欺诈社团识别方法及系统技术方案

本发明专利技术实施例提供一种欺诈社团识别方法及系统，基于业务申请行为数据提取对应的行为关系图网络，依据行为关系图网络与第一欺诈社团特征中的第一欺诈循环流向向量之间的关系联系参数，获得第一关系联系属性分布，并依据行为关系图网络与第二欺诈社团特征中的第二欺诈循环流向向量之间的关系联系参数，获得第二关系联系属性分布，由此可基于业务申请行为数据中的业务申请行为对应于第二欺诈社团的行为活动的关系联系属性确定各业务申请行为关联的欺诈可能性，进而规避第一欺诈社团特征的社团判别场景对第二欺诈社团特征的判别结果产生的干扰，有效区别第一欺诈社团特征和第二欺诈社团特征中的类似欺诈行为。二欺诈社团特征中的类似欺诈行为。二欺诈社团特征中的类似欺诈行为。

【技术实现步骤摘要】
欺诈社团识别方法及系统


[0001]本专利技术涉及欺诈识别
，具体而言，涉及一种欺诈社团识别方法及系统。

技术介绍

[0002]当前的欺诈社团识别以确定欺诈可能性，通常是针对单个已知的欺诈社团特征进行特征匹配，然而在某些业务场景下，往往可能涉及到跨欺诈判别场景的预估识别，如何有效规避某一当前所在业务群的欺诈社团特征的社团判别场景对另一个欺诈社团特征的判别结果产生的干扰，是欺诈社团识别亟待研究的技术问题。

技术实现思路

[0003]为了至少克服现有技术中的上述不足，本专利技术的目的在于提供一种欺诈社团识别方法及系统。
[0004]第一方面，本专利技术提供一种欺诈社团识别方法，应用于欺诈社团识别系统，所述方法包括：基于传递的业务申请行为数据提取对应的行为关系图网络；依据所述行为关系图网络与第一欺诈社团特征中的第一欺诈循环流向向量之间的关系联系参数，获得第一关系联系属性分布，并依据所述行为关系图网络与第二欺诈社团特征中的第二欺诈循环流向向量之间的关系联系参数，获得第二关系联系属性分布；对所述第一关系联系属性分布和所述第二关系联系属性分布进行欺诈社团识别，获得所述业务申请行为数据中的业务申请行为对应于第二欺诈社团的行为活动的关系联系属性；基于所述业务申请行为数据中的业务申请行为对应于第二欺诈社团的行为活动的关系联系属性确定所述业务申请行为数据中的业务申请行为在所述第二欺诈社团中的欺诈预估节点。
[0005]第二方面，本专利技术实施例还提供一种欺诈社团识别系统，所述欺诈社团识别系统包括处理器和机器可读存储介质，所述机器可读存储介质中存储有机器可执行指令，所述机器可执行指令由所述处理器加载并执行以实现前述的欺诈社团识别方法。
[0006]依据上述任意一个方面，基于业务申请行为数据提取对应的行为关系图网络，依据行为关系图网络与第一欺诈社团特征中的第一欺诈循环流向向量之间的关系联系参数，获得第一关系联系属性分布，并依据行为关系图网络与第二欺诈社团特征中的第二欺诈循环流向向量之间的关系联系参数，获得第二关系联系属性分布，对第一关系联系属性分布和第二关系联系属性分布进行欺诈社团识别，获得业务申请行为数据中的业务申请行为对应于第二欺诈社团的行为活动的关系联系属性，以基于业务申请行为数据中的业务申请行为对应于第二欺诈社团的行为活动的关系联系属性确定各业务申请行为关联的欺诈可能性，进而规避第一欺诈社团特征的社团判别场景对第二欺诈社团特征的判别结果产生的干扰，有效区别第一欺诈社团特征和第二欺诈社团特征中的类似欺诈行为。
附图说明
[0007]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要启用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以依据这些附图提取其它相关的附图。
[0008]图1为本专利技术实施例提供的欺诈社团识别方法的流程示意图；图2为本专利技术实施例提供的用于实现上述的欺诈社团识别方法的欺诈社团识别系统的结构示意框图。
具体实施方式
[0009]以下描述是为了使本领域的普通技术人员能够实施和利用本专利技术，并且该描述是在特定的应用场景及其要求的环境下提供的。对于本领域的普通技术人员来讲，显然可以对所公开的实施例作出各种改变，并且在不偏离本专利技术的原则和范围时，本专利技术中所定义的普遍原则可以适用于其它实施例和应用场景。因此，本专利技术并不限于所描述的实施例，而应该被给予与权利要求一致的最广泛的范围。
[0010]本专利技术中所使用的术语仅用于描述特定的示例性实施例，并不限制本专利技术的范围。如本专利技术使用的单数形式“一”、“一个”及“该”可以同样包括复数形式，除非上下文明确提示例外情形。还应当理解，如在本专利技术说明书中，术语“包括”、“包含”仅提示存在所述特征、整体、步骤、操作、组件和/或部件，但并不排除存在或添加一个或以上其它特征、整体、步骤、操作、组件、部件和/或其组合的情况。
[0011]根据以下对附图的描述，本专利技术的这些和其它的特征、特点以及相关结构元件的功能和操作方法，以及部件组合和制造经济性，可以变得更加显而易见，这些附图都构成本专利技术说明书的一部分。然而，应当理解的是，附图仅仅是为了说明和描述的目的，并不旨在限制本专利技术的范围。应当理解的是，附图并不是按比例绘制的。
[0012]本专利技术中使用了流程图用来说明根据本专利技术的一些实施例的系统所执行的操作。应当理解的是，流程图中的操作可以不按顺序执行。相反，可以按照倒序或同时处理各种步骤。此外，可以向流程图添加一个或以上其它操作。也可以从流程图中删除一个或以上操作。
[0013]下面结合说明书附图对本专利技术进行具体说明，方法实施例中的具体操作方法也可以应用于装置实施例或系统实施例中。
[0014]图1是本专利技术一种实施例提供的欺诈社团识别方法的流程示意图，下面对该欺诈社团识别方法进行详细介绍。
[0015]步骤S110，基于传递的业务申请行为数据提取对应的行为关系图网络。
[0016]步骤S120，依据行为关系图网络与第一欺诈社团特征中的第一欺诈循环流向向量之间的关系联系参数，获得第一关系联系属性分布，并依据行为关系图网络与第二欺诈社团特征中的第二欺诈循环流向向量之间的关系联系参数，获得第二关系联系属性分布。
[0017]例如，第一欺诈社团特征可以对应于业务申请行为数据对应的用户所在当前的业务群体对应的欺诈社团的社团场景，用于表征该欺诈社团的社团场景形成的欺诈关系网络，第二欺诈社团特征可以对应于待检测欺诈社团的社团场景，用于表征该待检测欺诈社
团的社团场景形成的欺诈关系网络。
[0018]步骤S130，对第一关系联系属性分布和第二关系联系属性分布进行欺诈社团识别，获得业务申请行为数据中的业务申请行为对应于第二欺诈社团的行为活动的关系联系属性。
[0019]一种示例性的设计思路中，在获取到第一关系联系属性分布和第二关系联系属性分布之后，可以依据深度神经网络，依据第一关系联系属性分布和第二关系联系属性分布进行欺诈社团识别，之后确定业务申请行为数据中的业务申请行为对应于第二欺诈社团的行为活动的关系联系属性。其中，该关系联系属性用于表示该业务申请行为数据与第二欺诈社团特征之间的关系联系强度，且该关系联系强度是依据第一欺诈社团特征与第二欺诈社团特征中匹配的业务申请行为，依据对第二关系联系属性分布中第一关系联系属性分布对应的第一欺诈社团特征的社团判别场景进行清洗，获得针对于第二欺诈社团的行为活动的关系联系属性。
[0020]例如，对第一关系联系属性分布和第二关系联系属性分布进行欺诈社团识别，获得业务申请行为数据中的业务申请行为对应于第二欺诈社团的行为活动的关系联系属性的例如可以基于Sigmoid函数对第一关系联系属性分布和第二关系联系属性分布进行分析，获得关系联系属性。
[0021]其中，在步骤S130之后，还可以包括：步骤S140，基于所述业务申请行为数据中的业务申本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种欺诈社团识别方法，其特征在于，应用于欺诈社团识别系统，所述方法包括：基于传递的业务申请行为数据提取对应的行为关系图网络；依据所述行为关系图网络与第一欺诈社团特征中的第一欺诈循环流向向量之间的关系联系参数，获得第一关系联系属性分布，并依据所述行为关系图网络与第二欺诈社团特征中的第二欺诈循环流向向量之间的关系联系参数，获得第二关系联系属性分布；对所述第一关系联系属性分布和所述第二关系联系属性分布进行欺诈社团识别，获得所述业务申请行为数据中的业务申请行为对应于第二欺诈社团的行为活动的关系联系属性；基于所述业务申请行为数据中的业务申请行为对应于第二欺诈社团的行为活动的关系联系属性确定所述业务申请行为数据中的业务申请行为在所述第二欺诈社团中的欺诈预估节点。2.根据权利要求1所述的欺诈社团识别方法，其特征在于，基于传递的业务申请行为数据提取对应的行为关系图网络，包括：对所述业务申请行为数据进行行为活动扩展，获得扩展业务申请行为数据；依据预设行为解析策略对所述扩展业务申请行为数据进行行为节点解析，获得行为节点网络；依据行为关联属性模板对所述行为节点网络进行行为关联属性添加，获得目标行为节点网络；对所述目标行为节点网络进行第一欺诈社团的社团场景映射，获得映射行为节点网络；对所述映射行为节点网络进行噪声清洗，获得所述行为关系图网络。3.根据权利要求2所述的欺诈社团识别方法，其特征在于，对所述业务申请行为数据进行行为活动扩展，获得扩展业务申请行为数据，包括：获取所述业务申请行为数据中第一业务申请域关联的第一行为轨迹信息、所述第一业务申请域之前的第二业务申请域关联的第二行为轨迹信息；依据行为轨迹扩展策略和所述第二行为轨迹信息，计算所述第二行为轨迹信息关联的扩展行为轨迹信息；依据所述第一行为轨迹信息的轨迹特征向量与所述扩展行为轨迹信息之间的区别特征向量，获得所述第一业务申请域关联的扩展行为轨迹信息；将所述业务申请行为数据中各业务申请域关联的扩展行为轨迹信息进行汇聚，获得所述扩展业务申请行为数据。4.根据权利要求1所述的欺诈社团识别方法，其特征在于，依据所述行为关系图网络与预设的第一欺诈循环流向向量之间的关系联系参数，获得第一关系联系属性分布，包括：将所述行为关系图网络传递到依据第一参考欺诈社团特征进行AI优化获得的第一关系联系分析网络，生成所述行为关系图网络与所述第一欺诈循环流向向量的关系联系参数对应的第一关系联系属性分布；依据所述业务申请行为数据中各业务申请行为关联的行为路径数据，解析所述业务申请行为关联的首尾业务申请域；依据所述业务申请行为关联的首尾业务申请域和所述行为关系图网络对应的图单元
信息，获得所述业务申请行为中包含的行为关系子图网络；对所述业务申请行为中包含的行为关系子图网络对应的第一关系联系属性分布进行加权计算，获得所述业务申请行为对应于所述第一欺诈社团行为的第一关系联系属性分布。5.根据权利要求4所述的欺诈社团识别方法，其特征在于，将所述行为关系图网络传递到依据第一参考欺诈社团特征进行AI优化获得的第一关系联系分析网络，生成所述行为关系图网络与所述第一欺诈循环流向向量的关系联系参数对应的第一关系联系属性分布之前，还包括：获取依据第一欺诈社团特征生成的第一参考业务申请行为数据、以及所述第一参考业务申请行为数据对应的第一行为描述特征，并获取依据第二欺诈社团特征生成的第二参考业务申请行为数据、以及所述第二参考业务申请行为数据对应的第二行为描述特征；依...

【专利技术属性】
技术研发人员：唐海定，
申请(专利权)人：杭银消费金融股份有限公司，
类型：发明
国别省市：