异常交易检测的方法技术

本发明专利技术提供了一种异常交易检测的方法，发明专利技术提供的基于长短期记忆网路(递归神经网络的一种)异常交易检测的方法，具有识别交易数据特征和交易时序特征能力，可以用于检测大量交易数据的异常交易检测的方法，实现了互联网金融系统中异常交易识别的优化，有效提升交易系统的安全性和执行效率。

Methods of abnormal transaction detection

【技术实现步骤摘要】
异常交易检测的方法
本专利技术涉及一种异常交易检测的方法。
技术介绍
中国的电子商务的崛起与网上交易的普及等现状，这使我国的银行交易量级业务迎来大数据的时代。现如今，我国的金融业正在“互联网+”的新时代，在互联网的时代，银行业在一段时间内发生了巨大变化。随着经济的发展，银行交易的数据量越来越庞大，近年来，电子商务的崛起，P2P交易方式等使得交易数据量进一步扩大。同时，异常交易也在提升，怎样能够在庞大的数据面前有效的检测出异常交易，变成了一项巨大的挑战。现如今异常交易检测技术主要有：1.在交易系统的软件测试阶段：软件测试人员与开发人员，通过软件的强壮性测试，对交易系统软件输入大量的不规则数据，交易软件系统使用条件判断，对交易软件系统的输入值进行过滤，而如今的交易数据具有多变性和复杂性，这种僵硬的条件判断，不能满足异常交易检测的要求，此种方法是异常交易检测最初级的方法。2.交易系统的管理人员和运维人员，定期的对一定量的交易数据进行统计检测，依据人员的工作经验，主观的将异常的交易检测出来，此种方法灵活性最大，但是，效率低下，只本文档来自技高网...

【技术保护点】
1.一种异常交易检测的方法，其特征在于，包括：/n将数据划分为训练集和测试集；/n基于所述训练集训练出用于异常交易检测的神经网络模型；/n基于所述测试集，并使用评价体系所述神经网络模型进行收敛调优，以得到目标神经网络模型；/n基于所述目标神经网络模型对异常交易进行检测。/n

【技术特征摘要】
1.一种异常交易检测的方法，其特征在于，包括：
将数据划分为训练集和测试集；
基于所述训练集训练出用于异常交易检测的神经网络模型；
基于所述测试集，并使用评价体系所述神经网络模型进行收敛调优，以得到目标神经网络模型；
基于所述目标神经网络模型对异常交易进行检测。


2.如权利要求1所述的异常交易检测的方法，其特征在于，所述神经网络模型为递归神经网络和长短期记忆模型。


3.如权利要求1所述的异常交易检测的方法，其特征在于，所述神经网络模型的开发依赖库为tensorflow机器学习开源库。


4.如权利要求1所述的异常交易检测的方法，其特征在于，所述训练集中的数据经过离差标准化处理。


5.如权利要求1所述的异常交易检测的方法，其特征在于，将数据划分为训练集和测试集，包括：
使用交叉验证法划分训练集和测试集。


6.如权利要求1所述的异常交易检测的方法，其特征在于，基于所述训练集训...

【专利技术属性】
技术研发人员：刘云翔，唐泽莘，郑文杰，张国庆，原鑫鑫，潘琪，
申请(专利权)人：上海应用技术大学，
类型：发明
国别省市：上海;31