一种异常识别的方法和装置制造方法及图纸

本公开的一方面涉及一种异常识别的方法，包括收集用户的信息；将所述用户的信息组织成知识，所述知识包括所述用户与信息、或者信息与信息之间的关系；基于组织出的知识来构建知识图谱，所述知识图谱包括对应于所述用户和每一项信息的信息节点，并且包括对应于相应关系的边；用基于空域的图卷积网络对所述知识图谱进行建模以获得模型；以及训练所述模型基于对所述知识图谱的图卷积计算来判断所述用户是否异常。本公开还涉及其他相关方面。本公开还涉及其他相关方面。本公开还涉及其他相关方面。

【技术实现步骤摘要】
一种异常识别的方法和装置


[0001]本申请一般涉及异常识别，尤其涉及基于知识图谱的异常识别。

技术介绍

[0002]在异常识别和治理的对抗中，往往使用被动收集来的信息来判断用户的黑白(即，用户是否异常)。
[0003]例如，在加强尽职调查(EDD)或称增强型尽职调查时，可以针对高风险客户进行更为深入的尽职调查，以收集更多信息，深入了解客户活动，从而降低风险。
[0004]类似场景下的异常识别通常主要有两个方式，一是使用一些规则来识别收集来的用户信息和已存在用户信息是否存在矛盾之处，二是可以使用一些数学模型来对这些数据进行建模。然而，此类方案或是人工成本过高，或是质量较难以把控。
[0005]因此，本领域中需要改进的异常识别的技术方案。

技术实现思路

[0006]本公开的一方面涉及一种异常识别的方法，包括收集用户的信息；将所述用户的信息组织成知识，所述知识包括所述用户与信息、或者信息与信息之间的关系；基于组织出的知识来构建知识图谱，所述知识图谱包括对应于所述用户的用户节点和对应于每一项信息的信息节点，并且本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种异常识别的方法，包括：收集用户的信息；将所述用户的信息组织成知识，所述知识包括所述用户与信息、或者信息与信息之间的关系；基于组织出的知识来构建知识图谱，所述知识图谱包括对应于所述用户和每一项信息的信息节点，并且包括对应于相应关系的边；用基于空域的图卷积网络对所述知识图谱进行建模以获得模型；以及训练所述模型基于对所述知识图谱的图卷积计算来判断所述用户是否异常。2.如权利要求1所述的方法，其中，所述知识包括主体，谓词和客体SPO三元组。3.如权利要求2所述的方法，其中，所述知识图谱包括以所述用户为主体并以信息为客体的知识、或以信息为主体并以与所述信息有关的进一步信息为客体的知识。4.如权利要求3所述的方法，其中，以所述用户为主体并以信息为客体的知识对应于所述模型中与所述用户对应的节点具有一跳距离的邻居节点，并且以信息为主体并以与所述信息有关的进一步信息为客体的知识对应于所述模型中与所述用户对应的节点具有大于一跳距离的节点。5.如权利要求1所述的方法，其中，训练所述模型包括已有标注的用户作为所述模型的ground truth来训练所述模型以使得训练后所述知识图谱中的边的权重反映相应关系在所述异常识别中的重要性。6.如权利要求1所述的方法，其中，所述信息包括所述用户所属的群体的领域信息以及所述用户个人的已知个体信息。7.如权利要求6所述的方法，其中，所述用户所属的群体的领域信息包括用户所属行业或职业等类别的交易特征；并且所述用户个人的已知个体信息包括所述用户的个人交易行为特征。8.如权利要求6所述的方法，其中，所述信息还包括新获得的所述用户的补充信息。9.如权利要求1所述的方法，其中，所述知识图谱中的每个节点带有自己的特征值或特征向量，其中对所述知识图谱的图卷积计算基于所述用户节点和信息节点子集的所述特征值或特征向量。10.如权利要求9所述的方法，其中，所述信息节点子集基于跳数阈值来确定。11.一种异常识别的设备，包括：用于收集用户的信息的装置；用于将所述用户的信息组织成知识的装置，所述知识包括所述用户与信息、或者信息与信息之间的关系；用于基于组织出的知识来构建知识图谱的装置，所述知识图谱包括对应于所述用户和每一项信息的信息节点，并且包括对应于相应关系的边；用于用基于空域的图卷积网络对所述知识图谱进行建模以获得模型的装置；以及用于训练所述模型基于对所述知识图谱的图卷积计算来判断所述用户是否异常的装置。12.如权利要求11所述的设备，其中，所述知识包括主体，谓词和客体SPO三元组。13.如权利要求...

【专利技术属性】
技术研发人员：舒慧珍，张天翼，刘丹丹，黄超敏，曹琳，
申请(专利权)人：支付宝杭州信息技术有限公司，
类型：发明
国别省市：