一种欺诈判别方法、装置及存储介质制造方法及图纸

本发明专利技术提供了一种欺诈判别方法、装置及存储介质，属于数据处理领域，该方法包括：通过获取待判别业务请求；根据待判别业务请求，通过预先确定的异常数据集，获取待判别业务请求对应的欺诈识别结果，异常数据集中包括对知识图谱进行异常识别确定的异常数据，该知识图谱是基于历史业务日志中的字段所生成的字段关联关系图谱；输出欺诈识别结果。因此，通过知识图谱，能够利用大数据收集的大量异构、多样化的信息，再通过关联分析大量历史日志的信息，构建复杂的反欺诈规则引擎，进而简化欺诈识别操作的流程，提高反欺诈识别效率。

A Fraud Discrimination Method, Device and Storage Media

The invention provides a fraud discrimination method, device and storage medium, which belongs to the field of data processing. The method includes: acquiring service requests to be distinguished; acquiring fraud identification results corresponding to service requests to be distinguished through pre-determined abnormal data sets according to service requests to be distinguished; and abnormal data sets include anomalies identified by abnormal recognition of knowledge maps. Data, the knowledge map is based on the field association map generated by the field in the historical business log, and the fraud identification results are output. Therefore, through knowledge mapping, we can make use of a large number of heterogeneous and diversified information collected from large data, and then analyze a large number of historical log information through association to build a complex anti-fraud rule engine, which can simplify the process of fraud identification operation and improve the efficiency of anti-fraud identification.

【技术实现步骤摘要】
一种欺诈判别方法、装置及存储介质
本专利技术属于数据处理领域，特别是涉及一种欺诈判别方法、装置及存储介质。
技术介绍
随着互联网技术的发展，基于电商的欺诈案例也日益增多，例如为了会员拉新而进行的会员促销，会吸引大量的羊毛党来薅营销活动羊毛；互联网投票会吸引大量虚假刷票的团伙；直播聊天室会遭遇大量虚假僵尸粉挂站等等。为了解决互联网场景面对的各类欺诈问题，规则引擎是常用的反欺诈方法与系统，具体是通过业务专家或者安全专家根据自己的经验，设置识别黑产的规则，用于实时拦截作弊行为。现有技术中的，由于反欺诈规则引擎受限于专家的经验与思路，但随着黑产手段不断进化，数据来源不断丰富，基于传统的欺诈规则已经无法实现对欺诈业务的准确识别。
技术实现思路
有鉴于此，本专利技术提供一种欺诈判别方法、装置及存储介质，以便解决现有技术存在的识别准确率低的问题。依据本专利技术的第一方面，提供了一种欺诈判别方法，该方法可以包括：获取待判别业务请求；根据所述待判别业务请求，通过预先确定的异常数据集，获取所述待判别业务请求对应的欺诈识别结果，所述异常数据集中包括对知识图谱进行异常识别确定的异常数据，所述知识图谱是基于历史业务日志中的字段所生成的字段关联关系图谱；输出所述欺诈识别结果。依据本专利技术的第二方面，提供了一种欺诈判别装置，该装置可以包括：请求获取模块，用于获取待判别业务请求；结果确定模块，用于根据所述待判别业务请求，通过预先确定的异常数据集，获取所述待判别业务请求对应的欺诈识别结果，所述异常数据集中包括对知识图谱进行异常识别确定的异常数据，所述知识图谱是基于历史业务日志中的字段所生成的字段关联关系图谱；结果输出模块，用于输出所述欺诈识别结果。依据本专利技术的第三方面，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如第一方面所述的欺诈判别方法的步骤。针对在先技术，本专利技术具备如下优点：通过获取待判别业务请求；根据所述待判别业务请求，通过预先确定的异常数据集，获取所述待判别业务请求对应的欺诈识别结果，所述异常数据集中包括对知识图谱进行异常识别确定的异常数据，所述知识图谱是基于历史业务日志中的字段所生成的字段关联关系图谱；输出所述欺诈识别结果。通过知识图谱，能够利用大数据收集的大量异构、多样化的信息，再通过关联分析大量历史日志的信息，构建复杂的反欺诈规则引擎，进而简化欺诈识别操作的流程，提升反欺诈识别效率。上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，而可依照说明书的内容予以实施，并且为了让本专利技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本专利技术的具体实施方式。附图说明通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本专利技术的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：图1是本专利技术实施例提供的一种欺诈判别方法的步骤流程图；图2是本专利技术实施例提供的一种欺诈判别方法的步骤流程图；图3是本专利技术实施例提供的一种欺诈判别方法的步骤流程图；图4是一种知识图图谱的结构示意图；图5是本专利技术实施例提供的一种欺诈判别方法的具体步骤流程图；图6是本专利技术实施例提供的一种欺诈判别方法的具体步骤流程图；图7是本专利技术实施例提供的一种欺诈判别方法的具体步骤流程图；图8是本专利技术实施例提供的一种欺诈判别方法的步骤流程图；图9是本专利技术实施例提供的一种欺诈判别装置的框图。具体实施方式下面将参照附图更详细地描述本专利技术的示例性实施例。虽然附图中显示了本专利技术的示例性实施例，然而应当理解，可以以各种形式实现本专利技术而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本专利技术，并且能够将本专利技术的范围完整的传达给本领域的技术人员。图1是本专利技术实施例提供的一种欺诈判别方法的步骤流程图，如图1所示，该方法可以包括：步骤101，获取待判别业务请求。示例地，待判别业务请求中一般包括业务参数、请求参数等，例如是针对某项业务操作的业务操作信息、账号信息等作为请求参数，IP地址，设备号，用户代理(user-agent)作为业务参数。步骤102，根据待判别业务请求，通过预先确定的异常数据集，获取待判别业务请求对应的欺诈识别结果。其中，异常数据集中包括对知识图谱进行异常识别确定的异常数据，该知识图谱是基于历史业务日志中的字段所生成的字段关联关系图谱。示例地，知识图谱(英文：KnowledgeGraph)又称为科学知识图谱，其用于描述真实世界中存在的各种实体或概念及其关系，其构成一张巨大的语义网络图，节点表示实体或概念，边则由属性或关系构成，其中实体指的是具有可区别性且独立存在的某种事物，如某一个人、某一个城市、某一种植物等、某一种商品等等，本申请中可以是字段信息，例如是某个账号、某个IP等；属性(值)是从一个实体指向它的属性值。不同的属性类型对应于不同类型属性的边。属性值主要指对象指定属性的值；关系可以是形式化为一个函数，在知识图谱上，是一个能够把知识图谱中的各个节点(实体、属性值)映射到布尔值的函数。因此通过对历史业务日志进行关键字段的提取，例如是设备ID、账号ID、IP地址等字段，再利用这些字段之间的关联关系生成知识图谱，从而交叉验证信息主体所提供的信息以及第三方信息来源的真实性，也就是利用关联分析技术，进行一个用户的真实数据与社会关系网的全方位描绘，更加准确实现欺诈行为的判别。步骤103，输出欺诈识别结果。在具体应用场景下，通过上述步骤确定了待判别业务请求对应的欺诈识别结果，电商平台需要根据欺诈识别结果再对业务操作进行对应处理，例如欺诈识别结果为待判别业务请求是异常请求，可以选择对该业务操作进行拦截，或者是进行校验；又例如欺诈识别结果为待判别业务请求是正常请求，则继续执行该待判别业务请求对应的业务操作。综上所述，本申请提供的欺诈判别方法，通过获取待判别业务请求；根据待判别业务请求，通过预先确定的异常数据集，获取待判别业务请求对应的欺诈识别结果，该异常数据集中包括对知识图谱进行异常识别确定的异常数据，该知识图谱是基于历史业务日志中的字段所生成的字段关联关系图谱；输出欺诈识别结果。通过知识图谱，能够利用大数据收集的大量异构、多样化的信息，再通过关联分析大量历史日志的信息，构建复杂的反欺诈规则引擎，进而简化欺诈识别操作的流程，提升反欺诈识别效率。可选的，图2是本专利技术实施例提供的一种欺诈判别方法的步骤流程图，如图2所示，该方法在步骤102所述的根据待判别业务请求，通过预先确定的异常数据集，获取待判别业务请求对应的欺诈识别结果之前，还可以包括：步骤104，根据历史业务日志，生成知识图谱。其中，历史业务日志包括多个业务请求的历史记录。在具体应用过程中，通过对大量的历史记录进行特征提取，由于在同一条日志中出现的设备ID和账号ID之间存在有一定的关联关系，例如可以采用Spark的GraphX计算框架完成对知识图谱的建立。步骤105，根据历史业务日志对应的欺诈识别结果，生成历史业务日志的黑样本数据。也就是说，将历史业务日志中对确定为具有欺诈可能，或者标记为异常请求的历史业务日志进行记录，提取其中的设备ID、账本文档来自技高网...

【技术保护点】
1.一种欺诈判别方法，其特征在于，所述方法包括：获取待判别业务请求；根据所述待判别业务请求，通过预先确定的异常数据集，获取所述待判别业务请求对应的欺诈识别结果；其中，所述异常数据集中包括对知识图谱进行异常识别确定的异常数据，所述知识图谱是基于历史业务日志中的字段所生成的字段关联关系图谱；输出所述欺诈识别结果。

【技术特征摘要】
1.一种欺诈判别方法，其特征在于，所述方法包括：获取待判别业务请求；根据所述待判别业务请求，通过预先确定的异常数据集，获取所述待判别业务请求对应的欺诈识别结果；其中，所述异常数据集中包括对知识图谱进行异常识别确定的异常数据，所述知识图谱是基于历史业务日志中的字段所生成的字段关联关系图谱；输出所述欺诈识别结果。2.根据权利要求1所述的方法，其特征在于，在所述根据所述待判别业务请求，通过预先确定的异常数据集，获取所述待判别业务请求对应的欺诈识别结果之前，所述方法还包括：根据所述历史业务日志，生成所述知识图谱，所述历史业务日志包括多个业务请求的历史记录；根据所述历史业务日志对应的欺诈识别结果，生成所述历史业务日志的黑样本数据；根据所述黑样本数据和预设的关联挖掘策略，识别所述知识图谱中的异常数据；对所述知识图谱中的异常数据进行标注；将所述异常数据存储在所述异常数据集中。3.根据权利要求1所述的方法，其特征在于，在所述根据所述待判别业务请求，通过预先确定的异常数据集，获取所述待判别业务请求对应的欺诈识别结果之前，所述方法还包括：根据所述历史业务日志，生成所述知识图谱，所述历史业务日志包括多个业务请求的历史记录；利用所述知识图谱中的字段和/或字段关联关系的不一致性，识别所述知识图谱中的异常数据；对所述知识图谱中的异常数据进行标注；将所述异常数据存储在所述异常数据集中。4.根据权利要求2或者3所述的方法，其特征在于，所述根据所述历史业务日志，生成所述知识图谱，包括：获取所述历史业务日志中的每一条业务日志；提取所述每一条业务日志中的账号信息以及所述账号信息的关联信息；所述关联信息包括：所述账号信息对应的设备信息和所述账号信息对应的IP地址；根据所述账号信息和所述关联信息，生成所述知识图谱；所述知识图谱包括由所述账号信息和所述关联信息组成的节点以及用于描述所述账号信息和所述关联信息之间的关联关系的连线。5.根据权利要求2所述的方法，其特征在于，所述根据所述黑样本数据和预设的关联挖掘策略，识别所述知识图谱中的异常数据，包括：根据所述黑样本数据，识别所述知识图谱中与所述黑样本数据一致的第一异常数据；在所述知识图谱中基于所述关联挖掘策略获取与所述第一异常数据相关联的第二异常数据；将所述第一异常数据和所述第二异常数据作为所述知识图谱中的异常数据。6.根据权利要求1所述的方法，其特征在于，所述根据所述待判别业务请求，通过预先确定的异常数据集，获取所述待判别业务请求对应的欺诈识别结果，包括：提取所述待判别业务请求中的字段信息；将所述字段信息与所述异常数据集中的数据信息进行比对；在所述异常数据集中存在与所述字段信息匹配的数据信息的情况下，确定所述欺诈识别结果为所述待判别业务请求是异常请求；或者，在所述异常数据集中不存在与所述字段信息匹配的数据信息的情况下，确定所述欺诈识别结果为所述待判别业务请求是正常请求。7.根据权利要求1所述的方法，其特征在于，所述方法还包括：根据所述欺诈识别结果，对所述异常数据集进行更新。8.一种欺诈判别装置，其特征在于，所述装置包括：请求获取模块，用于获取待判别业务请求；结果确定模块，用于根据所述待判别业务请求，通过预先确定的异常数据集，获取所述待判别业务请求对应的欺诈识别结果，其中，所述异常数据集中包括对知识图谱...

【专利技术属性】
技术研发人员：宗志远，
申请(专利权)人：北京奇艺世纪科技有限公司，
类型：发明
国别省市：北京,11