本发明专利技术涉及数据分析领域，公开了一种风险节点的检测方法、装置、设备及存储介质。该方法包括：获取用户信息节点集，将用户信息节点集划分为N个类别的社团节点集合，其中，N为正整数；根据预置赋值算法，对N个类别的社团节点集合中社团节点进行赋值处理，得到N个类别的节点赋值集；基于N个类别的节点赋值集，根据预置社区筛选算法，对N个类别的社团节点集合进行社区筛选处理，得到M个类别的筛选社区节点集合，其中，M为不大于N的正整数；接收在任一类别的筛选社区节点集中异常节点的指定指令，基于异常节点，对任一类别的筛选社区节点集中的节点进行关联处理，得到风险节点集。得到风险节点集。得到风险节点集。
【技术实现步骤摘要】
风险节点的检测方法、装置、设备及存储介质
[0001]本专利技术涉及数据分析领域，尤其涉及一种风险节点的检测方法、装置、设备及存储介质。
技术介绍
[0002]随着信息技术的发展，利用网络进行诈骗已经成为较为普遍的诈骗手段。当前主要基于反欺诈策略人员的经验和教训，通过分析历史欺诈用户的特征和操作，制定反欺诈规则，以根据诈骗人员的历史案例发现欺诈行为。当用户操作行为触发了反欺诈规则时，会被认定为欺诈行为并启动拦截，以保障其他用户的信息、交易安全。虽然此种发现欺诈手段的方式较为简单，且易实现，当此方案具有较多缺陷，例如精确率较低。
[0003]上述方案是依赖于欺诈检测人员需要从已识别的欺诈账户开始，沿着关系一一查询，找到欺诈密集的子图，通过分析相关业务，动作等来对可疑账户进行判断。因此，他们只能通过对已有的欺诈事件进行关联和分析，使用若干个维度进行计算和识别，而无法覆盖所有因素之间的关系网络。此外，随着技术的发展，人员对当前的技术认识存在一定的局限性，因此，对于最近的欺诈行为和欺诈技术，存在一定滞后性。此外，此方案需要投入大量的人力成本、时间成本以及精力成本。
技术实现思路
[0004]本专利技术的主要目的在于解决现有技术还不能准确快速的找到欺诈的可疑账户的技术问题。
[0005]本专利技术第一方面提供了一种风险节点的检测方法，包括步骤：
[0006]获取用户信息节点集，将所述用户信息节点集划分为N个社团节点集合，其中，N为正整数；
[0007]根据预置赋值算法，对所述N个社团节点集合中社团节点进行赋值处理，得到N个节点赋值集；
[0008]基于所述N个节点赋值集和预置社区筛选算法，对所述N个社团节点集合进行社区筛选处理，得到M个筛选社区节点集合，其中，M为不大于N的正整数；
[0009]针对每一所述筛选社区节点集合，接收所述筛选社区节点集合的异常指令，所述异常指令包括：异常节点，基于所述异常节点，对所述筛选社区节点集合中的节点执行节点关联处理，得到风险节点集。
[0010]可选的，在本专利技术第一方面的第一种实现方式中，所述获取用户信息节点集，将所述用户信息节点集划分为N个社团节点集合包括：
[0011]获取用户信息节点集，将所述用户信息节点集写入预置无向无权图中，得到用户无向无权图；
[0012]根据预置聚类算法，分析所述用户无向无权图的三角节点构成数，得到所述用户信息节点集对应的N个类别的社团节点集合。
[0013]可选的，在本专利技术第一方面的第二种实现方式中，所述根据预置赋值算法，对所述N个社团节点集合中社团节点进行赋值处理，得到N个节点赋值集包括：
[0014]针对所述社团节点集合中的每一社团节点，分析所述社团节点对应的i个信息维度，其中，i为正整数；
[0015]根据预置维度赋值表，对所述i个信息维度进行赋值查询处理并计算，得到所述i个信息维度的总赋值分；
[0016]将所述总赋值分确定为所述社团节点的节点赋值。
[0017]可选的，在本专利技术第一方面的第三种实现方式中，所述基于所述N个节点赋值集和预置社区筛选算法，对所述N个社团节点集合进行社区筛选处理，得到M个筛选社区节点集合包括:
[0018]判断所述社团节点集合中的节点数是否超过预置规模阈值；
[0019]若超过预置规模阈值，则基于所述社团节点集合对应的节点赋值集，计算所述社团节点集合对应的赋值均分，判断所述赋值均分是否大于预置均分阈值；
[0020]若大于预置均分阈值，则将所述社团节点集合确定为筛选社区节点集合；
[0021]若未超过预置规模阈值，则根据所述维度赋值表，对所述社团节点集合进行指定维度的赋值计算处理，得到总分赋值集；
[0022]判断所述总分赋值集是否存在不小于预置总分阈值的元素；
[0023]若存在不小于预置总分阈值的元素，则将所述社团节点集合确定为筛选社区节点集合。
[0024]可选的，在本专利技术第一方面的第四种实现方式中，
[0025]所述根据所述维度赋值表，对所述社团节点集合进行指定维度的赋值计算处理，得到总分赋值集包括：
[0026]从所述社团节点集合对应的节点赋值集中提取每一节点赋值对应i个信息维度中的j个信息维度，其中，j为不大于i的正整数；
[0027]根据所述维度赋值表，查询并计算所述j个信息维度对应的总分赋值。
[0028]可选的，在本专利技术第一方面的第五种实现方式中，所述对所述筛选社区节点集合中的节点执行节点关联处理，得到风险节点集，包括：
[0029]根据预置PPR算法，将所述筛选社区节点集中的节点与所述异常节点进行关联度匹配处理，得到风险节点集。
[0030]可选的，在本专利技术第一方面的第六种实现方式中，在所述接收在所述任一类别的筛选社区节点集中异常节点的指定指令，基于所述异常节点，对所述任一类别的筛选社区节点集中的节点进行关联处理，得到风险节点集之后，还包括：
[0031]基于xgboost模型，对所述风险节点集中的风险节点进行分类处理，得到真正类风险节点集。
[0032]本专利技术第二方面提供了一种风险节点的检测装置，所述风险节点的检测装置包括：
[0033]获取划分模块，用于获取用户信息节点集，将所述用户信息节点集划分为N个社团节点集合，其中，N为正整数；
[0034]赋值模块，用于根据预置赋值算法，对所述N个社团节点集合中社团节点进行赋值
处理，得到N个节点赋值集；
[0035]社区筛选模块，用于基于所述N个节点赋值集和预置社区筛选算法，对所述N个社团节点集合进行社区筛选处理，得到M个筛选社区节点集合，其中，M为不大于N的正整数；
[0036]风险关联模块，用于针对每一所述筛选社区节点集合，接收所述筛选社区节点集合的异常指令，所述异常指令包括：异常节点，基于所述异常节点，对所述筛选社区节点集合中的节点执行节点关联处理，得到风险节点集。
[0037]本专利技术第三方面提供了一种风险节点的检测设备，包括：存储器和至少一个处理器，所述存储器中存储有指令，所述存储器和所述至少一个处理器通过线路互连；所述至少一个处理器调用所述存储器中的所述指令，以使得所述风险节点的检测设备执行上述的风险节点的检测方法。
[0038]本专利技术的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述的风险节点的检测方法。
[0039]在本专利技术实施例中，本技术一方面使用用户特征学习的方法，从用户特征，关系特征，特征之间的关联三个维度，确定用户特征与风险预测之间的映射关系。另外一方面通过构建用户事件关联图，使用图的相关算法，挖掘节点之间的关联信息。通过这两方面，能够更加全面准确的鉴定欺诈群体、欺诈用户。将该技术的检测结果交给相关专家，极大简化了专家的工作内容，加快了检测和采取对策的的速度，解决现有技术还不能准确快速的找到欺诈的可疑账户的技本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种风险节点的检测方法，其特征在于，包括步骤：获取用户信息节点集，将所述用户信息节点集划分为N个社团节点集合，其中，N为正整数；根据预置赋值算法，对所述N个社团节点集合中社团节点进行赋值处理，得到N个节点赋值集；基于所述N个节点赋值集和预置社区筛选算法，对所述N个社团节点集合进行社区筛选处理，得到M个筛选社区节点集合，其中，M为不大于N的正整数；针对每一所述筛选社区节点集合，接收所述筛选社区节点集合的异常指令，所述异常指令包括：异常节点，基于所述异常节点，对所述筛选社区节点集合中的节点执行节点关联处理，得到风险节点集。2.根据权利要求1所述的风险节点的检测方法，其特征在于，所述获取用户信息节点集，将所述用户信息节点集划分为N个社团节点集合包括：获取用户信息节点集，将所述用户信息节点集写入预置无向无权图中，得到用户无向无权图；根据预置聚类算法，分析所述用户无向无权图的三角节点构成数，得到所述用户信息节点集对应的N个社团节点集合。3.根据权利要求1所述的风险节点的检测方法，其特征在于，所述根据预置赋值算法，对所述N个社团节点集合中社团节点进行赋值处理，得到N个节点赋值集包括：针对所述社团节点集合中的每一社团节点，分析所述社团节点对应的i个信息维度，其中，i为正整数；根据预置维度赋值表，对所述i个信息维度进行赋值查询处理并计算，得到所述i个信息维度的总赋值分；将所述总赋值分确定为所述社团节点的节点赋值。4.根据权利要求3所述的风险节点的检测方法，其特征在于，所述基于所述N个节点赋值集和预置社区筛选算法，对所述N个社团节点集合进行社区筛选处理，得到M个筛选社区节点集合包括:判断所述社团节点集合中的节点数是否超过预置规模阈值；若超过预置规模阈值，则基于所述社团节点集合对应的节点赋值集，计算所述社团节点集合对应的赋值均分，判断所述赋值均分是否大于预置均分阈值；若大于预置均分阈值，则将所述社团节点集合确定为筛选社区节点集合；若未超过预置规模阈值，则根据所述维度赋值表，对所述社团节点集合进行指定维度的赋值计算处理，得到总分赋值集；判断所述总分赋值集是否存在不小于预置总分阈值的元素；若存在不小于预置总分阈值的元素，则将所述社团节点集合确定为筛选社区节点集合。5.根据权利要求4所述的风险节点的检测方法，其特征在于，所述根据所述维度赋值表，对所...
【专利技术属性】
技术研发人员：陈丽娜，咸瑞，化国伟，彭超，陈小军，
申请(专利权)人：深圳市珍爱捷云信息技术有限公司，
类型：发明
国别省市：
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。