非正常用户识别方法和装置制造方法及图纸

本申请实施例提供一种非正常用户识别方法和装置。非正常用户识别装置包括第一获取单元、匹配单元、第二获取单元、生成单元以及识别单元。由此，能够基于银行侧用户的第一数据和运营商侧用户的第二数据即多方数据、并且在保证各方数据的隐私安全的情况下，更加高效、准确的识别出银行侧登陆的用户是否为非正常用户。户。户。

【技术实现步骤摘要】
非正常用户识别方法和装置


[0001]本申请涉及计算机
，特别涉及一种非正常用户识别方法和装置。

技术介绍

[0002]目前，在银行系统中为了提高用户体验以及业务办理的效率，用户通常使用手机银行登陆银行系统。手机银行是指银行以智能手机为载体，使用户能够在此终端上使用银行服务的渠道模式。随着通信与互联网技术的进步，手机银行的业务功能不断更新与完善。通过移动通信网络将客户的移动电话与银行连接，实现通过手机界面直接完成诸如账户查询、账户转账等各种金融业务的一种崭新的业务产品，即银行以手机为载体，依靠移动GSM无线网络，利用移动的短信息资源，通过手机发送短信息的形式对银行账户进行操作，实现手机“金融理财”、“电子钱包”等功能。
[0003]但是，在现有银行系统中，很多电信诈骗用户偏向于使用手机银行进行账户转账等操作。因此为了保护用户的财产安全以及隐私，需要高效、准确的识别电信诈骗用户。
[0004]应该注意，上面对技术背景的介绍只是为了方便对本申请的技术方案进行清楚、完整的说明，并方便本领域技术人员的理解而阐述的。不能仅仅因为这些方案在本申请的
技术介绍
部分进行了阐述而认为上述技术方案为本领域技术人员所公知。

技术实现思路

[0005]目前，现有技术通常只基于银行内部的数据来进行用户识别。但是，由于银行内部的数据较为单一，导致不能够高效、准确的识别出诈骗用户，即，非正常用户。
[0006]为了解决上述问题中的至少一个，本申请实施例提供一种非正常用户识别方法以及装置。由此，能够基于较为全面的数据并且在保证各方数据隐私安全的情况下更加高效、准确的识别出非正常用户。
[0007]根据本申请实施例的一方面，提供了一种非正常用户识别方法，所述方法包括：
[0008]获取银行侧用户的第一数据和运营商侧用户的第二数据，所述第一数据包括第一识别信息和第一特征，所述第二数据包括第二识别信息和第二特征；
[0009]基于所述第一识别信息和所述第二识别信息，将所述第一数据和所述第二数据进行匹配对齐；
[0010]获取银行侧第一神经网络模型的第一参数和运营商侧第二神经网络模型的第二参数；
[0011]使用所述第一参数和所述第二参数生成神经网络联合模型；
[0012]使用所述神经网络联合模型识别银行侧登陆用户是否为非正常用户。
[0013]在一些实施方式中，其中，基于所述第一特征训练所述第一神经网络模型得到所述第一参数，基于所述第二特征训练所述第二神经网络模型得到所述第二参数。
[0014]在一些实施方式中，其中，所述第一特征包括以下信息的至少一种：用户标签信息；交易记录信息；或登录区域信息。
[0015]在一些实施方式中，其中所述第二特征包括以下信息的至少一种：通话类型信息；短信类型信息；流量类型信息；或，机主信息。
[0016]在一些实施方式中，其中，所述第一识别信息和所述第二识别信息包括用户电话号码。
[0017]在一些实施方式中，其中，在所述第一识别信息的用户电话号码和所述第二识别信息的用户电话号码属于同一用户时，所述第一数据和所述第二数据匹配对齐
[0018]根据本申请实施例的一方面，提供了一种非正常用户识别装置，所述装置包括：
[0019]第一获取单元，其获取银行侧用户的第一数据和运营商侧用户的第二数据，所述第一数据包括第一识别信息和第一特征，所述第二数据包括第二识别信息和第二特征；
[0020]匹配单元，其基于所述第一识别信息和所述第二识别信息，将所述第一数据和所述第二数据进行匹配对齐；
[0021]第二获取单元，其获取银行侧第一神经网络模型的第一参数和运营商侧第二神经网络模型的第二参数；
[0022]生成单元，其使用所述第一参数和所述第二参数生成神经网络联合模型；以及
[0023]识别单元，其使用所述神经网络联合模型识别银行侧登陆用户是否为非正常用户。
[0024]根据本申请实施例的一方面，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现前述非正常用户识别方法。
[0025]根据本申请实施例的一方面，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存储有执行前述非正常用户识别方法。
[0026]根据本申请实施例的一方面，提供了一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现前述非正常用户识别方法。
[0027]本申请实施例的有益效果之一在于：能够基于较为全面的数据并且在保证各方数据隐私安全的情况下更加高效、准确的识别出非正常用户。
[0028]参照后文的说明和附图，详细公开了本申请的特定实施方式，指明了本申请的原理可以被采用的方式。应该理解，本申请的实施方式在范围上并不因而受到限制。在所附权利要求的精神和条款的范围内，本申请的实施方式包括许多改变、修改和等同。
[0029]针对一种实施方式描述以及示出的特征信息可以以相同或类似的方式在一个或更多个其它实施方式中使用，与其它实施方式中的特征信息相组合，或替代其它实施方式中的特征信息。
[0030]应该强调，术语“包括/包含”在本文使用时指特征信息、整件、步骤或组件的存在，但并不排除一个或更多个其它特征信息、整件、步骤或组件的存在或附加。
附图说明
[0031]参照以下的附图可以更好地理解本申请的很多方面。附图中的部件不是成比例绘制的，而只是为了示出本申请的原理。为了便于示出和描述本申请的一些部分，附图中对应部分可能被放大或缩小。在本申请的一个附图或一种实施方式中描述的元素和特征信息可以与一个或更多个其它附图或实施方式中示出的元素和特征信息相结合。此外，在附图中，
类似的标号表示几个附图中对应的部件，并可用于指示多于一种实施方式中使用的对应部件。
[0032]在附图中：
[0033]图1是非正常用户识别装置的一构成图；
[0034]图2为本申请实施例的网络架构的一示意图；
[0035]图3是本申请实施例非正常用户识别方法的一流程图；
[0036]图4是本申请实施例的非正常用户识别方法的一示意图；
[0037]图5为本申请实施例中计算机设备的示意图。
具体实施方式
[0038][0039]参照附图，通过下面的说明书，本申请的前述以及其它特征将变得明显。在说明书和附图中，具体公开了本申请的特定实施方式，其表明了其中可以采用本申请的原则的部分实施方式，应了解的是，本申请不限于所描述的实施方式，相反，本申请包括落入所附权利要求的范围内的全部修改、变型以及等同物。
[0040]在本申请实施例中，术语“第一”、“第二”等用于对不同元素从称谓上进行区分，但并不表示这些元素的空间排列或时间顺序等，这些元素不应被这些术语所限制。术语“和/或”包括相关联列出的术语的一种或多个中的任何一个和所有组合。术本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种非正常用户识别方法，其特征在于，所述方法包括：获取银行侧用户的第一数据和运营商侧用户的第二数据，所述第一数据包括第一识别信息和第一特征，所述第二数据包括第二识别信息和第二特征；基于所述第一识别信息和所述第二识别信息，将所述第一数据和所述第二数据进行匹配对齐；获取银行侧第一神经网络模型的第一参数和运营商侧第二神经网络模型的第二参数；使用所述第一参数和所述第二参数生成神经网络联合模型；使用所述神经网络联合模型识别银行侧登陆用户是否为非正常用户。2.根据权利要求1所述的方法，其特征在于，基于所述第一特征训练所述第一神经网络模型得到所述第一参数，基于所述第二特征训练所述第二神经网络模型得到所述第二参数。3.根据权利要求1所述的方法，其特征在于，所述第一特征包括以下信息的至少一种：用户标签信息；交易记录信息；或登录区域信息。4.根据权利要求1所述的方法，其特征在于，所述第二特征包括以下信息的至少一种：通话类型信息；短信类型信息；流量类型信息；或，机主信息。5.根据权利要求1所述的方法，其特征在于，所述第一识别信息和所述第二识别信息包括用户电话号码。6.根据权利要求5所述的方法，其特征在于，在所述第一识别信息的用户电话号码和所述第...

【专利技术属性】
技术研发人员：冯十辰，曾雨欣，李松，罗鑫，
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：