一种套现用户检测方法、装置及设备制造方法及图纸

本发明专利技术实施例提供了一种套现用户检测方法、装置及设备，其中，该方法包括：获取各个待检测用户的自身特征信息以及各个待检测用户的交互信息，其中，针对各个待检测用户，该交互信息包括该待检测用户与其他待检测用户交互的信息和该待检测用户与待检测用户之外的其他对象交互的信息；针对各个待检测用户，根据该待检测用户的自身特征信息，以及该待检测用户的交互信息，确定该待检测用户的邻居特征信息；并将该待检测用户的自身特征信息和邻居特征信息，输入至注意力机制模型，得到该待检测用户套现的概率；其中，注意力机制模型是根据多个训练样本训练得到的。通过本发明专利技术实施例提供的套现用户检测方法、装置及设备，提高检测的准确性。

A Cash User Detection Method, Device and Equipment

The embodiment of the present invention provides a set of user detection methods, devices and devices, in which the method includes acquiring the characteristic information of each user to be detected and the interactive information of each user to be detected, in which, for each user to be detected, the interactive information includes the information of the user to be detected interacting with other users to be detected and the information of the user to be detected interacting with the user to be detected. For each user to be detected, according to the user's own characteristic information and the user's interaction information to be detected, the neighbor characteristic information of the user to be detected is determined, and the user's own characteristic information and neighbor characteristic information to be detected are input into the attention mechanism model to get the user to be detected to arbitrate. Probability; in which the attention mechanism model is trained based on multiple training samples. The user detection method, device and equipment provided by the embodiment of the present invention can improve the accuracy of detection.

【技术实现步骤摘要】
一种套现用户检测方法、装置及设备
本专利技术涉及计算机
，特别是涉及一种套现用户检测方法、装置及设备。
技术介绍
信用支付服务如离线信用卡服务等，在商业银行和互联网金融机构的在线信用支付等许多方面都得到了广泛的应用。在日常生活中，信用支付服务为用户和商家带来便利。然而，不断增长的欺诈行为严重影响了信用支付服务的安全性。套现欺诈是用非法或不真诚的手段追求现金收益，例如，通过购买预付卡或其他商品，然后再出售。随着电子商务的迅速发展，套现欺诈已经成为主要欺诈行为之一。套现欺诈行为是违法的可能会导致金融风险。因为在大多数情况下，进行套现欺诈行为的套现用户贷款违约的情况要高得多。因此，套现用户检测是金融机构欺诈侦查系统等的重要组成部分。
技术实现思路
本专利技术实施例的目的在于提供一种套现用户检测方法、装置及设备，以提高检测的准确性。具体技术方案如下：第一方面，本专利技术实施例提供了一种套现用户检测方法，包括：获取各个待检测用户的自身特征信息以及各个待检测用户的交互信息，其中，针对各个待检测用户，该交互信息包括该待检测用户与其他待检测用户交互的信息和该待检测用户与待检测用户之外的其他对象交互的信息；针对各个待检测用户，根据该待检测用户的所述自身特征信息，以及该待检测用户的所述交互信息，确定该待检测用户的邻居特征信息；并将该待检测用户的所述自身特征信息和所述邻居特征信息，输入至注意力机制模型，得到该待检测用户套现的概率；其中，所述注意力机制模型是根据多个训练样本训练得到的。可选的，训练所述注意力机制模型的步骤，包括：获取多个训练样本；其中，所述训练样本中标记有所述训练样本包括的样本用户套现的概率；针对各个训练样本，将该训练样本输入至预设注意力机制模型，对所述预设注意力机制模型进行训练，得到训练好的注意力机制模型。可选的，在获取各个待检测用户的自身特征信息以及各个待检测用户的交互信息之后，所述方法还包括：根据各个待检测用户的自身特征信息以及各个待检测用户的交互信息，构建属性异质信息网络AHIN；其中，所述AHIN中各个待检测用户位于多个元路径上，各个元路径分别连接待检测用户与该待检测用户的邻居。可选的，所述根据该待检测用户的所述自身特征信息，以及该待检测用户的所述交互信息，确定该待检测用户的邻居特征信息，包括：根据已构建的所述AHIN，确定该待检测用户的邻居；根据所述邻居的特征信息，确定该待检测用户的所述邻居特征信息。可选的，在所述根据已构建的所述AHIN，确定该待检测用户的邻居之后，所述方法还包括：确定该待检测用户基于各个元路径的注意力权重；所述根据所述邻居的特征信息，确定该待检测用户的所述邻居特征信息，包括：针对各个元路径，将该元路径对应的注意力权重和第一特征信息作为第一邻居特征信息，其中，第一特征信息为该元路径连接的该待检测用户的邻居的特征信息；将各个元路径分别得到的第一邻居特征信息作为该待检测用户的邻居特征信息。可选的，在所述根据该待检测用户的所述自身特征信息，以及该待检测用户的所述交互信息，确定该待检测用户的邻居特征信息之后，所述方法还包括：将所述自身特征信息和所述邻居特征信息进行融合，得到融合后的信息；所述将该待检测用户的所述自身特征信息和所述邻居特征信息，输入至注意力机制模型，得到该待检测用户套现的概率，包括：将所述融合后的信息输入至所述注意力机制模型，得到该待检测用户套现的概率。第二方面，本专利技术实施例提供了一种套现用户检测装置，包括：第一获取模块，用于获取各个待检测用户的自身特征信息以及各个待检测用户的交互信息，其中，针对各个待检测用户，该交互信息包括该待检测用户与其他待检测用户交互的信息和该待检测用户与待检测用户之外的其他对象交互的信息；第一确定模块，用于针对各个待检测用户，根据该待检测用户的所述自身特征信息，以及该待检测用户的所述交互信息，确定该待检测用户的邻居特征信息；输入模块，用于将该待检测用户的所述自身特征信息和所述邻居特征信息，输入至注意力机制模型，得到该待检测用户套现的概率；其中，所述注意力机制模型是根据多个训练样本训练得到的。可选的，所述装置还包括：第二获取模块，用于获取多个训练样本；其中，所述训练样本中标记有所述训练样本包括的样本用户套现的概率；训练模块，用于针对各个训练样本，将该训练样本输入至预设注意力机制模型，对所述预设注意力机制模型进行训练，得到训练好的注意力机制模型。可选的，所述装置还包括：构建模块，用于根据各个待检测用户的自身特征信息以及各个待检测用户的交互信息，构建属性异质信息网络AHIN；其中，所述AHIN中各个待检测用户位于多个元路径上，各个元路径分别连接待检测用户与该待检测用户的邻居。第三方面，本专利技术实施例提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，所述处理器，所述通信接口，所述存储器通过所述通信总线完成相互间的通信；所述存储器，用于存放计算机程序；所述处理器，用于执行所述存储器上所存放的程序时，实现上述第一方面所述的方法步骤。本专利技术实施例提供的套现用户检测方法、装置及设备，可以获取各个待检测用户的自身特征信息以及各个待检测用户的交互信息；针对各个待检测用户，根据该待检测用户的自身特征信息，以及该待检测用户的交互信息，确定该待检测用户的邻居特征信息；并将该待检测用户的自身特征信息和邻居特征信息，输入至注意力机制模型，得到该待检测用户套现的概率。本专利技术实施例中，在套现用户检测过程中，同时考虑待检测用户的自身特征信息和交互信息，如此，可以基于交互信息确定待检测用户的邻居特征信息，通过自身特征信息和邻居特征信息表示待检测用户，进而对待检测用户进行检测，如此能够提高检测的准确性。当然，实施本专利技术的任一产品或方法必不一定需要同时达到以上所述的所有优点。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例提供的套现用户检测方法的流程图；图2为本专利技术实施例中信贷支付服务场景下各个对象之间的交互示意图；图3(a)为本专利技术实施例中属性异质信息网络的示意图；图3(b)为本专利技术实施例中元路径的示意图；图4(a)为本专利技术实施例中仿真实验的一种结果示意图；图4(b)为本专利技术实施例中仿真实验的另一种结果示意图；图5为本专利技术实施例提供的具体实施例的示意图；图6为本专利技术实施例提供的套现用户检测装置的结构示意图；图7为本专利技术实施例提供的电子设备的结构示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。已有的套现用户检测方式中，采集待检测用户的特征信息，如用户简介，信用历史，交易总结，以及最近的其他相关行业的行为等。然后，将待检测用户的特征信息输入至分类器，如基于树的模型或神经网络等确定该待检测用户是否是套现用户，同时，可以本文档来自技高网...

【技术保护点】
1.一种套现用户检测方法，其特征在于，包括：获取各个待检测用户的自身特征信息以及各个待检测用户的交互信息，其中，针对各个待检测用户，该交互信息包括该待检测用户与其他待检测用户交互的信息和该待检测用户与待检测用户之外的其他对象交互的信息；针对各个待检测用户，根据该待检测用户的所述自身特征信息，以及该待检测用户的所述交互信息，确定该待检测用户的邻居特征信息；并将该待检测用户的所述自身特征信息和所述邻居特征信息，输入至注意力机制模型，得到该待检测用户套现的概率；其中，所述注意力机制模型是根据多个训练样本训练得到的。

【技术特征摘要】
1.一种套现用户检测方法，其特征在于，包括：获取各个待检测用户的自身特征信息以及各个待检测用户的交互信息，其中，针对各个待检测用户，该交互信息包括该待检测用户与其他待检测用户交互的信息和该待检测用户与待检测用户之外的其他对象交互的信息；针对各个待检测用户，根据该待检测用户的所述自身特征信息，以及该待检测用户的所述交互信息，确定该待检测用户的邻居特征信息；并将该待检测用户的所述自身特征信息和所述邻居特征信息，输入至注意力机制模型，得到该待检测用户套现的概率；其中，所述注意力机制模型是根据多个训练样本训练得到的。2.根据权利要求1所述的方法，其特征在于，训练所述注意力机制模型的步骤，包括：获取多个训练样本；其中，所述训练样本中标记有所述训练样本包括的样本用户套现的概率；针对各个训练样本，将该训练样本输入至预设注意力机制模型，对所述预设注意力机制模型进行训练，得到训练好的注意力机制模型。3.根据权利要求1所述的方法，其特征在于，在获取各个待检测用户的自身特征信息以及各个待检测用户的交互信息之后，所述方法还包括：根据各个待检测用户的自身特征信息以及各个待检测用户的交互信息，构建属性异质信息网络AHIN；其中，所述AHIN中各个待检测用户位于多个元路径上，各个元路径分别连接待检测用户与该待检测用户的邻居。4.根据权利要求3所述的方法，其特征在于，所述根据该待检测用户的所述自身特征信息，以及该待检测用户的所述交互信息，确定该待检测用户的邻居特征信息，包括：根据已构建的所述AHIN，确定该待检测用户的邻居；根据所述邻居的特征信息，确定该待检测用户的所述邻居特征信息。5.根据权利要求4所述的方法，其特征在于，在所述根据已构建的所述AHIN，确定该待检测用户的邻居之后，所述方法还包括：确定该待检测用户基于各个元路径的注意力权重；所述根据所述邻居的特征信息，确定该待检测用户的所述邻居特征信息，包括：针对各个元路径，将该元路径对应的注意力权重和第一特征信息作为第一邻居特征信息，其中，第一特征信息为该元路径连接的该待检测用户的邻居的特征信息；将各个元路径分别得到的第一邻居特征信息作为该待检测用户的邻居...

【专利技术属性】
技术研发人员：石川，胡斌斌，胡琳梅，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：北京,11