【技术实现步骤摘要】
用于识别异常交易的方法及装置
本公开涉及计算机
,具体地,涉及用于识别异常交易的方法及装置。
技术介绍
在互联网商务中,欺诈性交易等异常交易会给交易方带来损失。通过对异常交易进行识别,能够采取措施以减少损失。目前,主要采用人为筛选黑白名单、配置异常决策规则等方法来进行异常交易识别。黑白名单、决策规则依赖人为经验,存在人为主观因素干扰,因而对异常交易的识别准确度难以提高。
技术实现思路
鉴于上述,本公开提供了一种用于识别异常交易的方法及装置。利用该方法和装置,利用针对各个异常交易类别的第一异常交易识别模型确定待识别交易与各个异常交易类别之间的各个第一关联度,然后利用第二异常交易模型基于所获得的各个第一关联度来确定待识别交易是否为异常交易,能够提高异常交易识别的准确性。根据本公开的一个方面,提供了一种用于识别异常交易的方法,包括:基于待识别交易样本,利用各个异常交易类别的第一异常交易识别模型,确定待识别交易与所述各个异常交易类别的各个第一关联度,所述各个异常交易类别的第一异常交易识别模型是利用相应异常交易类别的第一异常交易样本集训练得到的;以及基于确定出的各个第一关联度,利用第二异常交易识别模型确定所述待识别交易是否为异常交易,所述第二异常交易识别模型是利用第二异常交易样本集中的各个第二异常交易样本与所述各个异常交易类别中的至少一个异常交易类别的第二关联度训练得到的,所述第二关联度利用所述第一异常交易模型确定。可选的,在一个示例中,基于确定出的各个第一关联度,利用第二异常交易识别模型确定所述待识别交易是否为异常交易可以包括:基于确定出的各个第一关联度,确定所 ...
【技术保护点】
1.一种用于识别异常交易的方法,包括:基于待识别交易样本,利用各个异常交易类别的第一异常交易识别模型,确定待识别交易与所述各个异常交易类别的各个第一关联度,所述各个异常交易类别的第一异常交易识别模型是利用相应异常交易类别的第一异常交易样本集训练得到的;以及基于确定出的各个第一关联度,利用第二异常交易识别模型确定所述待识别交易是否为异常交易,所述第二异常交易识别模型是利用第二异常交易样本集中的各个第二异常交易样本与所述各个异常交易类别中的至少一个异常交易类别的第二关联度训练得到的,所述第二关联度利用所述第一异常交易模型确定。
【技术特征摘要】
1.一种用于识别异常交易的方法,包括:基于待识别交易样本,利用各个异常交易类别的第一异常交易识别模型,确定待识别交易与所述各个异常交易类别的各个第一关联度,所述各个异常交易类别的第一异常交易识别模型是利用相应异常交易类别的第一异常交易样本集训练得到的;以及基于确定出的各个第一关联度,利用第二异常交易识别模型确定所述待识别交易是否为异常交易,所述第二异常交易识别模型是利用第二异常交易样本集中的各个第二异常交易样本与所述各个异常交易类别中的至少一个异常交易类别的第二关联度训练得到的,所述第二关联度利用所述第一异常交易模型确定。2.如权利要求1所述的方法,其中,基于确定出的各个第一关联度,利用第二异常交易识别模型确定所述待识别交易是否为异常交易包括:基于确定出的各个第一关联度,确定所述待识别交易的对应异常交易类别;以及利用所述对应异常交易类别的第二异常交易识别模型,基于对应异常交易类别所对应的第一关联度,识别所述待识别交易是否为异常交易,其中,所述第二异常交易识别模型是在基于所述各个第二异常交易样本与所述各个异常交易类别的第二关联度,确定出所述各个第二异常交易样本所对应的异常交易类别之后,利用所述各个第二异常交易样本所对应的异常交易类别的第二关联度训练得到的。3.如权利要求1所述的方法,其中,基于确定出的各个第一关联度,利用第二异常交易识别模型识别所述待识别交易是否为异常交易包括:将确定出的各个第一关联度作为所述第二异常交易识别模型的输入,以确定所述待识别交易是否为异常交易,其中,所述第二异常交易识别模型是利用所述各个第二异常交易样本与所述各个异常交易类别的第二关联度训练得到的。4.如权利要求1至3中任一项所述的方法,其中,所述各个异常交易类别和相应异常交易类别的第一异常交易样本集是对原始异常交易样本集进行聚类而得到的。5.如权利要求4所述的方法,其中,所述原始异常交易样本集中的各个原始异常交易样本为经过特征筛选处理的异常交易样本,所述特征筛选处理基于以下规则中的任一项来执行:针对所述初始异常交易样本集中的各个原始异常交易样本:选取该原始交易样本中的各个样本特征中,两两之间的第一相关度小于第一相关度阈值的样本特征;选取所述各个样本特征中,与异常交易标记之间的第二相关度大于第二相关度阈值的样本特征;选取所述各个样本特征中,至少一个两两之间的相关特性为线性相关的样本特征和至少一个两两之间的相关特性为非线性相关的样本特征;和/或选取所述各个样本特征中,至少一个与异常交易标记之间的相关特性为线性相关的样本特征和至少一个与异常交易标记之间的相关特性为非线性相关的样本特征。6.如权利要求1至3中任一项所述的方法,其中,所述各个第一异常交易样本集中的各个第一异常交易样本基于相应异常交易类别的选定特征而生成,所述选定特征是利用相应异常交易类别的特征选择模型基于对应于各个异常交易类别的原始交易样本得到的。7.如权利要求6所述的方法,其中,基于待识别交易样本,利用各个异常交易类别的第一异常交易识别模型,确定待识别交易与所述各个异常交易类别的各个第一关联度包括:基于各个异常交易类别的选定特征和所述待识别交易样本,生成对应于...
【专利技术属性】
技术研发人员:解承莹,
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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。