本發明涉及網絡，尤其涉及一種針對異常掛號用戶行為的預防方法、裝置及介質。

背景技術：

1、傳統的異常掛號用戶通常在醫院掛號窗口或門診外聚集，通過直接詢問路人是否需要掛號來開展業務。然而，隨著互聯網和移動醫療的發展，異常掛號用戶的活動方式逐漸轉向線上，異常掛號用戶通過制作和使用搶號軟件，侵入醫院的掛號系統搶號、囤號，并在網上發布信息找尋需要掛號的病患，提供的服務包括專家掛號、辦理住院加快、檢查加快等，費用通常包括掛號費和額外的“服務費”，嚴重擾亂了醫療秩序，使得原本緊張的醫療資源更加緊張。患者通過異常掛號用戶掛號，不僅增加了經濟負擔，還可能面臨隱私泄露和醫療安全等問題。

2、目前，大部分醫院已通過實名制、人臉識別等方式來防止異常掛號用戶搶號、占號，但隨著技術不斷發展的情況下，傳統的監管手段已無法有效防范和打擊異常掛號用戶行為。并且現有預防異常掛號用戶的技術方法大部分屬于事后預防，具有被動性，無法提前規避風險。

技術實現思路

1、本發明所要解決的技術問題是針對現有技術的上述不足，提供一種針對異常掛號用戶行為的預防方法、裝置及介質，用以解決傳統的監管手段無法有效遏制異常掛號用戶，且現有技術多為事后預防，缺乏主動性，不能提前避免異常掛號用戶行為帶來的風險的問題。

2、第一方面，本發明提供一種針對異常掛號用戶行為的預防方法，所述方法包括：

3、在用戶訪問時，對異常訪問行為進行攔截；

4、在用戶訪問后，對用戶的訪問行為數據進行數據分析，利用預設的人工智能ai算法從智能群體行為分析、高頻率訪問平臺、頻繁預約不同時段熱門科室專家號、變更就診人信息頻率高四個場景中區分出正常用戶與潛在的異常掛號用戶團體成員，或者善意bot和惡意bot；

5、將所述潛在的異常掛號用戶團體成員以及惡意bot關聯的用戶識別為異常掛號用戶，并對識別出的異常掛號用戶的訪問行為進行攔截。

6、進一步地，所述在用戶訪問時，對異常訪問行為進行攔截，具體包括：

7、在用戶訪問時，通過動態令牌對用戶進行動態驗證；

8、將動態驗證不通過的用戶的訪問行為識別為異常訪問行為，對所述異常訪問行為進行攔截。

9、進一步地，所述通過動態令牌對用戶進行動態驗證之前，所述方法還包括：

10、為用戶生成一個與用戶賬戶關聯的密鑰；

11、將所述密鑰以二維碼的形式發送給用戶對應的終端，以使所述終端進行展示；

12、響應于用戶對所述二維碼的掃描操作，基于所述密鑰、時間/事件生成一次性的動態密碼并作為所述動態令牌。

13、進一步地，所述對用戶的訪問行為數據進行數據分析之前，所述方法還包括：

14、對用戶的訪問行為數據進行清洗，去除重復值、異常值、空值或無效值。

15、進一步地，所述利用預設的人工智能ai算法從智能群體行為分析、高頻率訪問平臺、頻繁預約不同時段熱門科室專家號、變更就診人信息頻率高四個場景中區分出正常用戶與潛在的異常掛號用戶團體成員，或者善意bot和惡意bot，具體包括：

16、針對智能群體行為分析的場景，利用智能群體行為分析系統對用戶的訪問行為數據進行數據分析，區分出正常用戶與潛在的異常掛號用戶團體成員；

17、針對高頻率訪問平臺的場景，通過第一孤獨森林算法對用戶的訪問行為數據進行數據分析，篩選出高頻訪問掛號平臺的平臺互聯網協議ip，并將所述高頻訪問掛號平臺的平臺ip確認為惡意bot；

18、針對頻繁預約不同時段熱門科室專家號的場景，通過第二孤獨森林算法對用戶的訪問行為數據進行數據分析，篩選出頻繁預約不同時段熱門科室專家號的ip地址，并將頻繁預約不同時段熱門科室專家號的ip地址確認為惡意bot；

19、針對變更就診人信息頻率高的場景，基于高斯模型的期望最大化em迭代算法對用戶的訪問行為數據進行數據分析，篩選出變更就診人信息頻率高的用戶，并將所述變更就診人信息頻率高的用戶確認為潛在的異常掛號用戶團體成員。

20、進一步地，所述利用智能群體行為分析系統對用戶的訪問行為數據進行數據分析，區分出正常用戶與潛在的異常掛號用戶團體成員，具體包括：

21、利用智能群體行為分析系統根據用戶在社交平臺/即時通訊軟件上的頭像和/或昵稱對用戶進行初步識別和分類，并基于初步的識別和分類結果，利用基于機器學習的分割算法對用戶的訪問行為數據進行數據分析，進一步細化用戶分群，從而區分出正常用戶與潛在的異常掛號用戶團體成員。

22、進一步地，所述訪問行為數據包括：用戶id、ip地址、訪問時間、訪問次數、預約時間、預約科室、預約專家、預約狀態、就診人信息、變更記錄。

23、第二方面，本發明提供一種針對異常掛號用戶行為的預防裝置，所述裝置包括：

24、第一預防模塊，用于在用戶訪問時，對異常訪問行為進行攔截；

25、數據分析模塊，與所述第一預防模塊連接，用于在用戶訪問后，對用戶的訪問行為數據進行數據分析，利用預設的人工智能ai算法從智能群體行為分析、高頻率訪問平臺、頻繁預約不同時段熱門科室專家號、變更就診人信息頻率高四個場景中區分出正常用戶與潛在的異常掛號用戶團體成員，或者善意bot和惡意bot；

26、第二預防模塊，與所述數據分析模塊連接，用于將所述潛在的異常掛號用戶團體成員以及惡意bot關聯的用戶識別為異常掛號用戶，并對識別出的異常掛號用戶的訪問行為進行攔截。

27、第三方面，本發明提供一種針對異常掛號用戶行為的預防裝置，包括存儲器和處理器，所述存儲器中存儲有計算機程序，所述處理器被設置為運行所述計算機程序以實現上述第一方面所述的針對異常掛號用戶行為的預防方法。

28、第四方面，本發明提供一種計算機可讀存儲介質，所述計算機可讀存儲介質上存儲有計算機程序，所述計算機程序被處理器執行時實現上述第一方面所述的針對異常掛號用戶行為的預防方法。

29、本發明提供的針對異常掛號用戶行為的預防方法、裝置及介質。在用戶訪問時，對異常訪問行為進行攔截；在用戶訪問后，對用戶的訪問行為數據進行數據分析，利用預設的人工智能ai算法從智能群體行為分析、高頻率訪問平臺、頻繁預約不同時段熱門科室專家號、變更就診人信息頻率高四個場景中區分出正常用戶與潛在的異常掛號用戶團體成員，或者善意bot和惡意bot；然后將所述潛在的異常掛號用戶團體成員以及惡意bot關聯的用戶識別為異常掛號用戶，并對識別出的異常掛號用戶的訪問行為進行攔截。本發明不僅能夠增強對異常掛號用戶搶號的前置防范能力，還能提升整個掛號系統的安全性和用戶體驗，能有效減少異常掛號用戶行為的發生率。解決了傳統的監管手段無法有效遏制異常掛號用戶，且現有技術多為事后預防，缺乏主動性，不能提前避免異常掛號用戶行為帶來的風險的問題。

技術特征：

1.一種針對異常掛號用戶行為的預防方法，其特征在于，所述方法包括：

2.根據權利要求1所述的方法，其特征在于，所述在用戶訪問時，對異常訪問行為進行攔截，具體包括：

3.根據權利要求2所述的方法，其特征在于，所述通過動態令牌對用戶進行動態驗證之前，所述方法還包括：

4.根據權利要求1所述的方法，其特征在于，所述對用戶的訪問行為數據進行數據分析之前，所述方法還包括：

5.根據權利要求1所述的方法，其特征在于，所述利用預設的人工智能ai算法從智能群體行為分析、高頻率訪問平臺、頻繁預約不同時段熱門科室專家號、變更就診人信息頻率高四個場景中區分出正常用戶與潛在的異常掛號用戶團體成員，或者善意bot和惡意bot，具體包括：

6.根據權利要求5所述的方法，其特征在于，所述利用智能群體行為分析系統對用戶的訪問行為數據進行數據分析，區分出正常用戶與潛在的異常掛號用戶團體成員，具體包括：

7.根據權利要求5所述的方法，其特征在于，所述訪問行為數據包括：用戶id、ip地址、訪問時間、訪問次數、預約時間、預約科室、預約專家、預約狀態、就診人信息、變更記錄。

8.一種針對異常掛號用戶行為的預防裝置，其特征在于，所述裝置包括：

9.一種針對異常掛號用戶行為的預防裝置，其特征在于，包括存儲器和處理器，所述存儲器中存儲有計算機程序，所述處理器被設置為運行所述計算機程序以實現如權利要求1-7中任一項所述的針對異常掛號用戶行為的預防方法。

10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質上存儲有計算機程序，所述計算機程序被處理器執行時實現如權利要求1-7中任一項所述的針對異常掛號用戶行為的預防方法。

技術總結
本發明提供一種針對異常掛號用戶行為的預防方法、裝置及介質，涉及網絡技術領域，該方法包括：在用戶訪問時，對異常訪問行為進行攔截；在用戶訪問后，對用戶的訪問行為數據進行數據分析，利用預設的人工智能AI算法從智能群體行為分析、高頻率訪問平臺、頻繁預約不同時段熱門科室專家號、變更就診人信息頻率高四個場景中區分出正常用戶與潛在的異常掛號用戶團體成員，或者善意Bot和惡意Bot；將所述潛在的異常掛號用戶團體成員以及惡意Bot關聯的用戶識別為異常掛號用戶。該方法、裝置及介質能夠解決傳統的監管手段無法有效遏制異常掛號用戶，且現有技術多為事后預防，缺乏主動性，不能提前避免異常掛號用戶行為帶來的風險的問題。

技術研發人員：任立剛,文靜一,項朝霞,嚴繼云,田棟
受保護的技術使用者：中國聯合網絡通信集團有限公司
技術研發日：
技術公布日：2025/4/24