异常交易数据识别方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种异常交易数据识别方法、装置、计算机设备和存储介质，可用于金融领域或者其他领域，包括：获取预处理的初始交易数据、第一异常特征以及第二异常特征；根据第一异常特征训练预先构建的交易数据识别模型从初始交易数据中识别得到异常交易数据，得到更新后的交易数据识别模型；根据第一错误识别数据及第二错误识别数据再次训练更新后的交易数据识别模型，得到目标交易数据识别模型；第一错误识别数据为初始交易数据中符合第二异常特征且不属于异常交易数据的交易数据；将待识别交易数据输入目标交易数据识别模型，得到待识别交易数据的识别结果。采用本方法，有利于提高对异常交易数据识别的效果。高对异常交易数据识别的效果。高对异常交易数据识别的效果。

【技术实现步骤摘要】
异常交易数据识别方法、装置、计算机设备和存储介质


[0001]本申请涉及计算机
，特别是涉及一种异常交易数据识别方法、装置、计算机设备、存储介质和计算机程序产品。

技术介绍

[0002]随着社会经济的快速发展，金融机构每天会有上亿条基础交易数据，通常将不具有风险的正常交易数据称为正样本，具有风险的异常交易数据称为负样本。
[0003]相关技术中，通常正样本和负样本对模型进行训练，使得模型能够进行异常交易数据的识别；但是由于正负样本的比例严重不平衡，因此缺少有效的负样本数据特征，影响模型的训练效果，从而导致对异常交易数据识别的效果还较差。

技术实现思路

[0004]基于此，有必要针对上述技术问题，提供一种异常交易数据识别方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
[0005]第一方面，本申请提供了一种异常交易数据识别方法，其特征在于，所述方法包括：
[0006]响应于异常交易数据识别请求，获取经过预处理的初始交易数据、第一异常特征以及第二异常特征；
[0007]根据所述第一异本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种异常交易数据识别方法，其特征在于，所述方法包括：响应于异常交易数据识别请求，获取经过预处理的初始交易数据、第一异常特征以及第二异常特征；根据所述第一异常特征，训练预先构建的交易数据识别模型从所述初始交易数据中识别得到异常交易数据，得到更新后的交易数据识别模型；所述交易数据识别模型基于难例挖掘算法构建得到；根据第一错误识别数据及第二错误识别数据再次训练所述更新后的交易数据识别模型，得到目标交易数据识别模型；所述第一错误识别数据为所述初始交易数据中符合所述第二异常特征且不属于所述异常交易数据的交易数据，所述第二错误识别数据为所述异常交易数据中不符合所述第二异常特征的交易数据；将待识别交易数据输入所述目标交易数据识别模型，得到所述待识别交易数据的识别结果。2.根据权利要求1所述的方法，其特征在于，所述训练预先构建的交易数据识别模型从所述初始交易数据中识别得到异常交易数据，包括：将所述异常交易数据与所述初始交易数据，按照预设的融合比例进行融合，得到更新后的初始交易数据；将所述更新后的初始交易数据输入所述交易数据识别模型进行识别处理，得到异常识别结果；根据所述异常识别结果对所述交易数据识别模型中的模型参数进行调整，返回执行将所述异常交易数据与所述初始交易数据，按照预设的融合比例进行融合的步骤，直至所述交易数据识别模型达到收敛。3.根据权利要求2所述的方法，其特征在于，所述根据所述异常识别结果对所述交易数据识别模型中的模型参数进行调整，包括：根据预设损失函数计算得到与所述异常识别结果对应的第一损失函数值；所述第一损失函数值用于调整所述交易数据识别模型在识别异常交易数据过程中的权重；根据所述第一损失函数值调整所述交易数据识别模型中的模型参数。4.根据权利要求3所述的方法，其特征在于，所述根据所述第一损失函数值调整所述交易数据识别模型中的模型参数，包括：根据所述第一损失函数值调整所述交易数据识别模型对应的权重系数和偏置系数，直到所述第一损失函数值小于预设损失阈值时，确定所述交易数据识别模型达到收敛。5.根据权利要求2所述的方法，其特征在于，所述根据第一错误识别数据及第二错误识别数据再次训练所述更新后的交易数据识别模型，包括：将所述第一错误识别数据、所述第二错误识别数据...

【专利技术属性】
技术研发人员：欧阳春，韩锐吉，陈家隆，
申请(专利权)人：中国工商银行股份有限公司，
类型：发明
国别省市：