风险团伙的识别方法和装置制造方法及图纸

说明书披露一种风险团伙的识别方法和装置。该方法包括：基于失信用户的历史行为构建风险知识图谱，所述风险知识图谱包括：非用户节点、失信用户节点和与失信用户存在关联关系的普通用户节点；从所述风险知识图谱中提取出匹配风险模板的节点和所述节点之间的连边，以形成风险图；针对所述风险图中的每个节点，根据其与邻居节点关联关系发生时间的时间参数和所述邻居节点的度数对所述节点的标签进行迭代，并在完成一轮迭代后，判断带时间聚集性的模块度函数是否收敛；当所述带时间聚集性的模块度函数收敛时，将标签相同的节点识别为同一个风险团伙。

【技术实现步骤摘要】
风险团伙的识别方法和装置
本说明书涉及人工智能
，尤其涉及一种风险团伙的识别方法和装置。
技术介绍
随着互联网金融的快速发展，网络诈骗逐渐兴起，黑产、黑中介等存在安全风险的团伙通过非法手段控制大量用户账号，并利用这些用户账号进行套利，扰乱互联网金融安全。
技术实现思路
有鉴于此，本说明书提供一种风险团伙的识别方法和装置。具体地，本说明书是通过如下技术方案实现的：一种风险团伙的识别方法，包括：基于失信用户的历史行为构建风险知识图谱，所述风险知识图谱包括：非用户节点、失信用户节点和与失信用户存在关联关系的普通用户节点，所述非用户节点代表用户的属性特征，所述风险知识图谱中的每个节点都具有唯一标签，节点连边用于表示相连节点之间具有关联关系，所述连边的属性包括用于表示所述关联关系发生时间的时间参数；从所述风险知识图谱中提取出匹配风险模板的节点和所述节点之间的连边，以形成风险图，所述风险模板包括若干模板节点和所述模板节点之间的连边，所述模板节点包括非用户节点、失信用户节点和普通用户节点中的一种或多种；针对所述风险图中的每个节点，根据其与邻居节点关联关系发生时间的时间参数和所述邻居节点的度数对所述节点的标签进行迭代，并在完成一轮迭代后，判断带时间聚集性的模块度函数是否收敛；当所述带时间聚集性的模块度函数收敛时，将标签相同的节点识别为同一个风险团伙。一种风险团伙的识别装置，包括：图谱构建单元，基于失信用户的历史行为构建风险知识图谱，所述风险知识图谱包括：非用户节点、失信用户节点和与失信用户存在关联关系的普通用户节点，所述非用户节点代表用户的属性特征，所述风险知识图谱中的每个节点都具有唯一标签，节点连边用于表示相连节点之间具有关联关系，所述连边的属性包括用于表示所述关联关系发生时间的时间参数；风险提取单元，从所述风险知识图谱中提取出匹配风险模板的节点和所述节点之间的连边，以形成风险图，所述风险模板包括若干模板节点和所述模板节点之间的连边，所述模板节点包括非用户节点、失信用户节点和普通用户节点中的一种或多种；标签迭代单元，针对所述风险图中的每个节点，根据其与邻居节点关联关系发生时间的时间参数和所述邻居节点的度数对所述节点的标签进行迭代，并在完成一轮迭代后，判断带时间聚集性的模块度函数是否收敛；团伙识别单元，当所述带时间聚集性的模块度函数收敛时，将标签相同的节点识别为同一个风险团伙。一种风险团伙的识别装置，包括：处理器；用于存储机器可执行指令的存储器；其中，通过读取并执行所述存储器存储的与风险团伙的识别逻辑对应的机器可执行指令，所述处理器被促使：基于失信用户的历史行为构建风险知识图谱，所述风险知识图谱包括：非用户节点、失信用户节点和与失信用户存在关联关系的普通用户节点，所述非用户节点代表用户的属性特征，所述风险知识图谱中的每个节点都具有唯一标签，节点连边用于表示相连节点之间具有关联关系，所述连边的属性包括用于表示所述关联关系发生时间的时间参数；从所述风险知识图谱中提取出匹配风险模板的节点和所述节点之间的连边，以形成风险图，所述风险模板包括若干模板节点和所述模板节点之间的连边，所述模板节点包括非用户节点、失信用户节点和普通用户节点中的一种或多种；针对所述风险图中的每个节点，根据其与邻居节点关联关系发生时间的时间参数和所述邻居节点的度数对所述节点的标签进行迭代，并在完成一轮迭代后，判断带时间聚集性的模块度函数是否收敛；当所述带时间聚集性的模块度函数收敛时，将标签相同的节点识别为同一个风险团伙。由以上描述可以看出，本说明书构建包括有用户节点和非用户节点的风险知识图谱，将原本疏离的个人数据进行关联，然后从所述风险知识图谱中提取出匹配风险模板的节点和所述节点之间的连边，形成失信用户在网络上的风险图。风险图中的各节点可根据邻居节点在度数和关联时间这两个维度上的信息选择一个邻居节点的标签对自身标签进行迭代，并可在带时间聚集性的模块度函数收敛时，根据迭代结果识别出风险团伙，从而实现对风险团伙的识别。附图说明图1是本说明书一示例性实施例示出的一种风险团伙的识别方法的流程示意图。图2是本说明书一示例性实施例示出的一种风险知识图谱示意图。图3是本说明书一示例性实施例示出的另一种风险知识图谱示意图。图4是本说明书一示例性实施例示出的一种风险图示意图。图5是本说明书一示例性实施例示出的另一种风险图示意图。图6是本说明书一示例性实施例示出的一种标签迭代示意图。图7是本说明书一示例性实施例示出的一种团伙发展演变过程示意图。图8是本说明书一示例性实施例示出的一种用于风险团伙的识别装置的一结构示意图。图9是本说明书一示例性实施例示出的一种风险团伙的识别装置的框图。具体实施方式这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本说明书相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本说明书的一些方面相一致的装置和方法的例子。在本说明书使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本说明书。在本说明书和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。应当理解，尽管在本说明书可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本说明书范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。本说明书提供一种风险团伙的识别方案，可根据失信用户的历史行为构建风险知识图谱，然后从该风险知识图谱中提取出匹配预定风险模板的风险图，风险图中的各节点可根据其邻居节点在度数和时间维度上的特征选择一个邻居节点的标签对自身标签进行更新，并可在带时间聚集性的模块度函数收敛时，将标签相同的节点识别为同一个风险团伙，从而实现风险团伙的识别。图1是本说明书一示例性实施例示出的一种风险团伙的识别方法的流程示意图。所述风险团伙的识别方法可以应用于识别平台，所述识别平台通常由具有识别功能的服务器或服务器集群组成。请参考图1，所述风险团伙的识别方法可包括以下步骤：步骤102，基于失信用户的历史行为构建风险知识图谱，所述风险知识图谱包括：非用户节点、失信用户节点和与失信用户存在关联关系的普通用户节点，所述非用户节点代表用户的属性特征，所述风险知识图谱中的每个节点都具有唯一标签，节点连边用于表示相连节点之间具有关联关系，所述连边的属性包括用于表示所述关联关系发生时间的时间参数。在本实施例中，所述历史行为可包括支付行为，例如，线上转账、线上代付等。所述历史行为还可包括交互行为，例如，收发即时通信消息、发表评论等。当然，所述历史行为还可包括其他类型的行为，本说明书对此不作特殊限制。在本实施例中，所述非用户节点可包括：设备节点、地域节点、网络环境节点等。其中，所述设备节点可以是设备ID、设备本文档来自技高网...

【技术保护点】
1.一种风险团伙的识别方法，包括：基于失信用户的历史行为构建风险知识图谱，所述风险知识图谱包括：非用户节点、失信用户节点和与失信用户存在关联关系的普通用户节点，所述非用户节点代表用户的属性特征，所述风险知识图谱中的每个节点都具有唯一标签，节点连边用于表示相连节点之间具有关联关系，所述连边的属性包括用于表示所述关联关系发生时间的时间参数；从所述风险知识图谱中提取出匹配风险模板的节点和所述节点之间的连边，以形成风险图，所述风险模板包括若干模板节点和所述模板节点之间的连边，所述模板节点包括非用户节点、失信用户节点和普通用户节点中的一种或多种；针对所述风险图中的每个节点，根据其与邻居节点关联关系发生时间的时间参数和所述邻居节点的度数对所述节点的标签进行迭代，并在完成一轮迭代后，判断带时间聚集性的模块度函数是否收敛；当所述带时间聚集性的模块度函数收敛时，将标签相同的节点识别为同一个风险团伙。

【技术特征摘要】
1.一种风险团伙的识别方法，包括：基于失信用户的历史行为构建风险知识图谱，所述风险知识图谱包括：非用户节点、失信用户节点和与失信用户存在关联关系的普通用户节点，所述非用户节点代表用户的属性特征，所述风险知识图谱中的每个节点都具有唯一标签，节点连边用于表示相连节点之间具有关联关系，所述连边的属性包括用于表示所述关联关系发生时间的时间参数；从所述风险知识图谱中提取出匹配风险模板的节点和所述节点之间的连边，以形成风险图，所述风险模板包括若干模板节点和所述模板节点之间的连边，所述模板节点包括非用户节点、失信用户节点和普通用户节点中的一种或多种；针对所述风险图中的每个节点，根据其与邻居节点关联关系发生时间的时间参数和所述邻居节点的度数对所述节点的标签进行迭代，并在完成一轮迭代后，判断带时间聚集性的模块度函数是否收敛；当所述带时间聚集性的模块度函数收敛时，将标签相同的节点识别为同一个风险团伙。2.根据权利要求1所述的方法，所述从所述风险知识图谱中提取出匹配风险模板的节点和所述节点之间的连边，包括：遍历从所述风险知识图谱中失信用户节点出发的每条连通分支，判断所述连通分支上的节点及节点之间的连边是否匹配所述风险模板。3.根据权利要求1所述的方法，所述根据其与邻居节点关联关系发生时间的时间参数和所述邻居节点的度数对所述节点的标签进行迭代，包括：针对所述节点的每个邻居节点，根据所述时间参数确定所述节点与其邻居节点最近一次关联关系的发生时间距今的时长；根据所述时长和所述度数计算所述邻居节点标签的属性值；将属性值满足预定条件的邻居节点标签确定为目标标签；将所述节点的标签更新为所述目标标签。4.根据权利要求3所述的方法，所述根据所述时长和所述度数计算所述邻居节点标签的属性值，包括：将所述时长和所述度数乘以对应的常数后求和，得到所述属性值；当所述时长对应的常数是负数、所述度数对应的常数是正数时，所述预定条件是属性值最大。5.根据权利要求1所述的方法，所述带时间聚集性的模块度函数等于同一社区内的连边数量占所有连边数量的比例与对所述连边进行随机分配所得到的概率期望的差值，再减去同一社区内连边的时间聚集性参数。6.根据权利要求5所述的方法，所述同一社区内连边的时间聚集性参数等于所述连边的时间参数与社区内部所有连边的时间参数中位数的差值。7.根据权利要求1所述的方法，当所述带时间聚集性的模块度函数收敛时，还包括：判断所述风险图中各节点的标签与上一轮迭代结果是否相同；若相同，则将标签相同的节点识别为同一个风险团伙。8.根据权利要求1所述的方法，还包括：根据预定的识别周期进行风险团伙的识别；当若干不同识别周期识别出的风险团伙具有部分相同节点时，将所述具有部分相同节点的风险团伙识别为同一个风险团伙，将所述部分相同节点识别为所述风险团伙的核心成员。9.根据权利要求8所述的方法，还包括：从对应风险知识图谱中提取出所述具有部分相同节点的风险团伙的网络结构图；通过可视化界面对所述网络结构图进行展示。10.根据权利要求9所述的方法，每张网络结构图中的所述部分相同节点具有相同的展示属性。11.一种风险团伙的识别装置，包括：图谱构建单元，基于失信用户的历史行为构建风险知识图谱，所述风险知识图谱包括：非用户节点、失信用户节点和与失信用户存在关联关系的普通用户节点，所述非用户节点代表用户的属性特征，所述风险知识图谱中的每个节点都具有唯一标签，节点连边用于表示相连节点之间具有关联关系，所述连边的属性包括用于表示所述关联关系发生时间的时间参数；风险提取单元，从所述风险知识图谱中提取出匹配风险模板的节点和所述节点之间的连边，以形...

【专利技术属性】
技术研发人员：王冠楠，
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