储器；其中，

33、所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本公开所述的方法。

34、根据本公开的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行本公开所述的方法。

35、本公开的涉诈违规app检测方法及电子设备，本申请首先获取多维的app数据，对多维的app数据进行预处理得到待处理数据，然后通过待处理数据的实体和实体之间的关系，构建知识图谱，通过知识图谱构成的训练集和验证集对图注意力神经网络进行训练及验证，得到app检测模型，从而通过app检测模型对待检测app的数据进行计算，确定待检测app是否为涉诈违规app。本申请通过多维数据构建知识图谱，然后利用知识图谱对图注意力神经网络进行训练，得到app检测模型，使得得到的app检测模型具有高准确率、强适应性和多维分析的优点，为app市场的监管和用户保护提供了有力的技术支持。

36、应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

1.一种涉诈违规app检测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述获取app数据，并基于所述app数据得到待处理数据，包括：

3.根据权利要求1所述的方法，其特征在于，所述识别所述待处理数据中的实体以及实体之间的关系，以所述实体作为节点、以所述实体之间的关系作为边，构建知识图谱，包括：

4.根据权利要求3所述的方法，其特征在于，所述基于所述知识图谱的数据集得到训练集和验证集，包括：

5.根据权利要求4所述的方法，其特征在于，所述利用所述训练集和验证集对图注意力神经网络进行训练及验证，得到app检测模型，包括：

6.根据权利要求1所述的方法，其特征在于，还包括：

7.根据权利要求1所述的方法，其特征在于，

8.根据权利要求3所述的方法，其特征在于，还包括：

9.根据权利要求1所述的方法，其特征在于，所述app数据，包括：

10.一种电子设备，其特征在于，包括：