【技术实现步骤摘要】
一种基于异构金融特征的异常交易识别方法,设备及存储介质
本专利技术涉及金融交易领域,尤其涉及一种基于异构金融特征的异常交易识别方法,设备及存储介质。
技术介绍
金融系统是现代经济发展重要支柱之一,随着金融系统的网络化、信息化发展,资本流动加速,金融交易机构如银行每日处理的交易流水可达几百万甚至上千万的量级,这为隐匿在金融网络中的经济犯罪活动提供了很大便利。而在海量的交易数据中,蕴含着更为复杂的客户交易行为模式和规律等深层信息,利用这些信息可对数据中隐藏的异常的交易行为进行甄别和检测。异常金融交易包括如洗钱、传销、信用卡诈骗、非法集资等违法犯罪活动所涉及到的金融交易,这些金融交易行为扰乱了经济和社会秩序,给社会治安造成危害。其中,传销即所谓的“金字塔营销”,传销组织通过申购和返利的形式发展下线,资金最终汇集流入传销头目或其控制的银行账户中。国内非法传销涉案金额大、涉案人员多、发展速度快,危害极大。传统传销活动侦查分析方法中,通过银行资金流数据分析是进行传销账号识别和获取其组织架构的有效手段,但是这种方法属于劳动密集型,耗费大量时间和人力,实践过程中存在一定的漏检率。异常金融交易识别相关的学术研究多集中在反洗钱、非法集资等邻域。反洗钱领域中,基于流数据的频繁项挖掘、朴素贝叶斯以及RBF简单神经网络等方法在洗钱异常交易的识别中取得了很好的效果。目前,国内相关传销组织发现领域的研究还主要集中在网络拓扑结构特征挖掘的基础上,利用图论等理论知识和特征去发现和识别传销网络。但这种方法依赖于数据中存在较完整的网络或信息量较大的局部拓扑结构,在相关结构不够完整的情况下,会导 ...
【技术保护点】
1.一种基于异构金融特征的异常交易识别方法,其特征在于,方法包括:步骤一,对输入的原始金融交易流水数据集,进行数据预处理;数据预处理方式为数据清洗和数据格式归一化处理,以及关键项数据提取,得到关键项数据集合D;构建信息数据集Dtp和账号信息数据集Dc;步骤二,基于交易对信息据集Dtp,构建交易熵特征向量数据集合DtpH;步骤三,基于交易熵特征向量数据集DtpH和账号信息数据集Dc,构建数据集的异构金融特征向量集DtpISO;步骤四,基于异构金融特征向量数据集DtpISO,构建训练集Train,以及分别构建三种基分类器模型,然后构建最终的VoteClassifierModel投票分类器预测模型;步骤五,账号检测识别,对于待检测金融交易流水信息数据集
【技术特征摘要】
1.一种基于异构金融特征的异常交易识别方法,其特征在于,方法包括:步骤一,对输入的原始金融交易流水数据集,进行数据预处理;数据预处理方式为数据清洗和数据格式归一化处理,以及关键项数据提取,得到关键项数据集合D;构建信息数据集Dtp和账号信息数据集Dc;步骤二,基于交易对信息据集Dtp,构建交易熵特征向量数据集合DtpH;步骤三,基于交易熵特征向量数据集DtpH和账号信息数据集Dc,构建数据集的异构金融特征向量集DtpISO;步骤四,基于异构金融特征向量数据集DtpISO,构建训练集Train,以及分别构建三种基分类器模型,然后构建最终的VoteClassifierModel投票分类器预测模型;步骤五,账号检测识别,对于待检测金融交易流水信息数据集根据步骤一进行预处理操作,得到预处理操作结果关键项数据集Dtest,进而提取出交易对信息数据集和账号信息数据集构建交易熵特征向量数据集基于步骤三,基于和数据,计算多维异构特征值,构建异构金融特征向量数据集将输入构建好的VoteClassifierModel投票分类器模型中,进行分类预测,得到最终检测识别结果即对应交易对为传销交易关系的异常概率。2.根据权利要求1所述的基于异构金融特征的异常交易识别方法,其特征在于,在步骤一中,提取交易流水中的交易卡号、交易日期、交易金额、摘要说明以及对手账号关键信息项;将交易卡号作为用户的身份标识,交易账号默认为用户交易卡号;基于关键项信息数据集进行数据清洗和格式归一化操作,将带有“进出”标志位的交易金额数据转换成带有正负号的数值,‘进’为正数,‘出’为负数;清洗掉交易金融项绝对值小于50的交易流水数据与交易卡号为空的数据;然后将交易日期按“YYYYMMDDhhmmss”格式进行归一化处理;经过数据清洗和格式归一化操作后,基于关键项信息数据集,分别构建交易对信息数据集和账号信息数据集。3.根据权利要求2所述的基于异构金融特征的异常交易识别方法,其特征在于,步骤一中交易对信息数据集构建方法为:1)统计关键项信息数据集中交易对集合TransPair={tp1,tp2,...,tpn},其中n为交易对总数,不重复计数;其中,tpi为一条关键性交易流水数据中的交易账号ci与其交易对手账号加逗号分隔符拼接后生成的交易对标识ID;2)以tpi为键值key,即交易对标识ID,tpi∈TransPair,以tpi对应的全部交易流水关键项数据构建列表这里j仅表示列表中某个元素的下标;将列表中元素按交易日期项即time由小到大进行排序,更新为排序后结果列表;3)重复步骤2),得到交易对信息数据集其中n为交易对总数;若则4.根据权利要求2所述的基于异构金融特征的异常交易识别方法,其特征在于,步骤一中账号信息数据集构建方法为:1)统计关键项信息数据集中卡号集合C={c1,c2,...,cn},其中n为卡号总数,不重复计数;2)以卡号ci为键值key,即账号标识ID,ci∈C,以ci对应的交易流水信息构建列表这里j仅表示列表中某个元素的下标;将列表中元素按交易日期项即time由小到大进行排序,更新为排序后结果列表;3)重复步骤2),得到账号信息数据集其中n为卡号总数;若则5.根据权利要求1所述的基于异构金融特征的异常交易识别方法,其特征在于,步骤二中交易熵特征向量的获取步骤如下:1)按照列表元素的time项中月日类别对该列表元素进行集合划分,得k为中出现的月日类别数,清洗掉Dtp数据集中k值小于2的ltp数据;2)接步骤1),基于MDi,在计算H(attr)时,pattri中的TF(attri)计算时只考虑属性值attri在列表中出现的概率,即只可以使用mdj之前的md列表的交易,而当前及之后的交易都不考虑在内,j=2,...,k;将当前月日交易列表mdj加入到H(attr)的计算中获得目前...
【专利技术属性】
技术研发人员:李晓颖,吕芳,王佰玲,王巍,黄俊恒,辛国栋,
申请(专利权)人:哈尔滨工业大学威海,
类型:发明
国别省市:山东,37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。