账户风险识别方法及装置制造方法及图纸

本申请提供一种账户风险识别方法及装置，其中的方法包括：基于目标账户在预设时长内的操作行为数据生成用户行为序列；所述用户行为序列包括若干按照发生时间排序的数据节点；提取所述行为序列中各数据节点的风险识别特征；将提取出的各数据节点的风险识别特征作为输入数据输入至预设的长短期记忆LSTM模型中进行计算；其中，所述预设的LSTM模型基于从若干风险账户的用户行为序列中提取出的风险识别特征样本训练得到；基于所述LSTM模型输出的计算结果对所述目标账户进行风险识别。本申请可以从整体上提升对目标账户进行风险评估的灵敏度和准确度。

Account risk identification method and device

The invention provides a device and an account risk identification method, the method includes: target account operation behavior data in the preset time of the generated sequence based on user behavior; the user behavior sequence comprises a plurality of data nodes according to the occurrence time sorting characteristics; risk identification for each data node to extract the behavior in the sequence characteristics; risk identification for each data node will be extracted as input data input is calculated to preset long short term memory in the LSTM model; the LSTM model of the default risk identification features of training samples extracted from user behavior sequence of some account risk based on the output of the calculation; the results of the LSTM model of risk identification of the target based on the account. This application can improve the sensitivity and accuracy of the risk assessment of the target account as a whole.

【技术实现步骤摘要】
账户风险识别方法及装置
本申请涉及通信领域，尤其涉及一种账户风险识别方法及装置。
技术介绍
在现有的交易风险防范体系中，已经广泛使用交易模型来防范风险。通过提供大量风险交易作为训练样本，并从这些风险交易中提取风险特征进行训练，来构建交易模型，然后使用构建完成的交易模型来对用户的交易账户进行风险预测和评估。然而，在现有的交易风险防范体系中，交易模型的训练阶段所使用到的特征变量通常均为一些离散的特征，已逐渐无法满足实际的交易风险防范需求。
技术实现思路
本申请提出一种账户风险识别方法，该方法包括：基于目标账户在预设时长内的操作行为数据生成用户行为序列；所述用户行为序列包括若干按照发生时间排序的数据节点；提取所述行为序列中各数据节点的风险识别特征；将提取出的各数据节点的风险识别特征作为输入数据输入至预设的长短期记忆LSTM模型中进行计算；其中，所述预设的LSTM模型基于从若干风险账户的用户行为序列中提取出的风险识别特征样本训练得到；基于所述LSTM模型输出的计算结果对所述目标账户进行风险识别。可选的，所述基于目标账户在预设时长内的操作行为数据生成行为序列包括：采集目标账户在预设时长内的操作行为本文档来自技高网...

【技术保护点】
一种账户风险识别方法，其特征在于，该方法包括：基于目标账户在预设时长内的操作行为数据生成用户行为序列；所述用户行为序列包括若干按照发生时间排序的数据节点；提取所述行为序列中各数据节点的风险识别特征；将提取出的各数据节点的风险识别特征作为输入数据输入至预设的长短期记忆LSTM模型中进行计算；其中，所述预设的LSTM模型基于从若干风险账户的用户行为序列中提取出的风险识别特征样本训练得到；基于所述LSTM模型输出的计算结果对所述目标账户进行风险识别。

【技术特征摘要】
1.一种账户风险识别方法，其特征在于，该方法包括：基于目标账户在预设时长内的操作行为数据生成用户行为序列；所述用户行为序列包括若干按照发生时间排序的数据节点；提取所述行为序列中各数据节点的风险识别特征；将提取出的各数据节点的风险识别特征作为输入数据输入至预设的长短期记忆LSTM模型中进行计算；其中，所述预设的LSTM模型基于从若干风险账户的用户行为序列中提取出的风险识别特征样本训练得到；基于所述LSTM模型输出的计算结果对所述目标账户进行风险识别。2.根据权利要求1所述的方法，其特征在于，所述基于目标账户在预设时长内的操作行为数据生成行为序列包括：采集目标账户在预设时长内的操作行为数据；基于预设时间周期将采集到的所述操作行为数据划分为若干数据集合；将划分出的所述若干数据集合分别作为数据节点按照发生时间进行排序以生成所述行为序列。3.根据权利要求1所述的方法，其特征在于，所述基于目标账户在预设时长内的操作行为数据生成行为序列包括：采集目标账户的操作行为数据；确定所述操作行为数据是否包含指定的关键行为；当所述操作行为数据中包含指定的关键行为时，采集该目标账户在所述指定的关键行为的发生时间以前预设时长内产生的所有关键行为数据；将采集到的所有关键行为数据分别作为数据节点按照发生时间进行排序以生成所述行为序列。4.根据权利要求1所述的方法，其特征在于，所述数据节点包括若干按照发生时间排序的操作行为数据；所述提取所述行为序列中各数据节点的风险识别特征包括：提取与所述行为序列中各数据节点中的操作行为数据关联的风险评估信息，作为所述风险识别特征；其中，所述风险评估信息包括与所述目标账户相关的风险评估信息，以及与所述目标账户对应的业务对端账户相关的风险评估信息；或者判定所述行为序列中各数据节点中的操作行为数据是否具有设定的风险特征，并对判定结果进行编码，将编码得到的字符串作为所述风险识别特征。5.根据权利要求1所述的方法，其特征在于，所述将提取出的各数据节点的风险识别特征作为输入数据输入至预设的LSTM模型中进行计算包括：将所述各数据节点的风险识别特征作为输入数据，按照发生时间顺序依次输入至所述LSTM模型进行计算，并将前一数据节点的计算结果与下一数据节点的风险识别特征进行加权求和后继续进行计算，直到所述各数据节点的风险识别特征在所述LSTM模型中均计算完成；其中，所述用户行为序列中已发生的数据节点的风险识别特征在所述风险识别模型中进行离线计算，所述离线计算的结果与所述用户行为序列中最新的数据节点的风险识别特征在所述风险识别模型中进行实时计算。6.根据权利要求1或5所述的方法，其特征在于，所述方法还包括：在指定的数据节点或者在检测到指定的关键行为时，输出所述LSTM模型的计算结果。7.根据权利要求1所述的方法，其特征...

【专利技术属性】
技术研发人员：洪满伙，
申请(专利权)人：阿里巴巴集团控股有限公司，
类型：发明
国别省市：开曼群岛,KY