對於一個互聯網站點，這其實是一個挺平常的問題，因為目前“撞庫”的發生。我們收集的數據主要還是來源於如下數據：

三層數據：IP地址

四層數據：TCP初始端口、TCP初始序列號（不同系統可能存在一些實現上的差異）、滑動窗口大小

七層數據：用戶瀏覽器指紋數據，如UserAgent等能從一定角度體現用戶瀏覽器特征的數據，比如Chrome、Firefox、Safari等就有所不同

應用系統日誌：獲取用戶瀏覽頁面分類信息、頁面轉換序列及相關時間等等。

將一段時間的上述歷史數據（設定窗口，每一項可作為一個維度）通過一定的函數轉換最終進行歸一化處理（Normalization，歸一化也可對不同維度進行加權），然後通過本次瀏覽情況判斷是否是出自同一用戶，如果不是則應發送響應通知原用戶，可能出現冒用情況。

判斷的方法可以使用簡單的余弦夾角、馬爾科夫或距離關系等。形式化的描述就暫不給出了。

如何用機器學習定位賬戶冒用問題