一种基于密集子图的银行信用卡反套现方法技术

本发明专利技术提供一种基于密集子图的银行信用卡反套现方法，该方法包括：构建基于银行资金流水的多分图模型；根据量化套现嫌疑度的密度函数，计算所述多分图模型中每一子图对应的密度值，并搜索所述多分图模型，将密度值最大的子图作为密集子图；根据所述密集子图，输出疑似套现的银行账户。本发明专利技术实施例能够从银行资金流水分析商户的信用卡资金流向，发现具有套现嫌疑的对象。当前的信用卡套现呈现集团化发展，而该方法能够侦测团伙套现，并且不需要依靠以往的经验，能够适应各种新的套现模式，具有较高的鲁棒性和适应性。此外，该方法能够增强结果的可解释性。

【技术实现步骤摘要】
一种基于密集子图的银行信用卡反套现方法
本专利技术涉及计算机
，尤其涉及一种基于密集子图的银行信用卡反套现方法。
技术介绍
信用卡套现是指持卡人通过非常规手段将银行授予信用额度内的资金以现金方式套取，期间没有支付银行相关提现费用。银行信用卡以免息周期长、利息成本低等特点成为最佳的套现对象。信用卡套现行为普遍存在且快速发展，呈现集团化、专业化、平台化发展趋势，其套现手法具有多样、隐蔽等特点，这些使得侦测和打击套现的难度非常大。目前识别信用卡套现有以下几种技术手段。第一，构建反套现规则库。该方法的特征是通过套现案例分析，基于银行交易流水挖掘用户异常行为模式，从而建立一套识别信用卡套现的规则体系。当交易行为与规则匹配或者触发预设的阈值条件，系统会发出告警。基于规则库的方法主要缺陷在于反套现规则的建立和维护。套现黑灰产提供的完美账单服务，从交易明细数据看难以发现异常行为。这会导致案例学习难以及规则定义难。此外，反套现规则根据业务类型、信贷类型等场景分别建立特定规则组合，需要专家更新和维护规则库，对领域经验依赖度较大，从而导致该方法的准确度较低。第二，无监督学习方法。首先，构建交易的特征组合，包括客户属性、商户属性、业务属性、金额属性、交易的时空属性等。然后，准备数据集，包括历史交易流水及其特征。使用无监督学习在数据集上训练得到合法交易行为的模型。模型用于侦测异常交易活动。无监督学习方法侦测异常交易行为具有两个主要缺陷。首先，模型误报警率较高。该方法的前提假设是历史交易数据大部分是合法交易行为，因此对有别于大多数的交易行为被认为是异常的，但这不一定是套现行为。其次，结果的可解释性差。无法从直观地从结果看异常，需要进一步后验分析。第三，有监督学习方法。首先，特征工程同无监督学习方法。其次，标注正负样本。对每条历史交易流水按正常交易和欺诈交易进行打标。然后，将数据集用于训练二分类模型，其中部分数据用于泛化性评估。这里使用有监督学习算法，不限于决策树、SVM、ANN等。有监督学习方法，其效果好坏主要取决于标注样本数据集的完备性。该方法需要对历史交易流水进行打标，即提前知道哪些是套现交易。这样的数据准备是难以实现的。此外，该方法生成的分类模型主要用于已知的套现模式，对于新模式是无法报警的。然而，套现产业化发展，套现模式是不断更新和变化的。因此，针对现有的银行信用卡反套现方法准确度低、无法适应新模式的问题，亟需一种新的银行信用卡反套现方法。
技术实现思路
本专利技术实施例提供一种基于密集子图的银行信用卡反套现方法，用以解决现有技术中准确度低的缺陷。本专利技术实施例提供一种基于密集子图的银行信用卡反套现方法，包括：构建基于银行资金流水的多分图模型；根据量化套现嫌疑度的密度函数，计算所述多分图模型中每一子图对应的密度值，并搜索所述多分图模型，将密度值最大的子图作为密集子图；根据所述密集子图，输出疑似套现的银行账户。根据本专利技术一个实施例的基于密集子图的银行信用卡反套现方法，所述构建基于银行资金流水的多分图模型，具体包括：构建多分图模型：所述多分图模型包括节点集合和边集合，所述节点集合包括信用卡账户集合、pos机商户结算账户集合、资金中转账户集合和资金流转至最终的借记卡账户集合中的一种或多种，所述边集合包括所述节点集合中任意相邻两个节点之间的转账关系；数据准备：基于时空条件，获取指定账户、与所述指定账户相关的银行资金流水数据；实例化图模型：根据所述指定账户、与所述指定账户相关的银行资金流水数据，对所述多分图模型进行实例化，获取实例化后的多分图模型。根据本专利技术一个实施例的基于密集子图的银行信用卡反套现方法，所述多分图模型的具体表示公式如下：G＝(V,E)，V＝X∪Y1∪…∪Yk-2∪Z，E＝E1∪…∪Ek-1，其中，G表示所述多分图模型，V表示所述节点集合，X表示所述信用卡账户集合，Y1表示所述pos机商户结算账户集合，k表示预设数值，Y2…Yk-2表示所述资金中转账户集合，Z表示所述资金流转至最终的借记卡账户集合，E表示所述边集合，E1表示所述信用卡账户与所述pos机商户的信用卡之间的交易关系，E2…Ek-1表示所述pos机商户结算账户、资金中转账户以及资金目标账户之间的转账关系，所述资金目标账户即为所述资金流转至最终的借记卡账户。根据本专利技术一个实施例的基于密集子图的银行信用卡反套现方法，所述多分图模型中每一子图对应的密度值具体计算公式如下：Fmin(V′,vi)＝min{Dout(V′,vi),Din(V′,vi)}，Fmax(V′,vi)＝max{Dout(V′,vi),Din(V′,vi)}，其中，V′表示子图，F表示中间账户节点关于子图的出入度评价函数，Dout(V′,vi)表示节点vi在子图V′中的总出度，Din(V′,vi)表示节点vi在子图V′中的总入度，Fmin(V′,vi)表示节点vi关于子图V′的最小出入度，Fmax(V′,vi)表示节点vi关于子图V′的最大出入度，X表示信用卡账户集合，Z表示资金流转至最终的借记卡账户集合，Y1表示pos机商户结算账户集合，Y2…Yk-2表示所述资金中转账户集合。根据本专利技术一个实施例的基于密集子图的银行信用卡反套现方法，所述并搜索所述多分图模型，将密度值最大的子图作为密集子图，具体包括：计算所述多分图模型中每一节点的权重；根据每一节点的权重建立优先查找树，将每一节点的权重存在于所述优先查找树的叶子节点，所有父结点都取其子节点的最小值；按照预设规则，遍历所述优先查找树的节点集；每次遍历将密度值最大的节点输出，作为所述密集子图。根据本专利技术一个实施例的基于密集子图的银行信用卡反套现方法，所述计算所述多分图模型中每一节点的权重，具体通过如下公式确定：其中，W(V′,vi)表示节点vi在子图V′中的权重，Dout(V′,vi)表示节点vi在子图V′中的总出度，Din(V′,vi)表示节点vi在子图V′中的总入度，Fmin表示节点vi关于子图V′的最小出入度，Fmax表示节点vi关于子图V′的最大出入度。根据本专利技术一个实施例的基于密集子图的银行信用卡反套现方法，所述按照预设规则，遍历所述优先查找树的节点集，具体包括：获取所述优先查找树中当前节点集中权重最小节点；从所述当前节点集中移除权重最小节点；更新所有与权重最小节点的相邻节点的权重，同时更新每一节点的密度值；从所述优先查找树中删去节点，根据节点权重更新优先查找树结构，得到更新后的优先查找树；迭代上述过程，直到所述当前节点集为空。本专利技术实施例提出一种基于密集子图的银行信用卡反套现方法，通过该方法能够从银行资金流水分析商户的信用卡资金流向，发现具有套现嫌疑的对象。当前的信用卡套现呈现集团化发展，而该方法能够侦测团伙套现，并且不需要依本文档来自技高网...

【技术保护点】
1.一种基于密集子图的银行信用卡反套现方法，其特征在于，包括：/n构建基于银行资金流水的多分图模型；/n根据量化套现嫌疑度的密度函数，计算所述多分图模型中每一子图对应的密度值，并搜索所述多分图模型，将密度值最大的子图作为密集子图；/n根据所述密集子图，输出疑似套现的银行账户。/n

【技术特征摘要】
1.一种基于密集子图的银行信用卡反套现方法，其特征在于，包括：
构建基于银行资金流水的多分图模型；
根据量化套现嫌疑度的密度函数，计算所述多分图模型中每一子图对应的密度值，并搜索所述多分图模型，将密度值最大的子图作为密集子图；
根据所述密集子图，输出疑似套现的银行账户。


2.根据权利要求1所述的基于密集子图的银行信用卡反套现方法，其特征在于，所述构建基于银行资金流水的多分图模型，具体包括：
构建多分图模型：所述多分图模型包括节点集合和边集合，所述节点集合包括信用卡账户集合、pos机商户结算账户集合、资金中转账户集合和资金流转至最终的借记卡账户集合中的一种或多种，所述边集合包括所述节点集合中任意相邻两个节点之间的转账关系；
数据准备：基于时空条件，获取指定账户、与所述指定账户相关的银行资金流水数据；
实例化图模型：根据所述指定账户、与所述指定账户相关的银行资金流水数据，对所述多分图模型进行实例化，获取实例化后的多分图模型。


3.根据权利要求2所述的基于密集子图的银行信用卡反套现方法，其特征在于，所述多分图模型的具体表示公式如下：
G＝(V,E)，
V＝X∪Y1∪…∪Yk-2∪Z，
E＝E1∪…∪Ek-1，
其中，G表示所述多分图模型，V表示所述节点集合，X表示所述信用卡账户集合，Y1表示所述pos机商户结算账户集合，k表示预设数值，Y2…Yk-2表示所述资金中转账户集合，Z表示所述资金流转至最终的借记卡账户集合，E表示所述边集合，E1表示所述信用卡账户与所述pos机商户的信用卡之间的交易关系，E2…Ek-1表示所述pos机商户结算账户、资金中转账户以及资金目标账户之间的转账关系，所述资金目标账户即为所述资金流转至最终的借记卡账户。


4.根据权利要求1所述的基于密集子图的银行信用卡反套现方法，其特征在于，所述多分图模型中每一子图对应的密度值具体计算公式如下：






Fmin(V′,vi)＝min{Dout(V′,vi),Din(V′,vi)}，
Fma...

【专利技术属性】
技术研发人员：蔡明，季颖生，张政，邢怀康，
申请(专利权)人：北京中亦安图科技股份有限公司，
类型：发明
国别省市：北京;11