Django プロジェクトでのレーベンシュタイン距離による不正検出システムの実装-Python チュートリアル-php.cn

Django プロジェクトでのレーベンシュタイン距離による不正検出システムの実装

Mary-Kate Olsen

リリース： 2024-11-07 20:59:02

オリジナル

384 人が閲覧しました

Implémentation d

レーベンシュタイン距離は、不正検出システムで使用され、ユーザーが入力したデータ (名前、住所、電子メールなど) を既存のデータと比較し、類似しているが不正な可能性のあるエントリを識別することができます。

ここでは、この機能を Django プロジェクトに統合するためのステップバイステップのガイドを示します。

1. ユースケース

不正検出システムは以下を比較できます:

類似メール: わずかな違いで作成されたアカウント (例: user@example.com と userr@example.com) を検出します。
近いアドレス: 複数のアカウントがほぼ同じアドレスを使用しているかどうかを確認します。
類似の名前: 名前がわずかに変更されたユーザーを検出します (例: John Doe 対 Jon Doe)。

2. 実装の手順

a.データを分析するためのミドルウェアまたはシグナルを作成する

Django の シグナル を使用して、登録または更新時に新しいユーザーデータを確認します。

b.レーベンシュタイン計算機能をインストールする

レーベンシュタイン距離を計算するライブラリを統合するか、次のような Python 関数を使用します。

from django.db.models import Q
from .models import User  # Assume User is your user model

def levenshtein_distance(a, b):
    n, m = len(a), len(b)
    if n > m:
        a, b = b, a
        n, m = m, n

    current_row = range(n + 1)  # Keep current and previous row
    for i in range(1, m + 1):
        previous_row, current_row = current_row, [i] + [0] * n
        for j in range(1, n + 1):
            add, delete, change = previous_row[j] + 1, current_row[j - 1] + 1, previous_row[j - 1]
            if a[j - 1] != b[i - 1]:
                change += 1
            current_row[j] = min(add, delete, change)

    return current_row[n]

ログイン後にコピー

c.不正検出機能を追加します

シグナルまたはミドルウェアで、入力されたデータをデータベース内のデータと比較して、類似したエントリを見つけます。

from django.db.models import Q
from .models import User  # Assume User is your user model

def detect_similar_entries(email, threshold=2):
    users = User.objects.filter(~Q(email=email))  # Exclure l'utilisateur actuel
    similar_users = []

    for user in users:
        distance = levenshtein_distance(email, user.email)
        if distance <= threshold:
            similar_users.append((user, distance))

    return similar_users

ログイン後にコピー

d.ユーザー向けの Signal post_save に接続します

ユーザーが登録または更新した後に、post_save シグナルを使用してこのチェックを実行します。

from django.db.models.signals import post_save
from django.dispatch import receiver
from .models import User
from .utils import detect_similar_entries  # Import your function

@receiver(post_save, sender=User)
def check_for_fraud(sender, instance, **kwargs):
    similar_users = detect_similar_entries(instance.email)

    if similar_users:
        print(f"Potential fraud detected for {instance.email}:")
        for user, distance in similar_users:
            print(f" - Similar email: {user.email}, Distance: {distance}")

ログイン後にコピー

え。オプション: 不正ログテンプレートを追加します

詐欺の疑いを追跡するには、FraudLog モデルを作成できます。

from django.db import models
from django.contrib.auth.models import User

class FraudLog(models.Model):
    suspicious_user = models.ForeignKey(User, related_name='suspicious_logs', on_delete=models.CASCADE)
    similar_user = models.ForeignKey(User, related_name='similar_logs', on_delete=models.CASCADE)
    distance = models.IntegerField()
    created_at = models.DateTimeField(auto_now_add=True)

ログイン後にコピー

疑わしい一致をこのテンプレートに保存します:

from django.db.models import Q
from .models import User  # Assume User is your user model

def levenshtein_distance(a, b):
    n, m = len(a), len(b)
    if n > m:
        a, b = b, a
        n, m = m, n

    current_row = range(n + 1)  # Keep current and previous row
    for i in range(1, m + 1):
        previous_row, current_row = current_row, [i] + [0] * n
        for j in range(1, n + 1):
            add, delete, change = previous_row[j] + 1, current_row[j - 1] + 1, previous_row[j - 1]
            if a[j - 1] != b[i - 1]:
                change += 1
            current_row[j] = min(add, delete, change)

    return current_row[n]

ログイン後にコピー