联众玩家安全隐患分析数据挖掘项目报告.ppt

2021-08-26;;目录;项目名称;工程背景;本工程按过程分解后，分为两个阶段，相应要到达两个目标;业务理解

数据理解;用户id;研究结果;虽然为新型的网络游戏行业，但客户的价值模式并没有颠覆传统的2/8原那么。从以下图数据展示出，在分析的时期内，帐号输入金额排名前20%的用户占据了总花费联众币金额的82.7%。;正常帐号流入流出金额根本上呈斜率为1的线性分布，所以选择一个流入金额做为客户等级划分指标，可以根本代表客户的消费行为规模分布。;研究结果1：正常用户行为与价值分析;正常用户的花费百分比结构：;研究结果1：正常用户行为与价值分析;研究结果1：正常用户行为与价值分析;研究结果1：正常用户行为与价值分析;研究结果1：正常用户行为与价值分析;研究结果;研究结果2：极端用户行为与价值分析;研究结果;研究结果3：被盗用户特征分析;研究结果3：被盗用户特征分析;对1228个有返还记录的数据分析，发现返还日期前31天平均消费水平降低25%，返还后31天消费水平提高28%。;研究结果3：被盗用户特征分析;研究结果3：被盗用户特征分析;研究结果3：被盗用户特征分析;正常/被盗帐号消费倾向指数比较;大师指导转出虽然总发生频次不是很高，但两个帐号群内的频次差异极大，正常用户19次，被盗帐号中129次，可能是一个值得注意的行为。;研究结果3：被盗用户特征分析;研究结果;结构性混合

被盗帐号本身的正常及异常行为标志混杂。

一个帐号的正常行为和盗窃者行为都被记录为被盗标志，做为被盗行为对待。

不同客户的正常非正常行为模式混杂。

对不同的客户，异常行为的模式定义不同，有些客户的异常行为，对其他客户是正常行为。;单变量无法有效甄别;不同联众币金额消费水平上，被盗与非被盗也混合在一起;研究结果3：被盗用户特征分析;研究结果3：被盗用户特征分析;研究结果3：被盗用户特征分析;被盗用户联众币花费分析模型;联众币金额

联众币行为类型

迄今帐号剩余联众币

帐号年龄

迄今密码修改次数

每帐号IP数量;模型评估选择表;（CHAID)模型——规则用于判断被盗用户-包含10个规则;推荐模型规那么;研究结果4：潜在被盗用户侦测模型建模;研究结果;研究结果5：会员天数行为分析;次;天;工程经验总结;1、工程组织管理;工程经验总结;工程经验总结;工程经验总结;2021-08-26