一种异常交易的检测方法、装置及存储介质制造方法及图纸

本申请实施例提供了一种异常交易的检测方法、装置及存储介质，该方法包括：获取需要检测的交易的当前数据；根据预设的量化指标，对当前数据进行分类聚合，以确定分类聚合参数；利用核密度算法结合预先根据时间动态窗口确定的核密度样本，确定分类聚合参数的概率密度；根据概率密度，结合核密度样本，确定需要检测的交易是否为异常交易。因此，通过核密度算法对具有变化模式复杂、变化范围很小、有时间序列特性的流数据进行异常值检测，能够实现无监督的情况下对交易数据进行分析处理，快速准确的确定交易是否为异常。

【技术实现步骤摘要】
一种异常交易的检测方法、装置及存储介质
本申请涉及数据处理领域，特别是涉及一种异常交易的检测方法、装置及存储介质。
技术介绍
随着我国信用卡发卡量和交易量的不断增长，信用卡交易中的欺诈交易也急剧上升。加强对信用卡欺诈的识别和防范，已成为银行风险控制的一个焦点。现有技术中，商业银行针对信用卡交易数据中欺诈行为的少量性和异常性，采用的方式基本都是专家规则体系兼有少量的行为分析模型，基于专家规则体系的异常交易监测系统，规则监测的范围很多都是单渠道，跨渠道的监测基本不设防。且当专家规则更新不及时，将会出现较多误报警信息，银行业务人员需要花资源去甄别交易是否异常，人工成本高。
技术实现思路
鉴于上述问题，本申请实施例提供一种异常交易的检测方法，解决现有技术中存在的成本高和无法跨渠道的问题。相应的，本申请实施例还提供了一种异常交易的检测装置。为了解决上述问题，本申请实施例公开了一种异常交易的检测方法，所述方法包括：获取需要检测的交易的当前数据；根据预设的量化指标，对所述当前数据进行分类聚合，以确定分类聚合参数；利用核密度算法结合预先根据时间动态窗口确定的核密度样本，确定所述分类聚合参数的概率密度；根据所述概率密度，结合所述核密度样本，确定所述需要检测的交易是否为异常交易。相应的，本申请实施例还公开了一种异常交易的检测装置，包括：数据获取模块，用于获取需要检测的交易的当前数据；分类聚合模块，用于根据预设的量化指标，对所述当前数据进行分类聚合，以确定分类聚合参数；密度确定模块，用于利用核密度算法结合预先根据时间动态窗口确定的核密度样本，确定所述分类聚合参数的概率密度；交易确定模块，用于根据所述概率密度，结合所述核密度样本，确定所述需要检测的交易是否为异常交易。本申请实施例还提供一种装置，包括处理器以及存储器，其中，所述处理器执行所述存储器所存放的计算机程序代码，以实现本申请所述的异常交易的检测方法。本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现本申请所述的异常交易的检测方法的步骤。本申请实施例包括以下优点：本申请实施例通过获取需要检测的交易的当前数据；根据预设的量化指标，对所述当前数据进行分类聚合，以确定分类聚合参数；利用核密度算法结合预先根据时间动态窗口确定的核密度样本，确定所述分类聚合参数的概率密度；根据所述概率密度，结合所述核密度样本，确定所述需要检测的交易是否为异常交易。因此，通过核密度算法对具有变化模式复杂、变化范围很小、有时间序列特性的流数据进行异常值检测，能够实现无监督的情况下对交易数据进行分析处理，快速准确的确定交易是否为异常。附图说明图1是本申请的一种异常交易的检测方法实施例的步骤流程图；图2是本申请一种异常交易的检测装置实施例的结构框图；图3为本申请一实施例提供的一种异常交易的检测装置的结构示意图；图4为本申请另一实施例提供的一种异常交易的检测装置的硬件结构示意图。具体实施方式为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本申请作进一步详细的说明。参照图1，示出了本申请的一种异常交易的检测方法实施例的步骤流程图，具体可以包括如下步骤：步骤101，获取需要检测的交易的当前数据。例如，在银行客户进行交易时，会产生对应的交易数据，当交易行为为较之前有异常，能够利用本申请的方法有效的发现并监测异常，提醒客户避免损失。步骤102，根据预设的量化指标，对当前数据进行分类聚合，以确定分类聚合参数。其中，量化指标包括客户数、IP数、设备数、地区数、账户数、金额以及交易笔数。示例地，根据分类信息，结合量化指标，确定分类聚合参数，其中，分类信息包括交易流水、客户信息和产品信息。需要说明的是，对于变化模式复杂、变化范围很小、有时间序列特性的流数据在进行聚类划分时，通常可以根据相关参数将其相似的数据归为一类，也就是进行分类，一种应用场景如在商业银行的交易涉及的动态数据主要是交易流水，更好的侦测异常，还会将一些静态数据也纳入到检测范围内，可以将大量的交易数据根据交易流水、客户信息、产品信息进行分类，之后在此基础上，再进行合并各类渠道的交易数据，其中该渠道包括：银行客户与银行发生业务的途径，如柜面、ATM、网银、手机银行等，再结合静态数据，聚合出相应的分类聚合参数，其中上述的量化指标中除了金额为decimal(十进制)类型以外，其他的量化指标均为int(二进制)型。也就是说，通过获取当前数据的分类信息，再结合量化指标，进而确定当前数据经分类聚合后的数据，即分类聚合参数。步骤103，利用核密度算法结合预先根据时间动态窗口确定的核密度样本，确定分类聚合参数的概率密度。其中，KDE(中文：核密度估计；英文：KernelDensityEstimation)是一种非参数估计方法，被用于估计未知密度函数。与参数估计方法不同的是，它无需假设数据服从某种分布，即可以在不利用任何先验条件的情况下，根据数据样本对未知密度函数进行估计，达到所估计结果与真实结果间具有最小均方积分误差的目标。通过核密度估计可以得到样本在多个维度下的总体分布密度，然后根据样本对应分布密度越低对应异常程度越高的基本假设，对所有样本的异常程度进行排序并挑选出异常程度较高的样本，也就是进行之后步骤的判断。此外，时间动态窗口的确定是根据已经按照时间戳排序后的数据集合，将第一条数据放到的数据集中，将第N条进来的数据时间戳和第一条进行对比，对比的时间窗口段是根据推荐的时序来，对比若是超出时间窗口范围，将把新数据集中的第一条数据删除，重新循环，直至新的数据集中的第一条和最后一条数据处于需要计算的时间窗口中为止。也就是说在确定核密度样本时该时间跨度并非固定的，可以进行动态调节，以更好的适应数据的选取时间间隔。以时间动态窗口的窗口时长确定作为核密度样本的获取范围，之后利用上述步骤的分类方式，首先对大量样本数据进行分类，再通过量化指标确定核密度样本中所有样本的分类聚合参数，再判断某一交易是否为异常时，将该交易的当前数据的分类聚合参数和所有样本的分类聚合参数输入到核密度计算公式中，以确定当前数据与核密度样本中所有样本的密度分布，可以根据当前数据与核密度样本中所有样本的距离，确定当前交易是否为异常，也就是步骤104的操作。示例地，利用核密度样本，通过核密度计算公式，确定分类聚合参数的概率密度；其中，核密度计算公式包括：表示分类聚合参数的概率密度；x表示分类聚合参数；xi表示核密度样本中的第i样本点，n表示核密度样本中的样本个数；为平滑参数，σ表示样本标准差；K(·)表示高斯函数，其中步骤104，根据概率密度，结合核密度样本，确定需要检测的交易是否为异常交易。示例地，当概率密度与核密度样本中所有样本的距离大于或者等于预设的距离阈值时，确定需要检测的交易为异常交易。示例地，当需要进行检测的交易的当前数据的概率密度处于核密度样本中的样本点较为稀疏的位置时，或者说该概率密度具有其他核密度样本的样本点的位置较远，之间的距离超过预设的距离阈值时，说明需要检测的交易为异常交易，需要进一步进行复核和异常交易的提醒，并对复核后的异常进行标注，从而提升机器学习和数据挖掘算法的准确率。此外，检测到并输出本文档来自技高网...

【技术保护点】
1.一种异常交易的检测方法，其特征在于，所述方法包括：获取需要检测的交易的当前数据；根据预设的量化指标，对所述当前数据进行分类聚合，以确定分类聚合参数；利用核密度算法结合预先根据时间动态窗口确定的核密度样本，确定所述分类聚合参数的概率密度；根据所述概率密度，结合所述核密度样本，确定所述需要检测的交易是否为异常交易。

【技术特征摘要】
1.一种异常交易的检测方法，其特征在于，所述方法包括：获取需要检测的交易的当前数据；根据预设的量化指标，对所述当前数据进行分类聚合，以确定分类聚合参数；利用核密度算法结合预先根据时间动态窗口确定的核密度样本，确定所述分类聚合参数的概率密度；根据所述概率密度，结合所述核密度样本，确定所述需要检测的交易是否为异常交易。2.根据权利要求1所述的方法，其特征在于，所述量化指标包括客户数、IP数、设备数、地区数、账户数、金额以及交易笔数，所述根据预设的量化指标，对所述当前数据进行分类聚合，以确定分类聚合参数，包括：根据所述分类信息，结合所述量化指标，确定所述分类聚合参数，所述分类信息包括交易流水、客户信息和产品信息。3.根据权利要求1所述的方法，其特征在于，所述利用核密度算法结合预先根据时间动态窗口确定的核密度样本，确定所述分类聚合参数的概率密度，包括：利用所述核密度样本，通过核密度计算公式，确定所述分类聚合参数的概率密度；其中，所述核密度计算公式包括：所述表示所述分类聚合参数的概率密度；x表示所述分类聚合参数；xi表示所述核密度样本中的第i样本点，所述n表示所述核密度样本中的样本个数；所述为平滑参数，所述σ表示样本标准差；所述表示高斯函数。4.根据权利要求1所述的方法，其特征在于，所述根据所述概率密度，结合所述核密度样本，确定所述需要检测的交易是否为异常交易，包括：当所述概率密度与所述核密度样本中所有样本的距离大于或者等于预设的距离阈值时，确定所述需要检测的交易为所述异常交易；当所述概率密度与所述核密度样本中所有样本的距离小于所述距离阈值时，确定所述需要检测的交易为非异常交易。5.一种异常交易的检测装置，其特征在于，所述装置法包括：数据获取模块，用于获取需要检测的交易的当前数据；分类聚合模块，用于...

【专利技术属性】
技术研发人员：王强，彭烈，王彦丞，张幼萍，
申请(专利权)人：北京先进数通信息技术股份公司，
类型：发明
国别省市：北京,11