交易行为的风险识别方法、装置、存储介质和计算机设备制造方法及图纸

本说明书实施例提供了一种交易行为的风险识别方法、装置、存储介质和计算机设备。该方法包括：获取用户账户的多个交易行为数据；对所述多个交易行为数据进行预处理，生成多个交易行为序列；根据所述多个交易行为序列，利用行为序列分类模型，确定出交易行为分类标签；根据所述交易行为分类标签，生成所述多个交易行为数据的风险识别结果。

Risk identification method, device, storage medium and computer equipment of transaction behavior

【技术实现步骤摘要】
交易行为的风险识别方法、装置、存储介质和计算机设备
本说明书实施例涉及互联网
，特别涉及一种交易行为的风险识别方法、装置、存储介质和计算机设备。
技术介绍
在网络支付场景中，支付机构应当具备必要的技术手段，确保支付业务的及时性、准确性和安全性，因此，支付机构需要设计合理的风控规则以实现对支付业务的风险识别。在对交易行为进行风险识别的过程中，可疑交易行为的监控是反洗钱系统中的重要一环。当前的可疑交易行为检测主要是基于90天的交易相关统计特征和规则命中特征，用树模型进行分类检测。这就要求对每一种类的罪行单独设计一套人工特征并且单独训练一个树模型。而后，运营人员会对通过树模型进行分类的90天的交易数据进行人工审核，定位出具体的可疑交易行为，以帮助运营取证。
技术实现思路
有鉴于此，本说明书实施例提供了一种交易行为的风险识别方法、装置、存储介质和计算机设备，用于提高可疑交易行为识别的准确性和效率。一方面，本说明书实施例提供了一种交易行为的风险识别方法，包括：获取用户账户的多个交易行为数据；对所述多个交易行为数据进行预处理，生成多个交易行为序列；根据所述多个交易行为序列，利用行为序列分类模型，确定出交易行为分类标签；根据所述交易行为分类标签，生成所述多个交易行为数据的风险识别结果。可选地，所述对所述多个交易行为数据进行预处理，包括：若所述交易行为数据包括枚举型属性数据，对所述交易行为数据进行独热编码处理；或者，若所述交易行为数据包括连续型数值数据，对所述交易行为数据进行归一化处理或者分箱处理。可选地，所述根据所述多个交易行为序列，利用行为序列分类模型，确定出交易行为分类标签，包括：将所述多个交易行为序列与预先学习的多个嵌入向量相乘，生成多个交易行为输入向量；将所述多个交易行为输入向量输入神经网络模型，输出多个隐向量；将所述多个隐向量输入注意力模型，输出交易行为输出向量；通过第一激活函数对所述交易行为输出向量进行文本分类，生成所述交易行为分类标签。可选地，所述神经网络模型包括双向门控循环神经网络模型或者双向长短时记忆神经模型。可选地，所述将所述隐向量输入注意力模型，输出交易行为输出向量包括：通过第二激活函数对所述多个隐向量进行计算，生成多个映射向量；根据所述多个映射向量和注意力向量，生成所述多个隐向量对应的注意力权重；根据所述多个隐向量和对应的注意力权重，生成所述交易行为输出向量。可选地，所述根据所述交易行为分类标签，生成所述多个交易行为数据的风险识别结果，包括：若所述交易行为分类标签包括可疑交易时，从多个所述注意力权重中查询出大于设定阈值的注意力权重；查询出大于设定阈值的注意力权重对应的隐向量；将查询出的隐向量对应的交易行为数据的风险识别结果确定为可疑交易行为。可选地，所述根据所述交易行为分类标签，生成所述多个交易行为数据的风险识别结果，包括：若所述交易行为分类标签包括非可疑交易时，将所述多个交易行为数据的风险识别结果确定为非可疑交易行为。可选地，所述多个交易行为数据包括用户账户、交易账户、支付时间、支付金额、支付方式、支付创建渠道、国家IP地址、省市IP地址、收付方向和币种。可选地，所述用户账户包括付款方账户，所述交易账户包括收款方账户，收付方向包括付款；或者，所述用户账户包括收款方账户，所述交易账户包括付款方账户，收付方向包括收款。可选地，所述多个交易行为数据还包括用户账户的性别、年龄、职业、收入和财产状况中之一或其任意组合。另一方面，本说明书实施例提供了一种交易行为的风险识别装置，包括：获取模块，用于获取用户账户的多个交易行为数据；预处理模块，用于对所述多个交易行为数据进行预处理，生成多个交易行为序列；确定模块，用于根据所述多个交易行为序列，利用行为序列分类模型，确定出交易行为分类标签；生成模块，用于根据所述交易行为分类标签，生成所述多个交易行为数据的风险识别结果。可选地，所述预处理模块具体用于若所述交易行为数据包括枚举型属性数据，对所述交易行为数据进行独热编码处理；或者，若所述交易行为数据包括连续型数值数据，对所述交易行为数据进行归一化处理或者分箱处理。可选地，所述确定模块包括：第一计算模块，用于将所述多个交易行为序列与预先学习的多个嵌入向量相乘，生成多个交易行为输入向量；第二计算模块，用于将所述多个交易行为输入向量输入神经网络模型，输出多个隐向量；第三计算模块，用于将所述多个隐向量输入注意力模型，输出交易行为输出向量；第四计算模块，用于通过第一激活函数对所述交易行为输出向量进行文本分类，生成所述交易行为分类标签。可选地，所述第三计算模块具体用于通过第二激活函数对所述多个隐向量进行计算，生成多个映射向量；根据所述多个映射向量和注意力向量，生成所述多个隐向量对应的注意力权重；根据所述多个隐向量和对应的注意力权重，生成所述交易行为输出向量。可选地，所述生成模块具体用于若所述交易行为分类标签包括可疑交易时，从多个所述注意力权重中查询出大于设定阈值的注意力权重；查询出大于设定阈值的注意力权重对应的隐向量；将查询出的隐向量对应的交易行为数据的风险识别结果确定为可疑交易行为。可选地，所述生成模块具体用于若所述交易行为分类标签包括非可疑交易时，将所述多个交易行为数据的风险识别结果确定为非可疑交易行为。另一方面，本说明书提供了一种存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行上述交易行为的风险识别方法的步骤。另一方面，本说明书提供了一种计算机设备，包括存储器和处理器，所述存储器用于存储包括程序指令的信息，所述处理器用于控制程序指令的执行，所述程序指令被处理器加载并执行时实现上述交易行为的风险识别方法的步骤。本说明书实施例的方案中，对获取的用户账户的多个交易行为数据进行预处理以生成多个交易行为序列，利用行为序列分类模型确定出交易行为分类标签，并根据交易行为分类标签确定出多个交易行为数据的风险识别结果，提高了可疑交易行为识别的准确性和效率。附图说明为了更清楚地说明本说明书实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。图1为本说明书一实施例提供的一种交易行为的风险识别方法的流程图；图2为本说明书实施例中行为序列分类模型的示意图；图3为本说明书实施例中通过行为序列分类模型确定交易行为分类标签的流程图；图4为本说明书实施例中及交易行为数据与注意力权重的示意图；图5为本说明书一实施例提供的一种交易行为的风险识别装置的结构示意图；图6是本说明本文档来自技高网...

【技术保护点】
1.一种交易行为的风险识别方法，包括：/n获取用户账户的多个交易行为数据；/n对所述多个交易行为数据进行预处理，生成多个交易行为序列；/n根据所述多个交易行为序列，利用行为序列分类模型，确定出交易行为分类标签；/n根据所述交易行为分类标签，生成所述多个交易行为数据的风险识别结果。/n

【技术特征摘要】
1.一种交易行为的风险识别方法，包括：
获取用户账户的多个交易行为数据；
对所述多个交易行为数据进行预处理，生成多个交易行为序列；
根据所述多个交易行为序列，利用行为序列分类模型，确定出交易行为分类标签；
根据所述交易行为分类标签，生成所述多个交易行为数据的风险识别结果。


2.根据权利要求1所述的方法，其中，所述对所述多个交易行为数据进行预处理，包括：
若所述交易行为数据包括枚举型属性数据，对所述交易行为数据进行独热编码处理；或者，
若所述交易行为数据包括连续型数值数据，对所述交易行为数据进行归一化处理或者分箱处理。


3.根据权利要求1所述的方法，其中，所述根据所述多个交易行为序列，利用行为序列分类模型，确定出交易行为分类标签，包括：
将所述多个交易行为序列与预先学习的多个嵌入向量相乘，生成多个交易行为输入向量；
将所述多个交易行为输入向量输入神经网络模型，输出多个隐向量；
将所述多个隐向量输入注意力模型，输出交易行为输出向量；
通过第一激活函数对所述交易行为输出向量进行文本分类，生成所述交易行为分类标签。


4.根据权利要求3所述的方法，其中，所述神经网络模型包括双向门控循环神经网络模型或者双向长短时记忆神经模型。


5.根据权利要求3所述的方法，其中，所述将所述隐向量输入注意力模型，输出交易行为输出向量包括：
通过第二激活函数对所述多个隐向量进行计算，生成多个映射向量；
根据所述多个映射向量和注意力向量，生成所述多个隐向量对应的注意力权重；
根据所述多个隐向量和对应的注意力权重，生成所述交易行为输出向量。


6.根据权利要求5所述的方法，其中，所述根据所述交易行为分类标签，生成所述多个交易行为数据的风险识别结果，包括：
若所述交易行为分类标签包括可疑交易时，从多个所述注意力权重中查询出大于设定阈值的注意力权重；
查询出大于设定阈值的注意力权重对应的隐向量；
将查询出的隐向量对应的交易行为数据的风险识别结果确定为可疑交易行为。


7.根据权利要求1所述的方法，其中，所述根据所述交易行为分类标签，生成所述多个交易行为数据的风险识别结果，包括：
若所述交易行为分类标签包括非可疑交易时，将所述多个交易行为数据的风险识别结果确定为非可疑交易行为。


8.根据权利要求1至7任一所述的方法，其中，所述多个交易行为数据包括用户账户、交易账户、支付时间、支付金额、支付方式、支付创建渠道、国家IP地址、省市IP地址、收付方向和币种。


9.根据权利要求8所述的方法，其中，所述用户账户包括付款方账户，所述交易账户包括收款方账户，收付方向包括付款；或者，
所述用户账户包括...

【专利技术属性】
技术研发人员：朱敏杰，陈永环，张天翼，刘金星，
申请(专利权)人：支付宝杭州信息技术有限公司，
类型：发明
国别省市：浙江;33