欺诈用户集中区域的预测方法、装置、设备及存储介质制造方法及图纸

本发明专利技术涉及大数据领域，公开了欺诈用户集中区域的预测方法、装置、设备及存储介质，用于提高对现有的欺诈用户名单进行欺诈用户集中区域预测的准确率。欺诈用户集中区域的预测方法包括：通过基于移动位置服务获取每个欺诈用户的欺诈用户数据并映射至网格化地图中，得到多个欺诈用户的网格点轨迹；基于预置神经网络和预置关联数值生成每个欺诈用户的预测轨迹；连接每个欺诈用户的网格点轨迹和对应的预测轨迹，得到多个欺诈用户的行进轨迹，并将其输入至时空聚类模型中，生成欺诈用户的行进范围；基于空间聚类模型对多个欺诈用户的行进范围进行聚类，确定欺诈用户集中区域。本发明专利技术还涉及区块链技术，基本信息数据可存储于区块链中。

【技术实现步骤摘要】
欺诈用户集中区域的预测方法、装置、设备及存储介质
本专利技术涉及大数据领域，尤其涉及一种欺诈用户集中区域的预测方法、装置、设备及存储介质。
技术介绍
随着互联网行业的不断发展，在相同的流畅网络体验情况下，网络安全逐渐成为了最重视的一环。用户在使用计算机网络的过程中，存在将用户信息上传至互联网的情况，例如：通过PC端办理个人信用借贷业务时，业务平台通常会收集用户身份信息、银行卡信息、个人征信等维度对用户进行审核。而在此过程中，职业欺诈用户往往用虚假信息骗取贷款，如：伪造交易记录、伪造通话记录、制造用户个人信息及良好信用等。一旦存在欺诈用户成功欺骗过业务系统情况，业务系统的安全性将不能保证，造成更大的损失，因此合理对欺诈用户进行监控或对待检测用户进行预测应是给予高度重视的。目前对欺诈用户出现范围识别的过程中，数据分析模型较为单一，对现有的欺诈用户名单进行欺诈用户集中区域预测的准确率低下，增加了被欺诈用户攻击的风险。
技术实现思路
本专利技术提供了一种欺诈用户集中区域的预测方法、装置、设备及存储介质，用于提高对现有的欺诈用本文档来自技高网...

【技术保护点】
1.一种欺诈用户集中区域的预测方法，其特征在于，所述欺诈用户集中区域的预测方法包括：/n获取欺诈用户名单，通过基于移动位置服务获取所述欺诈用户名单中每个欺诈用户的欺诈用户数据，并将每个欺诈用户数据映射至网格化地图中，得到多个欺诈用户的网格点轨迹；/n将所述多个欺诈用户的网格点轨迹输入至预置神经网络中，基于所述预置神经网络和预置关联数值生成每个欺诈用户的预测轨迹，所述预置关联数值用于指示网格点轨迹之间的预测关联性；/n连接每个欺诈用户的网格点轨迹和对应的预测轨迹，得到多个欺诈用户的行进轨迹，并将所述多个欺诈用户的行进轨迹输入至时空聚类模型中，生成每个欺诈用户的行进范围；/n基于空间聚类模型对所述...

【技术特征摘要】
1.一种欺诈用户集中区域的预测方法，其特征在于，所述欺诈用户集中区域的预测方法包括：
获取欺诈用户名单，通过基于移动位置服务获取所述欺诈用户名单中每个欺诈用户的欺诈用户数据，并将每个欺诈用户数据映射至网格化地图中，得到多个欺诈用户的网格点轨迹；
将所述多个欺诈用户的网格点轨迹输入至预置神经网络中，基于所述预置神经网络和预置关联数值生成每个欺诈用户的预测轨迹，所述预置关联数值用于指示网格点轨迹之间的预测关联性；
连接每个欺诈用户的网格点轨迹和对应的预测轨迹，得到多个欺诈用户的行进轨迹，并将所述多个欺诈用户的行进轨迹输入至时空聚类模型中，生成每个欺诈用户的行进范围；
基于空间聚类模型对所述多个欺诈用户的行进范围进行聚类，确定欺诈用户集中区域。


2.根据权利要求1所述的欺诈用户集中区域的预测方法，其特征在于，所述获取欺诈用户名单，通过基于移动位置服务获取所述欺诈用户名单中每个欺诈用户的欺诈用户数据，并将每个欺诈用户数据映射至网格化地图中，得到多个欺诈用户的网格点轨迹包括：
获取欺诈用户名单，通过基于移动位置服务获取所述欺诈用户名单中每个欺诈用户的欺诈用户数据，所述欺诈用户数据包括欺诈用户的位置信息、停留时刻以及停留时段；
将每个欺诈用户的位置信息映射在初始网格化地图中，在所述初始网格化地图中确定每个欺诈用户的位置信息，得到网格化地图；
筛选出每个欺诈用户的所述停留时段小于停留阈值的目标时段，在所述网格化地图中将所述目标时段对应的欺诈用户的位置信息剔除，在网格化地图中得到多个欺诈用户的网格点轨迹。


3.根据权利要求1所述的欺诈用户集中区域的预测方法，其特征在于，所述将所述多个欺诈用户的网格点轨迹输入至预置神经网络中，基于所述预置神经网络和预置关联数值生成每个欺诈用户的预测轨迹，所述预置关联数值用于指示网格点轨迹之间的预测关联性包括：
分别将每个欺诈用户的网格点轨迹按照预置时刻间隔点划分为前期网格点轨迹和后期网格点轨迹；
将多个欺诈用户中的每个欺诈用户的所述前期网格点轨迹输分别入至初始神经网络中，利用所述初始神经网络和预置关联数值对所述前期网格点轨迹进行训练，生成预置神经网络，所述初始神经网络用于对所述前期网格点轨迹进行训练；
将所述后期网络点轨迹输入至所述预置神经网络中，利用所述预置神经网络对所述后期网络点轨迹进行预测，生成每个欺诈用户的预测轨迹。


4.根据权利要求2所述的欺诈用户集中区域的预测方法，其特征在于，所述将多个欺诈用户中的每个欺诈用户的所述前期网格点轨迹输分别入至初始神经网络中，利用所述初始神经网络和预置关联数值对所述前期网格点轨迹进行训练，生成预置神经网络，所述初始神经网络用于对所述前期网格点轨迹进行训练包括：
将多个欺诈用户中的每个欺诈用户的前期网格点轨迹划分为待训练网格点轨迹和待测试网格点轨迹；
在多个欺诈用户中获取目标欺诈用户的所述目标待训练网格点轨迹的目标停留时刻，并按照所述目标停留时刻的时间顺序将所述目标欺诈用户的所述目标停留时刻和对应的目标待训练网格点轨迹输入至初始神经网络中；
在所述初始神经网络中，利用预置关联数值确定所述目标待训练网格点轨迹之间的预测转化间隔数据；
在所述初始神经网络中，通过所述预测转化间隔数据对所述目标待训练网格点轨迹进行训练，并利用所述目标欺诈用户的目标待测试网格点轨迹对初始神经网络进行验证，得到基础神经网络；
获取其他欺诈用户的其他待训练网格点轨迹的其他停留时刻，将所述其他停留时刻和对应的其他待训练网格点轨迹输入至所述基础神经网络中，对所述基础神经网络进行调整，生成预置神经网络，所述其他欺诈用户为多个欺诈用户中除所述目标欺诈用户之外的欺诈用户。


5.根据权利要求1所述的欺诈用户集中区域的预测方法，其特征在于，所述连接每个欺诈用户的网格点轨迹和对应的预测轨迹，得到多个欺诈用户的行进轨迹并将所述多个欺诈用户的行进轨迹输入至时空聚类模型中，生成每个欺诈用户的行进范围包括：
连接每个欺诈用户的网络点轨迹和对应的预测轨迹，得到多个欺诈用户的行进轨迹；
获取所述多个欺诈用户的行进轨迹中目标行进轨迹上的多个行进位置网格点，并将所述目标行进轨迹上的多个行进位置网格点输入至时空聚类模型中，利用所述时空聚类模型在多个行进位置网格点中随机选取一个目标行进位置网格...

【专利技术属性】
技术研发人员：沈嘉良，胡英东，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东;44