【技术实现步骤摘要】
异常用户识别的方法及装置、存储介质、电子设备
本申请涉及数据分析
,具体而言,涉及一种异常用户识别方法、异常用户识别装置、计算机可读存储介质以及电子设备。
技术介绍
随着人工智能(AI)热潮的兴起与蓬勃发展,人工智能技术在金融三反领域(反欺诈、反洗钱与反舞弊,以下简称异常或风险)发挥着越来越大的作用。但运用AI技术进行欺诈与洗钱等风险检测却存在着标签少或无标签的技术难点,因此无监督学习技术几乎成了唯一选项,其中,应用较广泛的三类主流无监督学习的算法为:聚类算法、异常值检测算法和复杂网络算法。但是以上三种算法在人工智能(AI)风险检测时均存在各自的缺陷与不足,例如聚类算法划分得到的群组与异常之间通常没有必然联系;异常值检测算法FPR(FalsePositiveRate,假正率)过高,容易误伤好客户;复杂网络算法中强关系属性缺失或数据质量参差不齐,导致复杂网络在风险识别领域难以发挥较好的作用。因此,现有技术中存在异常用户识别时,风险识别的召回率与精确率较低,风险监测方法应用领域较小的问题。
技术实现思路
本申请的目的在于提供一种异常用户识别的方法、装置、存储介质以及电子设备,在一定程度上有效提升异常用户识别时,风险识别的召回率与精确率,以及风险监测方法应用领域范围。根据本申请的一个方面,提供了一种异常用户识别方法,包括:获取多个待检测用户群组的行为特征数据,所述待检测用户群组中用户的行为特征相似;分别计算所有所述待检测用户群组之间在各个行为特征上的分布相似度之和作为边权重,以所有所述待检测用户群 ...
【技术保护点】
1.一种异常用户识别方法,其特征在于,包括:/n获取多个待检测用户群组的行为特征数据,所述待检测用户群组中用户的行为特征相似;/n分别计算所有所述待检测用户群组之间在各个行为特征上的分布相似度之和作为边权重,以所有所述待检测用户群组为节点,构建用户群组加权完全连通图;/n通过计算所述用户群组加权完全连通图中各个节点对应的待检测用户群组的行为特征的分布相异度和紧密度,确定所述用户群组加权完全连通图上风险用户群组所对应的风险节点;/n根据预设的目标异常场景下的异常特征映射表,获取所述风险节点对应的待检测用户群组中用户的行为特征在所述目标异常场景下的异常场景特征,以根据所述异常场景特征获取所述风险节点中的可疑节点;/n基于社区发现算法确定所述用户群组加权完全连通图中包含所述可疑节点的可疑节点社区,以对每个包含所述风险节点的可疑节点社区进行风险评分;/n基于所述风险评分确定异常的可疑节点社区,以将异常的所述可疑节点社区对应的待检测用户群组作为识别出的所述目标异常场景下的异常用户群。/n
【技术特征摘要】
1.一种异常用户识别方法,其特征在于,包括:
获取多个待检测用户群组的行为特征数据,所述待检测用户群组中用户的行为特征相似;
分别计算所有所述待检测用户群组之间在各个行为特征上的分布相似度之和作为边权重,以所有所述待检测用户群组为节点,构建用户群组加权完全连通图;
通过计算所述用户群组加权完全连通图中各个节点对应的待检测用户群组的行为特征的分布相异度和紧密度,确定所述用户群组加权完全连通图上风险用户群组所对应的风险节点;
根据预设的目标异常场景下的异常特征映射表,获取所述风险节点对应的待检测用户群组中用户的行为特征在所述目标异常场景下的异常场景特征,以根据所述异常场景特征获取所述风险节点中的可疑节点;
基于社区发现算法确定所述用户群组加权完全连通图中包含所述可疑节点的可疑节点社区,以对每个包含所述风险节点的可疑节点社区进行风险评分;
基于所述风险评分确定异常的可疑节点社区,以将异常的所述可疑节点社区对应的待检测用户群组作为识别出的所述目标异常场景下的异常用户群。
2.根据权利要求1所述的方法,其特征在于,所述构建用户群组加权完全连通图还包括:
计算每个所述待检测用户群组与所有待检测用户群组在各个行为特征上的第二分布相似度之和;
删除每个所述待检测用户群组中与所有所述待检测用户群组的第二分布相似度之和大于预定阈值的行为特征所对应的边权重。
3.根据权利要求1所述的方法,其特征在于,所述通过所述用户群组加权完全连通图中各个节点对应的用户群组的行为特征的分布相异度及紧密度,确定所述用户群组加权完全连通图上风险用户群组所对应的风险节点包括:
计算所述用户群组加权完全连通图中各个节点对应的用户群组的行为特征的分布相异度及紧密度;
根据公式Score=f(ΣDis,A)计算每一所述待检测用户群组的风险得分,其中,所述ΣDis为每个所述待检测群组的各个行为特征的分布相异度之和,所述A为每个所述待识别群组的紧密度;
将风险得分大于预设得分阈值的待检测用户群组所对应的节点作为风险节点,将所述风险节点上传至区块链中。
4.根据权利要求1所述的方法,其特征在于,所述通过计算所述用户群组加权完全连通图中各个节点对应的待检测用户群组的行为特征的分布相异度和紧密度,确定所述用户群组加权完全连通图上风险用户群组所对应的风险节点之后,还包括:
以所述风险节点作为初始风险种子,在所述用户群组加权完全连通图上执行图传播计算,确定与所述初始风险种子在行为特征上的分布相似度超过预定相似度阈值的第二风险节点。
5.根据权利要求1所述的方法,其特征在于,所述基于社区发现算法确定所述用户群组加权完全连通图中包含所述可疑...
【专利技术属性】
技术研发人员:钟红发,何振,尹小亮,古承炬,林育芳,陈炯其,
申请(专利权)人:平安直通咨询有限公司上海分公司,
类型:发明
国别省市:上海;31
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。